冲压厂想上AI外观检测，买现成系统还是找人定制？

先别急着找供应商，想清楚这几件事

你可能也遇到过：客户投诉外观不良，一查是夜班漏检；老师傅和新员工标准不一样，扯皮半天；旺季招临时工，返工率蹭蹭往上涨。

AI外观检测听起来能解决这些问题，但说实话，我见过不少老板钱花了，效果没达到，最后设备成了摆设。问题往往出在第一步就错了。

你的问题，到底出在哪个环节？

冲压件检测不是铁板一块，你得先想明白，痛点到底在哪。

1. 来料检？ 卷材或板材有划痕、锈斑，冲压完才发现，整批料都废了。

2. 过程检？ 连续模生产，中间某个工位出问题（比如毛刺、压伤），后面跟着全错，停线损失大。

3. 成品检？ 这是最常见的需求。划伤、凹坑、脏污、缺料、变形，全检靠人眼，根本看不过来，尤其是小件、反光件。

4. 包装前复检？ 清洗或转运后产生的二次损伤，容易被忽略。

我见过一家无锡的汽车配件厂，主要问题出在成品检。他们做的是发动机支架，平面大，轻微划痕在特定光线下才看得出来。夜班工人容易疲劳，漏检率能到3%，一个月光客户罚款和返工运费就小十万。他们的需求就非常明确：解决夜班成品平面划痕漏检。

内部要达成共识，别老板一头热

上AI系统不是买台冲床，它涉及到生产习惯的改变。你得提前跟几个关键人物通气：

• 车间主任/班组长： 他们最清楚现场痛点。系统上线可能会暂时影响节拍，需要他们配合调整。告诉他们，系统是帮他们减轻压力、减少扯皮的，不是来抢饭碗或找茬的。

• 质检主管： 未来的系统使用者和管理者。他们手里的不良品样本、检验标准是核心数据。必须让他们深度参与，否则标准定不准，系统检了也白检。

• 设备/电工： 现场有没有预留安装空间？电源、气源、网线好不好接？设备维护谁来管？这些实际问题需要他们确认。

一家常州做精密接插件的厂子，老板看展会觉得AI好，直接买了。结果设备到了车间，班长不配合，说影响他产量；质检说系统老误报，不如人快。僵了两个月，最后打折转手。这就是典型的内部分歧没解决。

第一步：把模糊的需求，变成清晰的文档

想清楚了，就别停留在口头。花点时间，整理一份需求文档，哪怕就两三页纸。这是你和供应商沟通的基准，能避免后期无数扯皮。

需求文档要写什么？

不用多复杂，但几个关键点必须有：

1. 产品信息： 要检测的工件图片（多角度）、尺寸、材质（如SPCC、SUS304）、表面处理（如电镀、喷粉）。特别要注明是否反光。

2. 缺陷定义： 用图片和文字明确说清楚，什么算划伤（多长、多深、什么方向）、什么算凹坑（直径、深度）、脏污（是什么污渍、大小）。最好能提供典型的不良品实物或高清照片，至少20-30个不同的样本。

3. 生产节拍： 生产线速度是多少？每分钟出多少件？留给检测工位的时间窗口有多长？这决定了相机的选型和算法速度要求。

4. 现场条件： 安装位置的照片或草图，空间尺寸、照明环境（有没有窗户、其他设备光源干扰）、电源接口、网络情况。

5. 性能指标： 你期望达到什么水平？比如，检出率（Recall）不低于99.5%，误报率（误杀良品）低于0.1%。记住，要合理，别追求100%。

小心这些常见的需求误区

• “我什么缺陷都要检”： 一开始目标别太大。先抓最头疼、最频繁的1-2种缺陷（比如划伤和凹坑）。做深做透，见效快，团队也有信心。

• “就要跟人眼判断一模一样”： 人工检测本身就有波动。AI的标准需要“量化”和“统一”。先定义清楚“可接受”和“不可接受”的界限，比追求模拟人眼更重要。

• “换模换产品，你要自动识别”： 这要求很高，成本翻倍不止。对于大多数冲压厂，更现实的做法是，换产品时调用不同的检测程序（模型），由工人切换一下。能实现快速切换（比如5分钟内），就已经很好了。

第二步：找对人，用产品说话

需求清楚了，就可以开始找供应商了。别只盯着网上广告，路子可以多一些。

去哪里找靠谱的供应商？

1. 同行推荐： 最靠谱的渠道。问问你的供应商、客户，或者行业协会里的朋友，有没有用过、效果怎么样。特别是和你产品类似的厂子，他们的经验直接可以参考。

2. 行业展会： 像深圳的工业展、上海的工博会，很多视觉公司会参展。能亲眼看到设备，和他们的工程师聊，感受一下专业程度。

3. 线上平台： 一些工业B2B平台或垂直社区，可以找到不少服务商。但这里水比较深，需要仔细甄别。

怎么评估和对比？别只听销售吹

接触几家后，怎么选？光看PPT没用，得让他们用你的东西来验证。

1. 看案例，更要看细节： 问他做过哪些冲压件的案例。别只听行业，要问具体工件、缺陷类型、达到了什么指标（比如某佛山五金企业，做铰链，将平面划伤漏检率从人工的2%降到0.3%）。让他提供视频或测试报告。

