锻造模具外观检测，买现成系统还是找人定制？

我们厂为什么非要上AI检测

我是佛山一家做锻造模具厂的负责人，厂子不大不小，百来号人，年产值三千多万。主要给周边一些压铸厂、锻压厂供应模具。

模具这东西，外观上一点小瑕疵，比如细微的裂纹、麻点、碰伤，到了客户那边上机一压，可能就是批量废品，搞不好还要赔钱。

以前我们全靠老师傅带着放大镜，在强光灯下一个个看。说实话，老师傅经验是准，但速度慢，一天看不了多少。而且人眼会疲劳，特别是赶订单月底加班，或者夜班的时候，漏检率明显就上去了。

最头疼的是，这两年老师傅快退休了，新招的年轻人，眼力好但没经验，看个半天就眼花，稳定性差太多。我们良品率一直卡在97%左右，上不去，客户投诉时不时就来一下，每次都是钱和信誉的双重损失。

所以，上自动化外观检测，对我们来说不是赶时髦，是实实在在的生存压力逼的。

一开始想省钱，结果走了弯路

大概两年前，我们开始琢磨这事。第一想法肯定是想省钱。市面上有些做通用视觉检测的公司，卖的是标准化的系统，号称“开箱即用”。

我们当时觉得，这多好，买回来装上就能用，价格也比定制开发便宜一大截。于是，就找了一家，花了大十几万买了一套系统，主要用来检成品模具的表面。

结果装上就傻眼了。

问题出在模具本身太“个性”了。我们做的模具有大有小，形状各异，有圆的、方的、带复杂曲面的。而且因为是锻造模具，表面不像注塑模具那么光亮，有锻造留下的纹路，颜色也因为热处理有深有浅。

那套标准系统，对付标准工件还行，一到我们这种复杂情况就“懵”了。它把正常的锻造纹路当成划痕报警，又把一些真正的、细如发丝的裂纹给漏过去。调试了快一个月，误报率和漏报率都高得没法用，生产线的人怨声载道，最后那套设备只能搁在角落吃灰。

这次教训花了钱，更浪费了时间，让我明白一个道理：锻造模具检测，没有“通用解药”。

咬牙上定制，关键看这几点

吃了亏，我们冷静下来重新找供应商。这次目标很明确：必须能针对我们的产品做深度定制。前后谈了四五家，最后选了一家在工业视觉领域有多年经验，而且明确做过类似锻造件检测案例的公司。

为什么选他们？主要是沟通下来，他们不吹牛，先派工程师来我们车间蹲了一个星期。不是简单看看，而是跟着我们的检验流程走，把各种型号的模具、各种常见的缺陷类型（裂纹、起皮、凹坑、氧化斑）都做了详细的记录和采样。

他们提了几个关键点，说服了我们：

1. 算法要专门训练：不能用通用的缺陷识别算法，必须用我们自己的、大量的模具图片（包括好的和有各种缺陷的）去“喂”给AI，让它学习什么是我们行业特有的“正常”和“异常”。

2. 打光方案是灵魂：模具曲面多，怎么打光能把细微的裂纹凸显出来，同时又能抑制锻造纹路的干扰？他们做了好几套打光方案测试，最后用了特定角度的多光源组合，才把效果做稳定。

3. 要能区分缺陷类型：不能光报警，最好能告诉操作工，大概是哪类问题（比如疑似裂纹、疑似碰伤），这样返修也有方向。

实施过程差不多三个月。

第一个月是数据采集和方案设计，

第二个月是安装调试和算法训练，

第三个月是试运行和优化。中间也有波折，比如刚开始对一些特殊曲面的边缘检测不准，又调整了相机视角和算法参数。

现在用起来到底怎么样？

系统稳定运行快一年了。我讲点实在的。

好的方面：

1. 检测稳定，不怕疲劳：现在24小时三班倒，检测标准是统一的，夜班再也不担心了。解放了一个专门的检验岗，这个人可以调到其他更需要人的岗位去。

2. 效率确实上来了：小模具的检测速度比老师傅快了一倍不止。大模具因为需要多角度拍摄，速度和老师傅差不多，但稳定性强太多。整体检测环节的时间缩短了大概30%。

3. 良品率有提升：最关键的指标，我们的综合良品率从之前的97%左右，提到了99.2%。别小看这两个多点，一年下来，客户投诉几乎没了，潜在的报废和返工损失省下来，粗算一年能省下二十多万。

4. 数据可追溯：每件模具检测时都拍照存档，有问题可以直接调图看，和客户沟通也有依据。

还有没解决好的地方：

1. 深孔、死角还是难点：有些模具内部的深孔或者非常隐蔽的角落，相机拍不到，这部分还得靠人工最后把关。

   

2. 新模具型号要重新学习：如果接到一个全新结构、全新表面状态的模具订单，系统需要一些这个新型号的图片（好的和坏的）进行增量学习，才能保证准确率。这有个过程，不能立马用。

3. 初期投入不小：我们这套定制下来，硬件加软件总共花了四十多万。虽然按省下的钱和提升的效益算，两年内回本没问题，但对小厂来说还是一笔不小的开支。

如果重来，我会怎么做

走过这一圈，再让我选一次，思路会更清晰。

第一，别贪便宜买“万能”系统。 对于锻造模具这种非标、特征复杂的行业，几乎不存在拿过来就能完美适用的标准品。预算再紧，也得往定制方向找。

第二，供应商要选“懂行”的。 关键不是看他们公司多大，牌子多响，而是看他们有没有做过类似行业的真实案例。最好能要求去他们的案例客户那里看看（哪怕不是同行，是类似复杂表面的工件检测也行），听听对方怎么说。

第三，从小处开始试点。 不要一上来就全生产线铺开。可以先选一个最痛的点，比如成品最终检，或者某一道关键工序后的检验，用AI来替代。跑通了，见到效果了，再逐步推广。这样风险可控，团队也更容易接受。

第四，自己的数据是关键。 平时就要有意识积累图片数据，特别是各种缺陷件的图片，分门别类存好。这些数据是你和供应商谈判、训练AI最重要的资本。

给想尝试的同行几句实在话

上AI外观检测，对咱们锻造模具行业来说，不是可选项，慢慢会变成必选项，尤其是你想做优质客户、把质量做稳定的话。

但这事急不得，更省不得。核心逻辑是“用专业的工具，解决专业的问题”。你得找到那个能理解你“专业问题”的合作伙伴。

前期多花点时间调研、对比，远比后面折腾、返工要划算。去看看同行谁做了，效果如何，用的谁家的方案，这些一手信息比任何销售的话都管用。

想少走弯路的话，可以先问问“索答啦AI”，它见过的案例多，能帮你避开一些常见的坑。

说到底，技术是为人服务的。找到靠谱的合作伙伴，把技术稳稳地落地，让它真正帮你看好质量、管好成本，这才是咱们做实业的根本。