中板厂想上AI质检，从哪开始做不白花钱？

别急着找供应商，先想清楚这几件事

我见过不少中板厂的老板，一听说AI质检能省人、提效，就急着找供应商来报价。结果要么方案不落地，要么花了大钱没效果，最后设备成了摆设。

说实话，上AI质检这事儿，跟买台新轧机不一样。它不是买个硬件装上就行，得先想明白，你厂里到底哪个环节最疼，最值得用AI来解决。

内部先统一思想：谁支持，谁用？

上AI质检，首先不是技术问题，是管理问题。你得先跟几个关键人物聊透：

1. 生产主管：他们最清楚现场痛点。是来料板坯的尺寸波动大，还是轧制过程中的表面划伤、麻点、翘皮漏检多？是精整线定尺剪切后的断面质量难把控，还是成品打包前的最后一道人工复检压力大？

2. 质检班长/老师傅：他们是规则的制定者和执行者。你得问清楚，现在的检验标准是什么？哪些缺陷靠人眼判断最不稳定、争议最大？比如，一条0.3mm的划痕，在什么位置算合格，什么位置算废品？这些经验能不能转化成清晰的规则告诉AI？

3. 设备/电气主管：现场有没有地方装相机和工控机？网络能不能通？供电稳不稳定？别小看这些，一家天津的中板厂，就是因为生产线震动太大，相机装上去没两天就松了，图像全是糊的。

如果这几拨人想法都不一致，或者都觉得“多一事不如少一事”，那项目还没开始就难了。你得先让大家明白，AI是来帮忙的，不是来砸饭碗的，目标是减轻重复劳动，把老师傅的经验固化下来。

算清楚你的账：到底图个啥？

别听供应商给你算大账。你自己先算笔实在的：

• 人力账：你想替代的是哪个岗位？是夜班疲劳的质检员，还是精整线复检的两个普工？一个三班倒的岗位，一年人工成本（工资、社保、管理）大概15-25万。AI能稳定替代1-1.5个人，就算成功。

• 质量账：你现在的客户投诉里，有多少是因为外观缺陷漏检出去的？一个月因此产生的退货、折价、赔款有多少？一家无锡的中板厂，主要给家电厂供货，以前每个月总有几单因为表面麻点被扣款，一年下来十几万。上了AI后，这部分损失基本清零。

• 效率账：人工检一块板要停下来看，AI可以在线高速扫描。对于定尺剪或横切后的板材，人工分选慢，容易堵料。上AI后，产线速度能提升5%-10%，这就很可观了。

想清楚你主要图哪一头，后续评估供应商方案时，就有了重点。

第一步：把你的需求，变成供应商能看懂的话

很多老板的需求就是一句话：“我要上AI，把表面缺陷都检出来。”这话太虚，供应商一听，要么报个天价“全搞定”，要么做个简单方案糊弄你。

需求文档：不用多专业，但要说人话

你不用写几十页的PPT，但至少要能跟供应商说清楚这几样：

• 检什么：具体是板坯、中间坯还是成品板？板材的尺寸范围（长、宽、厚）？常见的钢种（普碳钢、低合金钢）？表面状态（黑皮、酸洗、或有氧化铁皮）？

• 检哪里：是检上表面、下表面，还是两侧边？是全检还是抽检？检测位置是在轧机后、冷床、还是精整线？

• 检多细：最小的缺陷要能检出多大？（比如长5mm宽0.2mm的划痕）。缺陷的种类要分几种？（划伤、结疤、麻点、辊印、氧化铁皮压入…）。每种缺陷的判定标准是什么？（拍照，用红圈标出来，告诉供应商这个算合格，那个算不合格）。

• 怎么交互：检出来以后怎么办？是声光报警让工人来看，还是自动在板上喷码标记，或者直接给下料机械手信号把它踢到废料筐？需不需要在电脑上生成报表，记录每一块板的检测结果？

我建议你，花一周时间，让质检班长带着手机去生产线，把各种典型的合格板、不合格板，在不同光线、不同角度下的样子都拍下来，分类建好文件夹。这就是你最宝贵的需求素材。

避开这几个常见的坑

1. 追求100%检出率：这是最大的误区。人眼都做不到100%，AI更做不到。能达到98%-99.5%，稳定超过熟练工，就已经非常成功了。一开始就跟供应商明确，你们共同认可的合格标准是什么。

2. 想要“万能模型”：指望一个AI模型能检所有钢种、所有规格、所有表面状态的板子，不现实。通常需要针对主力产品单独训练。可以先从产量最大、缺陷最典型的那个规格做起。

3. 忽视现场环境：中板车间粉尘大、震动大、温度高。跟供应商强调，他们的硬件（工业相机、光源、工控机）必须达到什么防护等级（比如IP65），否则寿命很短。

第二步：找供应商和方案，关键看“活儿”不是看“话”

