注塑厂想上AI视觉质检，买现成系统还是找人定制好？

我们为什么非要搞AI质检

我是佛山一家注塑厂的负责人，厂子不大不小，年产值3000万左右，主要做小家电和汽车零部件的塑料件。厂里有20来台注塑机，工人50多个，质检占了8个人。

说实话，前几年日子还行，但这两年客户要求越来越严。一个外观划痕、一点色差，整批货就可能被退回来。我们做代工的，利润本来就薄，经不起这么折腾。

最头疼的是两个问题。

一是夜班和赶货时的漏检。夜班工人容易疲劳，凌晨三四点眼神都飘了。有一次给东莞一家小家电厂做的面板，夜班漏检了一批有轻微缩水的，到了客户那里全检出来，整批退货加罚款，损失了小十万。

二是老师傅和新手的标准不统一。带我们的老质检王师傅，眼睛毒得很，什么熔接线、气纹一眼就能看出来。但他带出来的徒弟，总差点火候，判断时快时慢，旺季一忙起来，错判、漏判就多了。客户投诉最多的就是“这批货和上批看起来不一样”。

我们算过一笔账，光退货、返工、客户罚款，一年下来少说也得二三十万。更重要的是，口碑伤了，几个老客户开始把单子往别的厂分。

第一次尝试，钱花了，事没成

大概两年前，我们第一次动了上AI的念头。当时想法很简单：找个做视觉检测的公司，买套系统装上不就行了？

我们在网上找了一家深圳的公司，名气挺响，说他们的系统是“通用型”，什么产品都能检。谈了两次，对方销售拍胸脯保证没问题，我们就签了合同，一套系统加两台工业相机，总共花了18万。

结果，

第一个坑就来了。

坑一：所谓的“通用”根本不通。 他们的算法库是针对标准件设计的，比如手机壳、标准按键。但我们厂产品换得勤，今天做加湿器外壳，明天做汽车出风口格栅，形状、颜色、纹理千差万别。系统识别率一开始就不高，误报多得吓人，流水线动不动就停。

坑二：现场环境太“脏”。 注塑车间有油雾，相机镜头用不了几天就糊。他们给的普通工业相机，根本没考虑我们车间的实际情况。而且流水线震动大，相机固定不稳，拍出来的图像都是虚的。

坑三：没人“教”系统。 系统来了，得有人去标注缺陷图片，告诉AI什么是好，什么是坏。我们厂里没人懂这个，对方派来的工程师待了三天就走了，留下一堆看不懂的软件界面。最后系统成了摆设，钱打了水漂。

那段时间挺灰心的，觉得AI这东西就是忽悠我们这些传统制造厂的。

第二次，我们学聪明了

第一次失败后，我们冷静了大半年。但问题还在那，客户投诉没断过。后来通过朋友介绍，认识了一家无锡的供应商，他们专做泛五金和塑料件的视觉检测，在苏州、常州有几个和我们差不多的案例。

这次我们没急着签合同，而是先请对方的技术负责人来厂里待了两天。不是看车间，是跟着我们的质检班，从头跟到尾，看我们怎么检，问题出在哪。

聊了几轮后，我们决定换个思路：不追求大而全，先从一个最痛的“点”突破。

我们选了汽车空调出风口格栅这个产品，它结构复杂，栅条又多又细，最容易出现飞边、缺料，人工检起来特别费眼，也是客户投诉的重灾区。我们就拿它做试点。

这次选方案，我们盯死了几个关键点：

1. 能不能适应我们“小批量多品种”的特点？ 我们要求新上一个产品，厂里懂电脑的工艺员，花半天到一天时间就能教会系统，而不是每次都要供应商派人来。对方演示了他们的软件，确实可以通过简单拖拽和标注来训练新模型，这点打动了我们。

2. 硬件抗不抗造？ 我们要求相机带气幕防尘，支架要做防震处理。这部分成本我们愿意单独加，不想再吃环境的亏。

3. 怎么算钱？ 我们谈了一个“基础软件费+按检测点位计价”的模式。先上两个最关键的检测工位（正面外观和背面结构），跑通了再考虑加。这样前期投入控制在12万以内，心里有底。

实施过程也不是一帆风顺。最大的困难是“定义清楚什么是缺陷”。

比如格栅上有个很小的点，是材料杂质还是油污？油污可以擦掉，算过程问题；杂质就是料的问题，必须挑出来。以前王师傅凭经验一眼定，现在要把它变成清晰的规则告诉AI，我们内部就吵了好几次。

