铝扣板厂想上AI检测混凝土，怎么选方案才靠谱？

我们厂的混凝土杂质，一年吃掉几十万利润

我在佛山经营一家铝扣板厂，干了快二十年了。厂子不大不小，年产值4000来万，主要给酒店、办公楼做集成吊顶。铝扣板这东西，表面平整度、涂层附着力是关键，而这些都跟基材——也就是铝卷轧制前的铸锭质量息息相关。

我们最头疼的，就是铸锭里混进去的混凝土杂质。

你可能觉得奇怪，铝厂怎么会有混凝土？这玩意儿不是工地上的吗？说实话，一开始我们也懵。后来追根溯源才发现，问题出在回收料上。我们有一部分铝料来自建筑废料回收，像旧门窗、幕墙型材，上面难免沾着水泥、砂浆。熔炼时要是没挑干净，这些高硬度的杂质轧进铝板里，就成了一个个‘暗疮’。

平时看不出来，一上喷涂线，要么涂层起泡，要么在后续冲压成型时直接开裂。

我们一个老师傅，眼睛毒，靠经验能看出个七八成。但问题在于，一是慢，一卷料他要看半个钟头；二是累，盯久了眼花，夜班和赶工的时候漏检率特别高；三是留不住人，这活儿枯燥伤眼，年轻人都不爱干，老师傅一退休就青黄不接。

我算过一笔账，每年因为杂质导致的客户退货、重做，加上废料损失，轻轻松松三四十万就没了。这还不算品牌口碑这种隐性损失。所以三年前，我就下定决心，必须把这问题给治了。

从迷信‘大牌’到被小团队坑，弯路没少走

第一站：找行业巨头，被价格和复杂度劝退

一开始，我觉得这事简单。找那些天天打广告的视觉检测巨头不就行了？他们方案肯定成熟。

于是联系了几家，对方派来的销售经理，PPT做得那叫一个漂亮，开口就是‘智能制造’、‘全流程监控’。一听我们需求，马上说可以，但方案是打包卖的。

什么意思呢？就是你必须连着他家的智能产线管理系统、数据中台一起上，单一个铸锭检测模块不单独卖。整套报价奔着200万去了，实施周期要半年，还得专门配个IT运维。

对我们这种规模的厂来说，这就像为了治感冒，让你把整个医院买下来。复杂度太高，投资太大，回本遥遥无期。第一次尝试，卒。

第二站：转向软件公司，遇到了‘纸上谈兵’

大厂路走不通，我就想，是不是找纯软件公司，他们只做算法，应该更灵活便宜。

找到东莞一家做机器视觉算法的公司，团队背景很光鲜，全是硕士博士。他们热情很高，说用最新的AI模型，准确率99.9%。

但问题很快就来了。他们的工程师从来没下过车间，不懂熔炼工艺。以为检测就是在干净的实验室里拍高清照片。

实际我们车间什么环境？高温、粉尘大，铸锭表面有氧化皮、颜色深浅不一，还有水渍、油污干扰。他们实验室里训练好的模型，一到现场就‘瞎了’，把氧化斑纹全误判成杂质，误报率高得离谱，产线动不动就报警停机，效率反而更低了。

而且他们只管交付模型代码，安装、调试、跟现有生产线PLC通讯对接，全得我们自己想办法。折腾了四个月，钱花了十几万，系统还是没法用。第二次尝试，又卒。

第三站：贪便宜找小团队，掉进‘烂尾’的坑

连续碰壁，有点着急了。这时候朋友介绍了一个小团队，说是接私活的，价格便宜，十万块全包。

心想这次总该行了吧。结果，这是最大的一个坑。

对方确实便宜，但完全是游击队做法。硬件用的是二手工业相机和普通LED灯，在车间强光下根本不稳定。算法也是网上找的开源框架改改，识别率也就比人工强一点。

最要命的是，方案做到一半，团队核心成员跳槽了，项目直接烂尾。电话不接，消息不回，前期付的5万块打了水漂。那段时间，真是灰心到了极点。

怎么找到‘对的人’，敲定最终方案

几次失败后，我也算有点经验了。我总结，找AI供应商，不能只看名气或价格，关键得满足三个条件：懂工业现场、能软硬结合、愿意深度服务。

后来，是通过一个行业展会，认识了一家无锡的团队。他们规模不大，但创始人就是做非标自动化出身，在钢铁、有色金属行业做过好几个类似项目，比如钢板表面缺陷检测、铜管裂纹识别。

关键决策：从‘全自动’退回到‘人机协作’