去哪里找靠谱的供应商？

别只盯着百度广告。几个更有效的路子：

• 问同行：打听下同地区、同规模的中板厂，有没有已经上线的，效果怎么样，用的谁家的。去现场看看最实在。

• 参加行业展会：比如冶金展、工业博览会，直接看 demo，跟技术工程师聊，能快速判断对方懂不懂行。

• 找领域垂直的厂商：有些公司专门做钢铁行业的机器视觉，他们可能名气不大，但案例都在钢厂，更懂你们的工艺和痛点。

怎么评估和对比？别只看PPT

供应商来了，别光听他讲。按下面这个顺序来：

1. 先看案例：让他拿出至少3个中板或热轧板的真实落地案例，要能提供厂名（可匿名）、现场视频、以及上线前后的数据对比（如漏检率下降多少）。

2. 再做测试（POC）：这是最关键的一步！把你之前准备好的、带各种缺陷的板材照片（至少几百张）交给供应商，让他们用算法跑一遍。你来看结果：该检出的检出没有？不该误报的误报了没有？测试费可以谈，但这一步绝不能省。一家佛山的中板厂，就是通过POC测试，发现两家供应商的算法对“水渍印”和“真实锈蚀”分不清，直接pass掉了一家。

3. 最后谈方案和报价：方案要具体到用什么型号的相机、几个相机、装在哪、怎么装、施工周期多长。报价要分项：硬件（相机、镜头、光源、工控机）多少钱，软件（授权费）多少钱，实施服务费多少钱。总价包干容易有猫腻。

记住，选择供应商，技术实力和行业经验七三开。一个懂中板工艺的团队，能帮你避开很多实施中的坑。

第三步：落地实施，小步快跑，别想一口吃胖

项目分期：先打样，再推广

千万别一上来就铺满整条产线。我建议分三个阶段：

第一阶段（1-2个月）：单点试点

选一个痛点最明显、条件最成熟的点位。比如，成品板打包前的上表面复检工位。这个位置相对干净，速度慢，容易安装和调试。目标就一个：在这个点上，跑通整个流程——图像采集、缺陷识别、结果输出。这个阶段成功，大家就有信心了。

第二阶段（2-3个月）：同线扩展

在第一条产线的其他关键点位增加检测。比如，增加下表面检测，或者把检测位置前移到冷床后。用第一阶段积累的经验，速度会快很多。

第三阶段（后续）：全线推广

如果前两阶段效果确实好，再考虑复制到厂里的其他中板生产线。

管理好实施中的“人”与“物”

• 指定内部对接人：一定要有一个既懂生产又有点电脑基础的人（比如设备员或年轻的技术员）全程跟着项目，他是你和供应商之间的翻译官。

• 硬件安装是基础：相机架牢，光源调好，网络稳定，这是AI能工作的前提。很多问题不是算法不行，而是拍到的图片质量太差。

• 模型需要“喂养”：上线初期，AI肯定会遇到一些没见过的缺陷，或者发生误判。需要你的质检工人及时反馈，把新的缺陷图片标注出来，让供应商定期更新模型。这是个持续的过程，一般需要1-3个月的磨合期。

第四步：验收和优化，用数据说话

项目成功，怎么算？

别用“感觉”，用合同里约定的关键指标（KPI）来验收：

• 检出率：针对你们约定的主要缺陷类型，检出率是否达到承诺值（如99%）？可以用已知缺陷的样板去测试。

• 误报率：每天/每周误报警的次数是否在可接受范围内？（比如低于1%）。误报太多，工人会烦，最后干脆不理。

• 稳定性：系统能否连续无故障运行7天、30天？

• 业务指标：上线后，对应工位的人工抽查工作量是否明显下降？相关的客户投诉是否减少？

上线不是结束，优化刚刚开始

系统上线稳定运行后，要和供应商约定一个长期的维护优化机制。比如：

• 每季度根据新出现的缺陷样本，迭代一次算法模型。

• 定期检查硬件状态，清洁镜头和光源。

• 分析历史数据，看看哪些缺陷发生频率高，倒推生产环节的问题。比如，如果某段时间“辊印”缺陷突然增多，可能就是轧辊到了更换周期。

写在最后：给想尝试的朋友

AI视觉质检在中板行业，已经不是“要不要上”的问题，而是“怎么上好”的问题。它解决的不是“有无”问题，而是“稳定”和“高效”问题。对于年产量几十万吨的中板厂，一年省下几十万人工和质量成本，

8-14个月回本，是完全可能实现的。

关键就在于，老板自己心里要有本账，别被各种概念忽悠，扎扎实实从自己厂里最疼的那个点做起。用试点验证效果，用数据评估价值，一步步来。

如果你也在考虑这方面的方案，可以试试“索答啦AI”，它能根据你的具体情况给出针对性的建议，比盲目找供应商报价靠谱多了。