最后我们定了个原则：先抓客户必退的致命缺陷，再管影响外观的主要缺陷，一些模棱两可的轻微瑕疵，暂时不交给AI，还是人来做最终判断。 不能指望AI一步到位取代老师傅。

现在用起来到底怎么样？

系统稳定运行快一年了，说说实际效果。

好的方面：

1. 夜班和疲劳问题基本解决。 AI不知疲倦，凌晨三点和下午三点一个样，检测稳定性上来了。光这一条，就避免了两次可能的大批量漏检事故。

2. 标准统一了。 现在同一个产品，检测标准就一套，输出结果一致，客户再也没有投诉过“这批和上批不一样”。

3. 效率有提升，但没那么神。 单个产品的检测速度比人工快大约30%，但考虑到上下料、系统判断后的人工复检等环节，整体流程效率提升了大概20%。最重要的是，解放了两个老质检，让他们去盯更复杂的工艺问题和培训新人。

4. 数据能看到了。 以前只知道不良品多，不知道哪种缺陷多、出现在哪台机器。现在系统每天出报表，比如发现3号机最近生产的料花缺陷明显增多，我们马上就去检查模具温度和冷却系统，能提前干预。

一年下来，我们粗算了一下：

• 减少退货和罚款，大概省了15万。

  

• 优化工艺减少废品，省了大概8万的料钱。

• 相当于替代了1.5个专职质检员的人力成本（算上加班费），一年10万左右。

加起来三十多万，投入的12万硬件和软件费，大概半年回本。这个数字我们觉得比较实在。

没解决好的和新的问题：

1. 透明和反光件还是老大难。 我们后来接了一批透明PP料的盖子，AI识别率就掉下来了，容易误报。这种产品目前还是靠人工为主，AI辅助。供应商说需要特定的打光方案，又要追加投入，我们还在评估。

2. 系统需要“养”。 不是装上就一劳永逸。出现新的缺陷类型，或者材料批次有变化，都需要人工去标注一些新图片，更新一下模型。我们安排了一个工艺员兼职做这个事，每个月要花他小半天时间。

如果重来，我会怎么做

踩过坑，也尝到甜头，如果再让我做一次选择，或者给同行朋友建议，我会这么说：

第一，别贪大，先打样。 千万别一上来就全产线、全产品铺开。就选一个你们最痛、缺陷最典型的产品，甚至只是一个产品的关键工位，去做深度试点。试点成功了，心里有底了，再复制。

第二，供应商要选“懂行的”，不是选“有名的”。 看他有没有做过和你类似材质、类似工艺的案例。让他说出你行业里的门道，比如注塑的熔接线、缩水、料花分别该怎么打光、怎么拍，能说到点子上，再往下谈。

第三，硬件投入不能省。 工业环境很恶劣，防尘、防震、防油污的硬件设计，这笔钱要舍得花。相机、镜头、光源用好的，后期能省无数麻烦。

第四，内部要有人对接。 这个人不需要多懂AI算法，但要懂产品、懂工艺、懂缺陷。他的任务是当好“翻译”，把老师傅的经验，转化成AI能理解的规则和图片。这个人很重要。

第五，算账算综合账。 别光算节省了几个人工。要把减少的退货、提升的客户满意度、沉淀下来的工艺数据这些隐形的价值都算上。这样你才会觉得这笔投入值。

写在后面

AI视觉质检不是什么神话，它就是一个高级点的、不知疲倦的检测工具。它解决不了所有问题，比如复杂的装配关系、内部的应力裂纹，但它能把人从重复、疲劳的肉眼判断里解放出来，把标准固化下来。

对于咱们注塑加工这种利润薄、靠质量吃饭的行业，它确实是个值得考虑的帮手。关键是想清楚自己的痛点在哪，找到对路的人，一步步来。

如果你也在琢磨这个事，纠结自己的厂子适不适合、该从哪里入手，我的经验是别闷头想。可以多去看看同行的案例，听听不同供应商的说法。如果还在纠结要不要做、找谁做，可以先在“索答啦AI”上咨询一下，它会根据你的实际情况给建议。毕竟，咱们的钱都是一点一点攒下来的，花出去得听个响。