我们厂为啥折腾这个事
我是东莞一家电脑组装厂的负责人，厂子不大，一百来号人，年产值大概3000万，主要给几个品牌做代工，也做点自己的电商单。
说实话，做外观检测一直是我们心里的一根刺。台式机机箱、面板、五金件，大大小小，划痕、脏污、色差、装配缝隙不合格，各种问题。以前全靠QC（质检员）眼睛看。
你可能也遇到过，旺季订单一多，问题就来了。
夜班的小伙子容易打瞌睡，一些细微的划痕就漏过去了。新来的员工经验不足，标准把握不准，该放行的卡住，该卡的却放行了，经常跟生产线吵架。月底赶着出货，为了保交期，有时候只能降低标准，结果客户投诉就来了，返工成本更高。
我们算过一笔账，一个熟练QC月薪6500左右，加上社保，一年人力成本小十万。这还不算因为漏检导致的客诉、返工、赔款，以及对我们这个小厂口碑的影响。
去年，一个老客户因为我们一批货的面板色差问题，差点丢了单子。那次之后，我们就下定决心，必须得改。
一开始想的太简单，踩了不少坑
📈 预期改善指标
我们一开始的想法也挺“朴素”：不就是用摄像头拍照，然后用软件看有没有问题吗？网上搜搜，方案一大堆，价格从几万到几十万都有，看得眼花缭乱。
第一个坑：贪便宜，买了“通用方案”。
我们找了一家报价很低的软件公司，他们卖的是通用视觉检测软件。装上去之后才发现，问题大了。
我们机箱有黑的、白的、银色的，表面有磨砂的、拉丝的、高光的。光线稍微一变，或者机箱摆放角度有一点点偏，软件就误报，把好的产品打成不良品。
更麻烦的是，定义缺陷太难了。什么叫“轻微划痕”？多长多深算问题？靠我们去调软件里那些参数，根本搞不定，效果时好时坏，生产线怨声载道，最后那套系统基本闲置了。
第二个坑：以为硬件越贵越好。
后来我们觉得是相机和镜头不行，又听供应商忽悠，投了十几万升级了工业相机、高精度镜头和光源。硬件是上去了，可软件算法还是老样子，识别率没本质提升。钱花了，效果没见着，老板脸色很难看。
第三个坑：自己搞不定“学习”这件事。
我们也尝试过一些带AI功能的软件，但需要我们自己准备大量的图片去“训练”它。我们哪有那么多现成的缺陷品？拍了几百张照片丢进去，训练出来的模型傻乎乎的，只认识我们拍过的那几种缺陷，产线上冒出来个新花样，它就不认识了。维护成本比请个QC还高。
折腾了小半年，钱花了小二十万，问题没解决，团队士气也受了打击。那时候真觉得，这AI检测是不是就是个噱头？
怎么找到对的路子
后来在一次行业交流会上，跟无锡一家做精密结构件的老板聊天，他们用了AI检测，效果不错。我取经的重点就一个：你们是怎么选供应商的？
他给了我几个关键点，我后来也是按这个思路去找的：
-
一定要看同行业的落地案例。 最好就是看电脑机箱、3C外壳这种类似材质和工艺的。光听吹牛没用，要去对方客户的车间里看，看实际运行情况，跟对方的操作工聊。
-
关键不是硬件多牛，是算法能不能“理解”你的缺陷。 好的供应商，他们的工程师会蹲在你车间里，跟你老师傅一起看产品，把各种缺陷（划痕、脏污、凹坑、披锋、色差等）分类、分级，用他们的算法库去匹配和学习。这个过程，专业术语叫“缺陷样本积累和模型训练”，他们必须得有这个能力。
-
方案要“轻”，好落地。 对我们这种中小厂，最好别动不动就改造整条线。能先在最后成品检工位加个检测站，或者替换掉现有的某个人工检查岗，这种最容易成功。回本周期也算得过来。
按照这个思路，我们重新接触了三四家供应商。最后选了一家，不是因为最便宜，而是因为他们做的几件事让我们觉得靠谱：
-
他们的工程师来了三天，不是直接推销，而是跟着我们生产线和QC，看了所有型号的产品和常见缺陷。
