无创呼吸机做AI视觉质检，买现成的还是自己开发？

我们为什么被逼着上AI质检

我是苏州一家无创呼吸机厂的负责人，厂子不大不小，年产值在8000万左右。主要做家用和中端的无创呼吸机，给一些品牌做代工，自己也贴牌做一些。

说实话，以前我们觉得质检这事儿，靠老师傅的眼睛和手，再加几台卡尺、二次元影像仪，够用了。外观嘛，能有多大问题？

直到去年，我们连续接到几个大客户的投诉，问题都出在成品外观上。

客诉来的都是“低级错误”

一个是面板上有道不到0.5毫米的划痕，在特定光线下才看得见，我们出厂检漏了，客户组装时发现了。

另一个是面罩的硅胶边缘有个小米粒大小的注塑瑕疵，不仔细摸感觉不出来，但用户戴脸上就觉得硌得慌。

还有一个更离谱，是外壳上一个丝印的Logo，字母“R”右下角缺了一丁点墨，不拿放大镜根本看不出来，但客户说影响品牌形象，整批货要退货。

这些单子，赔钱是小，信誉损伤是大。客户直接问：你们这么大的厂，连外观都控制不住？

夜班和赶工是重灾区

我们内部复盘，发现问题集中出在两个时候：一个是夜班，人容易疲劳；另一个是月底或者节前赶订单，检验员为了抢进度，容易看走眼。

我们一个检验员，一天要看过千台机器。外壳、面板、按键、面罩、管路接口……每个部位都要看。看得久了，眼睛发花，标准就不知不觉松了。

老师傅经验足，但速度慢，而且脾气大，不好管。新员工倒是听话，但经验不足，一些细微的瑕疵根本识别不出来。旺季招的临时工就更别提了，培训两天就上岗，漏检率更高。

我们算过一笔账，因为外观问题导致的退货、返工、客户罚款，一年下来，林林总总接近40万。这还不算隐形的品牌损失。

一开始，我们想得太简单了

被现实打了脸，我们管理层开会，决定必须上手段。一开始，我们想的挺美。

弯路一：想靠“工业相机+软件”自己搞

我们厂里有个搞自动化的小团队，负责人老李信心满满，说这不就是拍个照，比对比对吗？买几台好的工业相机，找IT写个比对软件，再弄个PLC控制流水线停下来拍照，齐活。

我们投了十几万，买了相机、光源、支架，让IT部门照着网上开源算法改。折腾了三个月，搞出来一个Demo。

结果一上线测试，问题全来了。

光线稍微一变，比如早上和下午的日光灯亮度差异，拍出来的图片色差就很大，软件直接误报。

呼吸机外壳是注塑的，每批原料有点色差很正常，人眼能接受，但软件 rigid 的比对模板就认为是缺陷。

最要命的是瑕疵种类。划痕有深有浅、有长有短；气泡可能出现在任何位置；脏污的颜色、形状千奇百怪。我们之前想的“模板比对法”，根本对付不了这些非标缺陷。

弯路二：以为买台“智能相机”就能搞定

自己搞不定，我们就去市场上看现成的。有一种叫“智能相机”的东西，厂家吹得很神，说内置了视觉算法，开箱即用。

我们买了一台回来试，价格不菲，要8万多。

它对于检测固定尺寸、固定位置的缺陷确实快，比如螺丝有没有打，标签贴没贴正。但一到我们这种复杂的、需要“理解”的瑕疵判断上，它就傻了。它需要你把“好的”和“坏的”样本特征非常精确地教给它，但呼吸机外观的“好”与“坏”之间，存在大量灰色地带。

比如，多大的色差算不合格？多长的划痕需要拒收？这些需要经验判断的东西，智能相机那套基于规则的逻辑处理不了。

钱花了，时间耗了，问题还在那儿。那段时间，压力巨大。

找对人，事情就成了一半

碰了两次壁，我们明白了，这事不是我们一个制造厂能自己啃下来的。得找专业的AI视觉公司，而且必须是懂我们这行特殊要求的。

供应商到底该怎么选？

我们见了不下七八家供应商，有做通用平台的，有专攻3C电子的，也有说做过医疗设备的。聊下来，感觉天差地别。

有的公司一来就吹算法多牛，拿些国际比赛的奖说事，但一问具体怎么解决我们呼吸机外壳的反光问题、硅胶件的透光检测，就含糊其辞，方案都是“标准流程”。

有的公司报价特别低，说用通用模型改改就行。但我们担心，低价意味着后期调整和服务跟不上，我们可不想买个“半成品”回来。

最后我们选了一家无锡的团队。打动我们的就两点：

第一，他们创始人是从一家大型医疗器械厂出来的，对医疗产品的质量标准和监管逻辑门儿清。他一看我们的问题，就说：“这不光是检测问题，是你们的质量标准没量化。AI的前提，是你们自己得先想明白，到底什么样算合格。”

