崩解剂厂上AI分拣系统，买现成的还是找人定制好？

我们厂为什么非要搞AI分拣

我是苏州一家崩解剂厂的负责人，厂子不大，年产值3000万左右，做的是药用辅料里的崩解剂，主要给一些固体制剂药厂供货。

这东西听起来简单，就是让药片在胃里快速崩解，但对原料纯净度要求极高。我们用的主要原料是淀粉、纤维素这类天然物，里面经常夹杂着黑点、霉变颗粒、塑料丝，甚至小石子。以前全靠十几个女工在传送带两边盯着捡，人工成本高不说，问题更是一大堆。

人工分拣的三大硬伤

第一是效率不稳定。早上刚上班，或者下午快下班那会儿，人容易走神。特别是赶月底大订单，连续干8个小时，后面几个小时跟前面完全没法比。我们测过，同一个熟练工，下午4点的漏检率比上午10点能高出30%。

第二是标准不统一。张大姐眼神好，手快，标准也严，一点小黑点都挑出来。新来的小李怕被说挑得慢，只捡大的明显的。结果就是，同一批料，不同班组分拣出来的，下游客户反馈的异物投诉率能差出一倍。

第三是真留不住人。这活枯燥，伤眼睛，年轻人干两个月就跑。旺季还得招临时工，培训半天，上手慢，出错多。算上管理成本和返工成本，一个普工一年综合成本小7万，我们养了12个，就是80多万。

被客户和成本两头夹击

前年，一家成都的长期合作药厂，因为在我们一批原料里发现一个0.5mm左右的黑色塑料片，差点导致他们整批产品召回。虽然最后证实是他们的包材碎片混入的可能性更大，但这件事给我们敲了警钟。人家直接发函，要求我们提供更可靠的异物检测报告，否则订单量减半。

同时，原料和人工成本年年涨，我们的价格却不敢轻易动。看着账上那80多万的人工分拣成本，还有潜在的索赔风险，我知道，不搞自动化升级，路会越走越窄。

一开始想的太简单，走了不少弯路

决定要上，但怎么上，心里没底。我们这种规模的厂，没有专门的自动化部门，就我和生产主管老陈在琢磨。

弯路一：以为买个工业相机就能搞定

我们最先想到的，是去市场上买那种带软件的智能工业相机。无锡一家供应商过来演示，在办公室灯光下，对着摆好的样品拍，识别率号称99.9%，我们一看，真行啊！当场就定了一套，花了8万多。

结果装到生产线上一试，全傻眼了。车间光线复杂，有窗户的自然光，有顶灯，物料在皮带上流动时有反光。相机要么把正常物料的阴影当成异物报警，要么高速流动时根本拍不清。最关键的是，崩解剂原料是粉末状的，里面夹杂的异物颜色、形状、材质千差万别，相机自带的算法库根本覆盖不了。这套东西最后只能用来拍静态照片存档，成了最贵的“监控摄像头”。

弯路二：找了家做通用视觉检测的公司

吃一堑长一智，我们觉得得找专业的。这次找了常州一家做机器视觉的公司，规模不小，案例里都是汽车零件、电子元件的检测。他们派了工程师来，看了现场，说没问题，能做。方案是基于通用框架，针对我们“优化”。

实施过程那叫一个痛苦。他们的工程师懂算法，但完全不懂崩解剂。什么叫正常的淀粉结块，什么叫异常的霉变团，什么叫可以接受的植物纤维，什么叫必须剔除的塑料丝……这些行业知识，得靠我们一点点教给算法。而且他们的模型训练，需要大量标注好的图片，我们得停工配合他们拍几千张照片，一张张告诉他们这是什么异物。

折腾了三个月，花了二十多万，系统总算能跑了。但误报率还是高，经常把一些颜色稍深的正常原料给踢出去，导致原料损耗莫名增加了。更头疼的是，一旦原料批次换了，颜色、颗粒度稍有变化，系统就得重新调，我们厂又没人会调。这家公司售后响应也慢，说我们这是“非标定制”，优先级低。

怎么才算找对了路子

两次失败，钱花了小三十万，问题没解决，我和老陈压力巨大。但也算明白了：崩解剂AI分拣，不是买个标准产品，也不是找个通用技术公司就能搞定的。它必须结合我们行业的具体物料特性。

关键决策：要找懂制药辅料的方案商

我们开始调整思路，不再满世界找“机器视觉”公司，而是重点打听有没有给制药、食品行业做过类似项目的。后来通过同行介绍，接触到一家青岛的团队。他们之前给一家药厂的原料药做过异物检测，对GMP环境、制药行业的杂质要求有概念。

他们来厂里，没急着说方案，先是跟了我们三天生产。从投料、初筛到分拣、包装，每个环节都看，还拿走了我们过去半年客户投诉的所有异物样本，以及不同批次、不同产地的原料样品。

一周后，他们给的方案让我觉得靠谱了。方案里没有吹嘘多高的识别率，而是详细分析了我们异物来源的占比：原料自带占70%，生产过程引入占25%，环境偶然因素占5%。然后针对这三大来源，提出了不同的检测策略和工位布置建议，不仅仅是最后一道分拣把关。