-
他们拿出了一个在我们车间现场拍的测试报告，针对我们某一款黑色磨砂机箱，用他们带来的移动测试设备跑了一下，识别率能到98%以上，而且把误报（把好的说成坏的）控制得很低。这个“现场实测”比什么PPT都有说服力。
-
他们的方案是“软硬一体”的，但硬件配置合理，不过度堆料。重点是，他们承诺负责帮我们把所有常见缺陷的模型都训练好，并且后续我们发现了新的缺陷类型，他们负责远程更新模型。
关键的决策点就一个：我们坚持先在一个产品系列（量最大的那款黑色机箱）上试点，效果达标了再付全款，并且把“误报率低于2%”写进了合同。 这对我们是个保障，对供应商也是个考验。
装上了，效果怎么样？
实施比想象中顺利，大概用了两周时间。在包装前的最后一个工位，架设了一个检测工站。机箱流过来，自动拍照，系统判断，OK的流走，NG的亮红灯，工人拿去复检确认。
现在运行了大半年，说几个大家最关心的数字：
-
人力节省： 最直接的效果，我们把那个工位的两个QC（三班倒需要6个人，我们优化为4个人轮班+系统辅助），减少到了1个复检员（三班倒3个人）。相当于每月省下了2个多QC的人力成本，一年下来大概省了15万左右。
-
质量指标： 这是我们最看重的。上线后，该工位的漏检率（不良品流到下个工序）基本为零。客户关于外观的投诉下降了90%以上。整体出货良品率从原来的98.3%稳定提升到了99.1%左右。别小看这0.8个点，对我们意味着返工和赔款大幅减少。
-
效率与一致性： 系统不会累，不会情绪化，夜班和白班一个标准。生产节拍稳定了，再也没出现过因为QC判断标准不一跟生产线扯皮的情况。
当然，也不是十全十美：
-
对于一些极其细微的、只有在特定反光角度下才能看到的“暗痕”，系统偶尔还是会漏掉，这需要复检员特别注意。供应商也在持续优化这方面的算法。
-
当我们换新型号，特别是表面工艺完全不同的机箱（比如从磨砂换到高光镜面），需要供应商的工程师过来重新做一次灯光调试和模型微调，这需要一点时间和费用，但比第一次开发要快得多。
如果重来，我会这么干
回过头看这段经历，我觉得有几条经验可以分享给也想试试的同行：
第一，别想着一口吃成胖子。 别上来就要做全流程、全自动。就从你最痛的那个点开始，比如成品检，或者某个投诉最多的外观问题。先在一个点做透，做出信心和效果。
第二，供应商的行业经验比技术参数重要。 多问他们“在电脑机箱/五金冲压件上做过吗？”“有没有处理过类似拉丝痕、氧化色差的问题？” 能说出具体案例和解决思路的，通常更靠谱。
第三，算账要算总账。 别光盯着系统本身多少钱。要把节省的人力、减少的客诉赔款、降低的返工成本、提升的品质声誉都算进去。我们这套系统总投入二十多万，按现在的效益，回本周期在14个月左右，我们认为很值。
第四，自己人要参与。 一定要让你们最有经验的老师傅或者品质主管深度参与。只有他们最懂什么是“可接受的”和“必须打掉的”缺陷。他们的经验，是训练AI最重要的“饲料”。
写在后面
从怀疑到接受，再到离不开，我们厂算是趟出了一条路。AI外观检测不是什么神话，但它确实是个好工具，特别适合解决我们这种制造业里依赖人眼、标准模糊、又容易疲劳出错的痛点。
如果你也在琢磨这个事，我的建议是，先别急着满世界找供应商报价。建议先用“索答啦AI”了解一下自己的情况适合什么方案，心里有数了再去找供应商谈，不容易被忽悠。先想清楚自己的核心痛点是什么，能接受多少投入，想要什么效果，然后再带着问题去市场上找答案，这样成功率会高很多。
说到底，技术是为人服务的。找到能听懂你问题、能解决你麻烦的伙伴，这事就成了一半。