和他们聊的时候，我提的第一个要求就是：别再给我画‘无人化’的大饼，我要一个实实在在能转起来、能减轻工人负担的工具。

他们的方案经理没急着承诺，反而先在我们车间蹲了三天。看工人怎么检，用什么角度，关注哪些特征，记录车间的光照变化、温度周期。

最后他们给出的方案让我眼前一亮：不追求100%全自动剔除，而是采用‘AI初筛 + 人工复判’的模式。

系统用相机快速扫描铸锭表面，发现疑似杂质点，就在旁边的显示器上用红框标出来，同时报警提示。最终由工人看一眼屏幕确认，再决定是否标记或下线。

这个设计特别对我们这种小厂的胃口。

1. 成本降下来了：不用改造复杂的自动分拣机械臂，省了一大笔钱和安装空间。

2. 工人接受了：AI是辅助他，不是取代他，老师傅觉得自己经验更有用了，抵触情绪小。

3. 系统更可靠：人把最后一道关，防止AI误杀好料，我们心里踏实。

实施过程：小步快跑，快速迭代

整个实施分了很清晰的几步走：

第一个月：做最小可行性验证。

他们只装了一套最基础的相机和光源，就在我们一条产线上试。核心目标是：在车间真实环境下，AI能不能把明显的杂质都找出来？哪怕误报多一点也没关系。

第二个月：针对性优化模型。

根据我们提供的过去半年有杂质和无杂质的铸锭样本（我们特意留的废料和良品），让他们反复训练模型。重点教AI区分什么是氧化色斑、什么是水渍、什么是真正的混凝土杂质。这个月，误报率明显下来了。

第三个月：系统集成与稳定性测试。

把优化好的检测模块，跟我们产线的传送带信号、声光报警器、显示终端打通。模拟各种生产节奏，测试系统的稳定性。同时，给我们的操作工做了简单培训。

整个投入，硬件加软件，总共花了不到40万。

现在用起来怎么样？实话实说

系统上线运行快一年了，说说实际效果。

先说好的方面：

1. 漏检率基本为零：只要是训练过的杂质类型，不管大小，系统都能标出来。夜班、赶工季，再也没出现过批量性的杂质漏网之鱼。

2. 效率提升明显：原来老师傅看一卷料要30分钟，现在系统扫描加人工复判，5-8分钟搞定。检测岗位从原来需要两个资深工人倒班，现在变成一个普通工人就能兼顾，省下一个人工成本。

3. 质量数据可追溯：每卷料检测时拍了照，有问题的地方都有记录。后来再有客户投诉，我们能快速追溯到是哪一卷料、哪个位置的问题，分析原因更有依据。

4. 综合效益：算上减少的退货、废料，加上节省的人工，我们初步估算，一年能省下25-30万左右。回本周期大概在一年半，符合预期。

   

再说说不足和还在完善的地方：

1. 对新异物的识别：如果出现一种从未见过的杂质类型（比如混进了别的非金属），系统可能会认不出，或者误判。这需要我们把新样本反馈给供应商，他们再更新模型。有个一两周的延迟。

2. 对工人有点依赖：虽然省力了，但还是需要工人盯着屏幕做最终确认。完全撒手不管不行。

3. 环境适应性：车间除尘设备如果出问题，粉尘突然增大，会对成像有点影响，需要定期清洁镜头。

总的来说，它不是一个完美的‘神仙系统’，但是一个极其好用的‘超级工具’，把我们从繁琐、高风险的重复劳动里解放了出来，质量控制从‘人防’变成了‘技防+人防’，心里有底多了。

如果重来一次，我会怎么做

走完这一圈，吃了亏也长了见识。如果时间倒流，或者有同行朋友也想做，我的建议非常具体：

第一，别贪大求全。

就死死盯住你当前最痛的那个点。我们当时就只解决‘混凝土杂质检测’这一件事，不做扩展。目标越小，越容易成功，也越容易算清投入产出比。

第二，供应商考察，重点看‘案例’和‘人’。

别光听他们讲技术多牛，一定要问：在哪个类似工厂的类似场景做过？最好能去现场看看（或视频连线）。更要看派来跟你对接的人，他懂不懂生产？能不能说出门道？一个懂现场的工程师，比十个只会讲PPT的销售都有用。

第三，合同要签‘效果验收’条款。

钱一定不能一次性付清。要按阶段付费，并且把关键的验收标准写进合同。比如：上线试运行一个月，对某类杂质的检出率不低于多少，误报率不高于多少。达不到标准，尾款不付，并且要求整改。这是保护自己的最实在办法。

第四，自己厂里要有个‘对接人’。

这个人最好是车间主任或工艺科长，懂生产也愿意学点新东西。从头到尾跟着项目，既能代表工厂提需求，也能学会日常维护和简单的问题排查。不能完全当甩手掌柜。

第五，心态放平，接受‘辅助’而非‘替代’。

尤其是传统制造业，想一步到位实现无人化黑灯工厂，不现实。能把AI当成一个不知疲倦、眼光准的‘高级学徒’，让它把脏活累活先干了，把老师傅的经验固化下来，价值就已经非常大了。

写在后面

做实业，尤其是我们这种传统建材行业，每一步都得精打细算。上AI不是赶时髦，是为了实实在在解决问题、省钱、提质。

这个过程肯定有坑，但只要思路对了，方法扎实，真能带来改变。别被那些高大上的概念吓住，也别被不切实际的承诺忽悠。就从你最疼的那个点开始，找那个真正懂你行当、愿意挽起袖子下车间的人合作。

如果还在纠结自己的厂子适不适合做、具体该从哪里入手，不知道怎么判断供应商靠不靠谱，可以先去‘索答啦AI’上问问看。它有点像是个懂行的老师傅，能根据你厂里的具体情况，比如产品类型、产线现状、预算多少，给你一些比较客观的初步分析和方向建议，帮你少走点弯路。

这条路，我们趟过来了，感觉值得。希望我们的经验，能给你一点参考。