为什么工业外观检测是不能省的品控投入
上个月跑东莞的汽配加工厂，老板拉着我看他的检验工位，四个老工人凑在强光台灯下，揉着红眼睛挑冲压件的毛刺和裂纹。一天干十二个小时，每人工资开六千，还是有平均8%的漏检率，上个月刚因为一批裂纹零件漏出去，被主机厂罚了十二万。
很多人觉得外观检测就是看看好不好看，不算核心工序。错得离谱。小到手机壳的划痕，大到汽车钢板的变形，再到密封件的细微裂纹，外观缺陷直接影响产品的使用寿命、安全性能，甚至品牌口碑。用户买个新耳机，开箱一眼看到一道浅划痕，你说他会给好评吗？供应商给主机厂供零件，连续两次漏检，直接就从供应商名单里除名了。
刚好在这里答很多老板问的第一个问题：
问：中小厂产量不大，有没有必要上自动化外观检测？
答：说实话，完全看你接的单子要求。我去年碰见过浙江一个做塑料紧固件的老板，一年才做不到八千万的生意，给汽车厂供货，三批货因为毛边漏检被退，直接丢了每年两千万的稳定订单。算下来，一套不到十万的视觉外观检测设备，不到半年就能赚回成本。要是你做的是To C的消费类产品，外观缺陷直接带来差评退货，拉低店铺权重，这点投入真的不算什么。当然，要是你做的是一年出不了几百件的大型非标件，那老工人拿放大镜看也够用，没必要跟风。
主流外观检测方案，怎么选不踩坑
现在市面上的外观检测方案，掰手指头数也就四类：人工目检、传统机器视觉检测、AI深度学习视觉检测，还有一些小众的激光扫描检测。
人工就不说了，优点是灵活，成本低，适合小批量非标品。缺点太明显，人会累，干八个小时之后，漏检率能从3%涨到18%，而且每个人对缺陷的判断标准不一样，你说这个划痕算合格，他说不算，扯不清。
传统机器视觉，适合规则产品的规则缺陷，比如固定位置的孔径偏差、零件缺角，识别速度快，成本也不高。但只要缺陷是不规则的——比如随机出现在外壳任何位置的划痕、深浅不一的麻点，它就直接抓瞎，误检漏检一堆。
现在最火的就是AI深度学习外观检测，能学习各种不规则缺陷的特征，换产品只要重新训练模型就行，不用大改硬件结构，适配性强很多。
这里再答一个问得最多的问题：
问：商家都说AI外观检测误检率能降到1%以内，是真的吗？
答：得分场景，不能一概而论。要是你检测的是不锈钢表面的黑色划痕、注塑件的缺料这种对比度高的缺陷，打好光，误检率确实能压到0.5%以内。要是你测的是白色塑料上的浅划痕、铝合金毛坯的暗伤，这种和底色对比度极低的缺陷，能做到5%以内就已经是顶流水平了。别信什么零误检的鬼话，实际生产线上有灰尘、有光照波动、产品放的位置也会偏，哪来完美的检测条件？对吧。
上自动化外观检测最容易栽的几个跟头
我见过太多工厂花了几十万上设备，最后用不起来扔在仓库落灰，大多是踩了这几个坑：
- 💡 忽略打光的重要性。很多人选设备只看相机像素、镜头参数，殊不知打光是外观检测的半条命。同样一道一毫米的浅划痕，打光不对，相机就是看不见。我前年碰见过一个客户，买了四十万的外观检测设备，结果因为产品是弧形亚克力，反光不均匀，一半缺陷检不出来，最后重新改打光方案，又花了七万多，纯纯交学费。
- ❗ 不给模型攒足够的缺陷样本。AI模型是靠样本喂出来的，你每种缺陷只给十几二十张图，模型能学到什么？最少每种缺陷得有两三百张不同光照、不同角度、不同深浅的样本，样本越多，模型越准，别嫌麻烦，现在偷懒后面哭都来不及。
- ✅ 不看供应商的后续迭代能力。你今天做A款手机壳，明天说不定就要做B款，出了新的缺陷类型也要加，模型总得调对吧？好多小厂商卖完设备就不管，改个模型收你好几万，坑死个人。不如一开始就找那种给你开放微调工具的，自己厂里的工程师就能改，省太多事。
不过话说回来，这两年外观检测的成本降得是真快。前几年一套带AI功能的设备动辄几十万，现在十几万就能拿下一套适配中小厂的方案，很多之前嫌贵的老板都开始动心了。
上个月那个东莞汽配厂的老板跟我说，上完设备之后，漏检率从原来的12%降到0.3%，原来四个检验工人，两个转去了包装岗，一个转去了仓库，只留一个人处理设备挑出来的不良品，每个月光人工就省了快三万，加上罚款没了，返工少了，不到半年就收回成本了。
很多工厂把大笔钱砸进生产设备，追求更高的加工精度，却把品控里的外观检测当成可有可无的边缘工序，最后栽在这一步的，真的不在少数。品控这关，差一点，就是差很多。