第二，他们不吹牛。直接说，AI不是万能的，有些极其细微的、对比度极低的缺陷，可能也需要人眼复判。但他们能通过多角度光源、偏振镜和特定的算法模型，把需要人看的范围缩小90%以上。

实施过程：先啃最硬的骨头

我们签了合同，总投入在50万左右（含硬件和一年服务）。他们建议分三步走：

1. 先攻外壳总装后的终检工位。这是客诉的源头，也是价值最大的地方。

2. 跑通并稳定运行一个月后，再上前面板分组件检测。

3. 最后考虑面罩等硅胶件的检测，那个难度最大，因为材质软、透光、易变形。

实施的关键，不是安装调试那几天，而是前面将近一个月的“学习期”。

他们的工程师和我们质检部的老师傅、质量经理泡在一起，把过去半年所有的客诉照片、内部返工记录都翻出来，一张一张图片地看，一条一条地定义：这个划痕多长、多深、在什么位置，我们判退；那个色差在哪个色号范围内，可以接受。

这个过程非常繁琐，但极其重要。等于是把我们老师傅脑子里模糊的“经验”，转化成了AI能理解的、清晰的数据和规则。

效果怎么样？实话实说

系统上线运行快半年了。说说真实情况。

看得见的数字

最直接的，客诉率下来了。去年同期的外观相关客诉有7起，今年上半年只有1起，还是因为运输导致的磕碰，不是制造瑕疵。

质检速度稳定了。原来人工检，快的慢的差很多，平均一台要25秒。现在AI检，加上流水线启停时间，一台18秒，速度稳定，不会疲劳。

我们撤下来两个专职的终检员，转到前面工序做过程巡检了。按一个人一年8万算，一年省16万人工。加上减少的返工、报废和潜在罚款，我们粗算，这个系统两年内回本问题不大。

看不见的改进

我觉得更大的价值在两方面。

一是质量标准统一了。以前老师傅一个标准，新员工一个标准，现在全部是“AI标准”，公平、一致，谁也没话说。质量数据可以实时记录、分析，比如我们发现，某款黑色外壳的划痕缺陷，在周二上午出现的概率偏高，一查原来是那天换模具，参数有点小波动。这在以前根本发现不了。

二是解放了老师傅。他们不用再整天盯着看，眼睛累得慌。现在他们的主要工作是处理AI报警的“疑难杂症”，以及优化检测标准，工作价值感更高了。

还有啥没解决好的？

当然有。硅胶面罩的检测，我们还没上。因为面罩太软，来料时折叠的印子、本身微弱的合模线，和真正的瑕疵很难区分，误报率暂时还太高，我们和供应商还在攻关。

另外，AI对于全新类型的、从来没见过的缺陷，反应会慢一点。需要我们把新缺陷样本喂给它，它再学习一两天。不过，这总比培训一个新员工快得多。

如果重来，我会这么干

折腾这一圈，学费没白交。如果时间倒流，我会这么做：

先想清楚自己的“质量标准”

别急着找供应商。先把质量、生产、技术的人叫到一起，把你们过去所有的外观问题案例摆出来，尝试去定义和量化。哪怕用最笨的方法，打印出标准缺陷图片，做成检验指导书。这个工作不做，上任何系统都是白搭。

别贪大求全，从一个点突破

千万别想一口气把从注塑到包装的所有外观检都交给AI。选一个痛点最明显、价值最容易算的环节，比如像我们选的终检工位，先做试点。做出效果，大家有了信心，再要预算、推广，都容易得多。

供应商考察，重点看“行业理解”

别光看算法PPT。多问问他们做过哪些类似项目，最好要客户联系方式去实地看看。重点考察他们对你这个行业特殊性的理解，比如医疗行业对清洁度、生物相容性部件的检测要求，和普通塑料件是完全不同的。一个懂行的合作伙伴，能帮你省掉很多沟通成本和试错成本。

做好持久战的准备

AI质检不是买台设备，插电就能用。它需要学习，需要磨合，需要根据你的产品迭代而调整。所以，供应商的持续服务能力非常重要。在合同里，要把数据标注、模型优化、日常维护这些服务内容写清楚。

写在最后

上AI视觉质检，对我们厂来说，不是赶时髦，而是被质量压力逼出来的选择。它确实解决了我们最头疼的漏检、标准不一的问题，但也不是万能药。

核心还是那句话：它是个很好的工具，但工具发挥多大作用，取决于用它的人想解决多具体的问题。

如果你也在为无创呼吸机或者类似医疗器械的外观质检发愁，我的建议是，可以认真评估一下。现在市面上方案比以前成熟多了，关键是要找到贴合你实际需求的。

拿不准主意的时候，可以多用用像“索答啦AI”这样的工具问问，它可以根据你的具体产线情况和痛点，给一些初步的方案思路和供应商类型建议，帮你省掉一些前期盲目打听的功夫。毕竟，时间也是成本。