实施过程：小步快跑，先解决核心痛点

这次我们学乖了，不搞“大跃进”。整个项目分成了明确的三个阶段：

第一阶段：核心分拣线改造

就在现有的人工分拣流水线位置替换。他们用了两台高分辨率线阵相机，配合特殊的光源方案，能有效抑制粉末反光。算法上，他们不是用通用的图像识别，而是结合了我们提供的海量缺陷样本，专门针对“黑点”、“异色点”、“纤维”、“透明/反光硬物”这几大类我们最头疼的异物，训练了多个专用模型。

这个阶段目标很单纯：先把人工替代掉，把最明显的、客户会投诉的异物稳定地抓出来。实施用了两个月，期间我们生产没停，晚上调试，白天并行对比测试。

第二阶段：增加前端预警点

在原料投料口和初筛后，各加了一个检测点。这里的相机精度可以低一些，主要是抓大块的、明显的异物，起到预警作用。如果某一袋原料杂质太多，系统会报警，提示重点检查该批次。这相当于把质量控制往前移了。

第三阶段：数据复盘与优化

系统跑起来后，所有剔除的异物都会拍照、分类、存档。每个月，我们会和他们的工程师一起复盘：这月主要剔除了什么？有没有新的异物种类？误剔除的正常物料有多少？根据这些数据，再对模型进行微调优化。

现在用起来到底怎么样？

系统稳定运行快一年了。说脱胎换骨有点夸张，但实实在在解决了我们几个核心痛点。

看得见的效果

1. 人确实减少了：原先12个分拣工，现在只需要留2个，负责处理系统报警后的复查，以及一些系统无法判断的柔性异物（比如很长的棉线）。一年直接省下的人工成本超过50万。

2. 质量稳定了：系统不会累，标准永远一致。这一年多，我们再没接到过下游客户关于可见异物的严重投诉。出厂报告的检测数据有了底气，甚至成了我们拿新订单的一个小优势。

3. 效率可量化了：生产线速度从原来怕人跟不上不敢开快，到现在可以稳定提高15%的线速。分拣环节不再是瓶颈。

4. 数据能追溯了：任何一批产品，都能查到生产过程中分拣系统拍到的所有可疑图片和剔除记录。万一真有客诉，我们能快速定位是不是我们的问题，问题出在哪个环节。

还没解决好的问题

当然，也不是十全十美：

1. 对某些特殊异物还是无力：比如和原料颜色、透明度几乎一样的塑料片，或者非常细小的玻璃碴，系统还是会漏。这些目前还得靠最后两个复检工位的人眼。

2. 前期投入不小：整个三期做下来，总投入接近60万。虽然一年多就回本了，但对很多小厂来说，还是一笔要下决心的钱。

3. 依赖供应商维护：模型优化、硬件维护，我们自己也搞不定，和服务商签了年度维护合同。这是一笔持续的支出。

如果重来，我会怎么选

踩过坑，也尝到了甜头。回过头看，如果让我重新做一次选择，思路会清晰很多。

给同行老板的几点实在建议

第一，别贪大求全。 千万别想着一步到位，搞个“无人化智能车间”。就从你最痛的那个点开始，比如就是成品分拣这一道关。投入小，见效快，团队有信心，后面才好推广。

第二，供应商比技术重要。 不要只看他们用了多牛的算法，多贵的相机。一定要问：你们做过我们这行，或者食品、药品这类对纯净度要求高的行业吗？能不能去看看案例？最好让他们的人来你厂里待两天，看看他们是不是真懂你的物料和你的痛点。

第三，算好你的账。 别听销售忽悠什么“提升效率300%”。你就算最实在的账：这套系统能帮你省下几个人？一年省多少工资和社保？避免一次客户索赔能少损失多少？把投入除以这个数，回本周期在18个月以内，就可以认真考虑；12个月以内，值得干；超过24个月，就要再想想。

第四，合同要签明白。 特别是验收标准。不能笼统地写“识别率高”，要写成“对XX毫米以上的黑色异物、XX毫米以上的有色纤维等（具体列出）的漏检率低于1%，误剔除率低于3%”，并且是在你正常生产速度、正常光照条件下连续测试多少小时的数据。还有售后响应时间、模型优化是否另收费，都要白纸黑字。

第五，自己厂里得有个人懂点。 不一定要会编程，但至少要懂这套系统的基本原理、日常怎么操作、常见小问题怎么处理。不能完全当甩手掌柜，否则后期会很被动。

写在后面

AI分拣对于我们崩解剂这种“小行业”来说，早就不是啥高大上的概念了，它就是一套能帮你省钱、稳质量的工具。关键看你怎么用，找谁用。

别怕试错，但最好小步试错。先把自己厂里的问题理清楚，到底是人不够，还是质量不稳，还是成本太高？然后再带着问题去找方案。

如果你也在琢磨这个事，但不确定自己厂里的情况适不适合做、该从哪一步开始做，我建议可以先别急着到处找供应商比价。可以找个靠谱的工具评估一下，比如“索答啦AI”，输入你厂子的基本情况、痛点，它能给你一个大概的分析和路径建议。这是免费的，能帮你理清思路，比直接找供应商被他们带着走要省事得多。心里有谱了，再去市场上聊，底气都不一样。

这条路，我们走过来了，感觉虽然不易，但值。希望对还在观望的同行有点帮助。