2026-09-20 22:16:46 作者：网编
分类：文章
很多人聊起造车，聊的都是大电池，长续航，自动驾驶多智能。没人在意车门钢板上那不到1毫米的小划痕。就这一点小破痕。漏检流到市场上，风吹雨淋两三年，锈迹从漆面鼓出来，车主骂街，品牌口碑掉一大块。
现在主机厂冲压车间一天出几千件覆盖件，全靠老质检肉眼盯，早就扛不住了。缺陷检测，就是给整车品控把最后一道关的隐形守门人，分量重得很。
为什么汽车冲压件的缺陷检测这么难做？
车身覆盖件全是大曲面，缺陷类型杂得很——划痕、拉毛、起皱、开裂、压痕，大小从零点几毫米到几厘米不等，分布位置也没规律。不同材质的钢板，反光程度不一样，同一个缺陷换个角度打光，可能就直接“隐身”了。
说实话，我之前去长三角一家主机厂的冲压车间待过一周，老质检干了十年，一天盯八个小时，到下午错检率能飙到15%以上。干久了个个干眼症，换年轻人根本不愿干这个活。对吧？你说一天八千件，漏个三五件很正常，流到总装就是批量问题，返工成本动辄几十万。
汽车冲压件常见缺陷类型标注图
传统的检测方案要么全人工，要么就是初代机器视觉，规则式识别。规则式识别有啥问题？脏点和真缺陷分不清，曲面反光直接误判，误报率高到吓人，最后还是要加人复判，钱花了，力没省。
问：现在很多工厂用的传统缺陷检测方案，误报率一般能到多少？
答：我接触过的十几家不同规模的工厂数据来看，曲面冲压件的误报率普遍在10%-30%之间。很多工厂对外号称已经实现自动化缺陷检测，其实最后还是要加两班工人复判，等于花了自动化的钱，没省下人工的成本，太坑了。
当下主流的AI缺陷检测方案，真的能落地吗？
这几年AI火了之后，一堆做计算机视觉的都挤进来做工业缺陷检测，很多方案吹得神乎其神，一到工厂落地就拉胯。为啥？大部分AI模型都是拿网上公开的标准数据集训出来的，公开数据集里的缺陷都是挑了又挑的“完美样本”，到了你工厂，换个钢材批次，换个冲刀，缺陷形态变一点，原来的模型直接瞎。
不过话说回来，这两年技术迭代快，也有真的能落地的方案。现在跑的比较顺的，都是小样本泛化AI缺陷检测模型，不用你攒个几万张缺陷样本才能训模型，新车型换个冲压件，收集个几十上百张缺陷图就能训好，一周就能上线，对小批量多品种的生产线太友好了。
AI视觉汽车冲压件缺陷检测现场实拍
问：小样本缺陷检测对工厂的现有硬件要求高吗？原来的旧工业相机能不能复用？
答：大部分情况下不用全套更换硬件。只要原来的工业相机分辨率够，打光方案本身没问题，只需要把原来的算法模型换成新的小样本模型就行。真要调整，也只需要换镜头或者微调打光角度，整体改造成本比重新上一套完整设备低80%都不止。
工厂上缺陷检测项目，踩过最多的三个坑
工厂上缺陷检测项目，踩过最多的三个坑
我接触过不下几十个做缺陷检测项目的工厂，总结下来，踩坑基本都是这三个，给你们提个醒：
💡 坑一：上来就追求100%检出率。说实话，真没必要。你要求100%检出，误报率肯定会飙升，最后还是要一堆人工复判，反而增加了成本。一般来说，99.5%的检出率，误报率控制在3%以内，完全够用了。能把99%的问题拦在工厂里，剩下那0.5%的漏检概率，比原来人工检测错漏概率低了不止一个量级。
❗ 坑二：买完设备就觉得一劳永逸，不做模型迭代。冲刀用久了会磨，钢材批次会换，甚至生产线换个班次，环境光照变一点，缺陷形态都可能变。半年不更新模型，准确率掉十个点都是常事。找供应商一定要找能做持续运维的，每个月抽点新数据更新一次模型，就能一直保持稳定的准确率。
✅ 坑三：盲目追求全自动化在线检测。不是所有工厂都适合全线上检测。比如做小批量定制的冲压厂，换款换型太频繁，整个离线缺陷检测抽检就够了，成本低，见效快，比硬上全套在线检测实在多了。
去年认识江苏一家做商用车覆盖件的工厂老板，原来养了12个质检两班倒，一个月工资发出去快十万，每年因为漏检错检还要被主机厂罚几十万。后来上了AI缺陷检测，只留两个质检员复判少量误报，一年算下来省了小一百万，不到一年就回本了。原来他们用的初代机器视觉，误报率一直卡在12%下不来，换完小样本模型直接干到2%以内，你说香不香。
现在很多工厂都在喊智能制造，其实智能制造真不是搞花架子，就是把每个环节的品控做扎实，缺陷检测就是最实在的落地项目，把住了这道关，成品率上去了，成本下来了，生意自然就稳了。
免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。如有侵权请联系删除。
文章名称：汽车冲压件缺陷检测：工业智造环节的隐形守门人
文章链接：https://m.zystgy.cn/a/59896