上个月在东莞一个工厂，看到他们的检测线上摆了七台进口的视觉设备——结果漏检率还是8%。厂长抽着烟跟我说，这玩意儿是不是骗人的？我当时就想写这篇文章。

工业视觉检测生产线实拍

说实话，视觉检测这行水太深了。你听销售吹得天花乱坠，什么99.9%的准确率，实际上线一跑，各种幺蛾子。光源角度稍微变一点，灰尘多了点，算法就懵了。我做了十几年检测，踩过的坑比很多人走的路还多。

💡 选型先看这三样，不然准后悔

分辨率、帧率、光源——这铁三角缺一不可。很多新手只盯着相机分辨率，以为越高越好。结果呢？一张图处理半秒，生产线等不了，老板在后面骂。我曾经为了一个瓶盖瑕疵检测项目，换了五家供应商，最后发现不是相机的问题，是环形光源的漫射角度不对。那个细微的划痕，只有在特定的低角度光下才显形。

还有镜头，很多人忽略。有个厂子做手机外壳，表面是拉丝纹理，普通FA镜头根本拍不出缺陷，因为纹理会产生莫尔条纹。后来换了远心镜头，成本翻了一倍，但总算搞定了。

❗ 算法是灵魂，不要被“深度学习”忽悠

现在满世界都喊AI检测。深度学习了不起啊？数据！数据才是王道。 你给一堆烂数据，神仙网络也白搭。我见过一家大厂，花了几百万上深度学习缺陷检测，结果训练集全是实验室拍的，实际产线上光照、抖动、产品批次一变，准确率掉到70%以下，惨不忍睹。

深度学习缺陷检测模型训练

其实很多场景，传统算法加规则就足够了。你测个尺寸，用卡尺工具；找边缘瑕疵，用差分或模板匹配。非要上CNN，不是不可以，但你得准备好至少数千张标注好的典型缺陷图，而且要涵盖所有变异。我们团队去年给一家光伏厂做EL检测，搞了半年，数据积累是关键。

❓ 常见问题快问快答

❓ 常见问题快问快答

问：在线检测和离线检测怎么选？

答：看你节拍。如果生产线速度很快，比如每分钟超过300个，必须在线，而且要用全局快门相机，卷帘快门会拖尾。离线检测通常用在抽检或者实验室，精度可以做得更高，但慢。有个汽车配件客户，一开始图省钱搞离线，后来发现要专门分拣，效率太低，又改回在线，多花了不少钱。

问：视觉检测能完全替代人工吗？

答：想得美！有些缺陷，比如微弱色差、反光曲面上的划痕，机器就是不如人眼。现在最高效的往往是人机协作：机器快筛，把明显缺陷的剔掉，可疑的或不确定的弹出来让人工复判。这样既保证速度，又控制误判率。

✅ 最新实践：从2D到3D，以及5G传输

✅ 最新实践：从2D到3D，以及5G传输

2024、2025年有个明显的趋势：3D视觉检测爆发了。激光三角测量、结构光、双目立体视觉，越来越多用在高度、体积、平整度检测上。比如PCB板上焊点的共面性，以前2D外加多角度光源勉强能看，现在直接上一套结构光，高度误差±5微米，清清楚楚。

还有5G工业传输。我们在一个大型冲压车间布了十几个相机，原始图像数据量巨大，以前用千兆网卡顿延时严重。后来换了5G边缘计算节点，直接在本地预处理，只传特征数据，响应速度降到了毫秒级。不过部署成本还是不低，小厂玩不起。

最后啰嗦一句：检测不是买一堆硬件，是系统工程。 从机械定位、自动上下料，到软件算法、数据管理，哪一个环节掉链子都不行。我见过太多项目死在细节上：传送带跑偏、镜头结雾、环境振动...这些才是日常的敌人。

📊 检测系统评估，别只看PPT指标

📊 检测系统评估，别只看PPT指标

工厂里最常用的指标是GR&R（量具重复性和再现性），很多视觉厂商都不敢提这个。你让他们做一下30个样件的GR&R分析，重复测量三次，十个里面有八个会暴露问题。还有误报率和漏报率，一定要在生产节拍下统计，而不是慢悠悠的调试环境。我们曾经在一个项目里，要求供应商连续运行72小时，记录每一个误报和漏报，最后数据惨不忍睹，他们自己默默回去优化了。

所以，下次如果有人跟你吹他们的视觉检测多神，先让他到你的产线跑三天三夜再说。经验就这么残酷。