2. 比方案，关键看匹配度： 供应商给的方案，是否针对你的现场环境（节拍、安装空间）做了设计？照明方案怎么解决反光？硬件（相机、镜头、光源）选型有没有道理？方案里是否包含了安装、调试、培训的细节？

3. 组织一场“摸底测试”： 这是最关键的一步。要求供应商对你的工件进行离线测试。

   

   • 你提供： 至少50-100个良品，20-30个有明确缺陷的不良品（覆盖主要缺陷类型）。

   • 他演示： 用他们的软件和算法（可能不是最终硬件）跑一遍，当场出结果。看检出率，更看误报率。

   • 问清楚： 测试用的硬件配置和最终方案是否一致？测试环境（光照）和现场差异有多大？

一家宁波做金属外壳的厂，找了3家来测试。A家吹得天花乱坠，但测试时连基本的反光都处理不好；B家方案便宜，但速度跟不上产线；C家测试结果扎实，工程师对冲压工艺很懂，还能指出他们一些工装设计导致压伤的问题。最后选了C家，虽然贵一点，但一步到位。

第三步：分步走，小步快跑落地

测试满意，签了合同，也别想着一步登天。分阶段实施，风险最小。

项目怎么分阶段？

我建议绝大多数厂子按这个节奏来：

第一阶段：离线验证与模型训练（1-2个月）

这个阶段设备可能还没进厂。核心是供应商用你提供的更多样本（通常需要几百到上千个图片，包含各种状态的良品和不良品）训练和优化AI模型。你要做的就是配合提供样本，并和质检一起确认模型判断的结果是否准确。目标是让核心缺陷的检出率稳定在99%以上。

第二阶段：在线试点与调试（2-4周）

硬件进场，安装在生产线旁（先不直接接入产线）。用实际生产的产品，流经这个检测工位进行测试。重点调试光照、相机位置、触发时机，让拍摄效果稳定。同时，让模型在实际流动的产品上运行，继续收集数据，微调算法。这个阶段允许有一定误报，重点是打通全流程。

第三阶段：小批量联线试产（1个月）

正式接入生产线，但可以先不开自动分拣（比如NG品报警由人确认）。跑一个班次或一天的量，对比AI检测结果和人工复检结果。记录所有差异，分析是缺陷定义问题、光照问题还是算法问题。持续优化。

第四阶段：全面上线与验收（1-2周）

系统稳定运行后，进行正式验收测试。按合同约定的性能指标（如连续8小时生产，检出率≥99.2%，误报率≤0.15%），跑一个完整的批次。达标后，签署验收报告。

每个阶段，老板要盯紧什么？

• 第一阶段： 盯“样本质量”。你提供的图片和实物越全、越典型，模型基础就越好。别随便拍几张糊弄。

• 第二阶段： 盯“现场适应性”。光线变化、设备震动、工件摆放轻微不一致，都会影响效果。必须让供应商在现场调通。

• 第三阶段： 盯“数据对比”。每天看对比报表，AI和人工的差异点，就是需要优化的地方。

• 第四阶段： 盯“合同指标”。白纸黑字，按约定验收，别含糊。

第四步：验收不是结束，优化刚刚开始

系统上线了，别以为就万事大吉。AI系统是个“活”的工具，需要养护。

怎么判断项目成功？算清三笔账

别光感觉，算算数：

1. 质量账： 客户投诉率降了多少？月度PPM（百万分之不良率）数据有没有改善？比如苏州一家做电脑散热片的厂，上线后外观投诉季度环比下降了70%。

2. 成本账： 减少了多少返工、报废和客户罚款？替代或减少了几个检验岗？一个典型的案例，东莞一家年产值5000万的冲压厂，上线AI检测后，一年在质量成本和人工成本上省了大概35万。

3. 效率账： 检测速度是否满足甚至超出节拍要求？是否减少了因质量争议导致的停线时间？

上线后，怎么持续优化？

• 定期“喂”新数据： 生产过程中遇到新的、罕见的缺陷类型，拍下来，标注好，交给供应商更新模型。一般好的供应商会提供一段时间的免费模型优化服务。

• 关注误报： 定期分析系统误报的良品，看看是不是有新的干扰因素（比如新的油渍、光照变化）。

• 人员培训： 确保操作人员和质检员会看系统报表，会进行简单的日常维护（如清洁镜头）。

最后说两句

AI外观检测对于冲压行业，已经不是一个遥不可及的概念。它确实能解决人眼检测的诸多顽疾，但前提是你得用对方法。从明确自身痛点开始，一步一步扎实地走，别贪大求全，更别被花哨的概念忽悠。

核心就一句话：让技术为你具体的生产问题服务，而不是你去适应技术。

如果你还在犹豫，不确定自己的厂子适不适合做、或者该从哪入手，可以先用“索答啦AI”这类工具简单评估一下。它可以根据你输入的工厂基本情况、产品特点和痛点，给你一个大概的方向性建议和成本估算，免费的。这比盲目去找供应商推销，要省事和客观得多。心里有个底，再去谈，方向会更清晰。