去年在东莞一家连接器厂，我亲眼看着一个做了二十年质检的老陈，被一套新上的AI检测系统气得拍桌子。他揪着调试工程师的衣领吼：“这玩意儿说我漏检？老子眼睛就是尺！” ——后来呢，一个月后，老陈成了这套系统最狂热的布道者，逢人就讲“那机器确实比我准”。

说实话，工业视觉检测这行，这种故事每天都在上演。它不是简单的“机器换人”，而是一场充满博弈和意外的深度变革。精度、速度、漏杀率……这些冰冷参数背后，是真实的人性碰撞。

但你知道吗？很多工厂花几百万上视觉检测，最后沦为摆设。问题出在哪？

从“看得见”到“看得懂”：视觉检测的硬核门槛

很多人以为，架个工业相机，接个算法盒子，这事就成了。哪有那么简单。❕

我曾经去宁波一家汽配厂，他们用传统算法做缺陷检测，产品是涡轮叶片上的微裂纹。光源打了十二个角度，算法写了三百条规则，结果——还是把一道划痕错判成裂纹，导致批次报废。老板脸都绿了。为什么？因为工业现场的复杂度远超实验室：油污、震动、环境光变化……随便一个变量都能让精心调优的模型崩盘。

这里就引出第一个关键问题：

问：视觉检测是不是相机越贵越好？
答：大错特错。我见过太多花几十万买高分辨率线扫相机的厂子，最后拍出来的图像细节确实惊艳，但算法处理不过来，产线节拍跟不上，直接废掉。真正的核心是光学方案。怎么打光、怎么消除反光、怎么突出缺陷特征——这往往比算法本身还重要。一台基线合适的低端相机，配一套聪明光源，效果能吊打无脑堆硬件。💡

工业视觉检测多角度光源布置实拍

而且，搞视觉检测最怕“完美主义”。有一次我参与一个手机中框外观检测项目，客户要求零瑕疵——任何直径超0.1毫米的划痕都要抓出。结果呢？过杀率飙到40%，复检线又排了七八个人，相当于把人工质检挪了个位置。后来我们硬着头皮跟客户磨，把标准调到“影响功能的划痕才判退”，整体效率才跑通。

这就是现实：在线检测必须在精度和效率之间找平衡，不是你死我活，是妥协的艺术。

AI入场后，事情变得更“妖”了

深度学习一来，好像一切都能解决了。但说实话，坑更多了。

比如数据标注。去年我给一家锂电池厂做极片表面缺陷检测，需要标注一万张缺陷图片。厂里派了三个年轻质检员帮忙，结果三个人对同一张图给出三种标签——一个说是“划痕”，一个说是“褶皱”，一个说是“正常纹理”。最后我们专门花了两周开会，制定了一本三十页的缺陷分类标准书，才勉强统一口径。你看，AI检测的根本问题，不是算法，是人对“缺陷”的定义本身就模糊。

还有更气人的。某次用深度学习做焊点检测，离线验证准确率99.5%，上线直接掉到82%。排查了三天，发现因为训练数据都是下午拍的，而产线上午的光线偏冷，导致过曝区域被误判。所以说，工业AI落地，差一个细节就是天壤之别。

工厂产线AI焊点缺陷实时检测画面

问：传统算法和AI视觉该怎么选？
答：取决于你的缺陷类型。如果是规则明确、背景单一的检测（比如尺寸测量、字符识别），传统算法稳定又便宜。如果缺陷形态千变万化（比如布匹瑕疵、铸件表面缩孔），AI优势巨大。但切记——AI不是万能药。我曾经见过一个项目，AI把模具的正常纹理当成裂纹狂报警，停机了二十次，最终还是靠老师傅调了半个月的传统滤波规则才压住。混合方案往往是目前最优解。🔧

数据、标准、人：绕不开的三大暗礁

数据、标准、人：绕不开的三大暗礁

做这行越久，我越觉得，检测的本质不是技术，是管理。

你看，一套视觉系统上线，首先需要工艺部门给出明确的质量边界。但现实呢？多数工厂的工艺文件上写着“表面无明显瑕疵”——什么叫“明显”？这种模糊词落到代码里就是灾难。你得逼着他们量化：划痕长度超过3毫米且深度触及基材？OK，才能变成特征提取的阈值。

其次是数据闭环。很多工厂迷信“一键智能”，以为系统能自学习、自优化。醒醒吧！没有持续的人工复判与数据回流，模型只会慢慢退化。我见过最离谱的案例：一个螺丝检测线，AI模型运行半年后漏检率从0.2%升到3.5%，原因竟是供应商偷偷换了材料批次，光反射特性变化了，而模型压根没更新。

最后是人。老质检员不是敌人，是宝。他们的经验能告诉你哪些是真正致命的缺陷，哪些可以放过。强行用机器替代所有人，往往会遭到隐性抵制——比如工人会故意在镜头前晃一下手，制造误报，就为了证明“机器不行”。相反,像老陈那样，让他参与制定标准、审核模型，反而会变成内部推广的助燃剂。🤝

所以别只盯着算法精度看。整体检测系统效能 = 技术可行性 × 工艺清晰度 × 人员配合度。三个因子里任何一个为零，结果就是零。

未来已经来了，只是分布不均

未来已经来了，只是分布不均

现在最前沿的玩法是什么？不是单纯检出缺陷，而是缺陷预测。通过时序数据分析，在缺陷即将产生前就调整工艺参数。比如注塑件的缩痕，不是等到成型后再检，而是在模腔内压力异常时立刻预警。我们正在常州一家工厂试点，把视觉系统与注塑机控制器打通，不良率从1.2%压到了0.3%——这才是检测该有的高级形态。

另外，3D视觉检测也开始普及，特别是对高度、体积敏感的场景，比如PCB锡膏厚度检测、焊缝余高测量。但成本还是硬伤，一套高精度3D传感器动辄十几万，多数中小厂承受不起。

说到底，工业检测这行，没有银弹。每一个落地案例都是技术、成本、人性反复纠缠的结果。那些吹得天花乱坠的PPT，上了产线往往满地鸡毛。但即便如此，我依然乐观——因为愿意像老陈那样，从愤怒到拥抱的人越来越多。毕竟，承认机器在某些方面比自己强，需要勇气，更需要对品质的敬畏。

这就是我干了十几年检测最深的一点体会：最好的检测系统，不是最聪明的，而是最被一线接纳的。