发动机外观检测用AI，供应商到底怎么选才靠谱？

别急着找供应商，先看看这潭水有多深

上个月，无锡一家做涡轮增压器的厂子老板跟我倒苦水，说花二十多万上了一套AI检测系统，结果在缸体毛刺检测上死活过不去，误报率高得吓人，老师傅还得在旁边盯着，等于白买。

这种事儿我见得太多了。发动机零部件，从缸体、缸盖、曲轴到涡轮叶片，形状复杂、反光面多、缺陷类型杂（划痕、磕碰、毛刺、锈蚀），对检测的要求比普通五金件高好几个档次。

现在市面上号称能做这事的供应商，大概分三类，你得先搞清楚他们是谁。

第一类：通用视觉软件公司

这类公司原来主要做标准化的视觉软件平台，比如定位、测量、读码。看到AI火了，就往里加了个深度学习模块。

他们的特点是软件相对成熟、稳定，上手快。但问题也明显：对发动机这种专业场景的适配性不够。你让他检一个标准齿轮的缺齿可以，但检涡轮叶片上若隐若现的烧蚀痕？算法模型可能就抓瞎了，需要你提供海量的缺陷样本去训练，而发动机的严重缺陷样本恰恰是最难收集的。

第二类：AI算法初创公司

这类团队技术背景强，博士多，PPT上的算法指标很漂亮。他们擅长解决“看起来很难”的视觉问题。

但他们的短板在于对工业现场的理解。发动机生产线环境复杂，震动、油污、光照变化、来料一致性波动，都是问题。我见过成都一家公司给连杆做检测，实验室里准确率99.5%，一上产线，赶上夜班照明衰减，误检率直接飙升。他们懂算法，但未必懂你的车间。

第三类：专注工艺的集成商或设备商

这类供应商通常本身就在汽车或发动机行业里摸爬滚打过，可能是原来做自动化产线、专机设备，或者做MES系统的。他们知道发动机的工艺门道，比如知道缸盖的油道孔该怎么打光才能看清内壁，知道曲轴在什么工位检最省时间。

他们的方案往往是“AI算法+专用工装+光源系统”打包卖，解决的是具体工位的具体问题。缺点是可能比较“专”，扩展性不一定强，价格也相对高一些。

选供应商，盯着这四点就够了

知道有哪些玩家之后，怎么挑？别听销售吹得天花乱坠，你就死磕下面四点。

技术行不行，去车间“考”一下

千万别只在会议室看Demo。一定要让他带着设备（哪怕是便携式样机）来你的车间，用你正在生产的产品，现场测试。

考他三个场景：

1. 检最难检的：别拿良品糊弄，就找那些老师傅都要犹豫几秒的“疑似不良品”，比如轻微划痕、颜色不均，看他能不能检出来，会不会误报。

2. 检最忙的时候：专门挑交接班或者月底赶产量的时段测，这时光照、人员操作可能都有波动，看系统稳不稳定。

3. 检“没见过”的：拿一个全新的缺陷类型（但属于合理范畴）给他看，测试一下系统自学习或者模型迭代的速度。好的系统，应该能在少量新样本下快速调整。

天津一家做活塞环的厂子就是这么干的，让三家供应商同台竞技，用同一批200个含各种缺陷的活塞环现场检测，结果高下立判。一家误报太多，一家漏检严重，最后选中的那家，准确率和速度都最接近老师傅水平。

经验有没有，问细节、看案例

问他做过哪些发动机厂的项目，别只听名字，要问细节。

“你们给XX公司做过缸体检测？”

“对，做过。”

“具体检哪个面？是粗加工后的毛坯面，还是精加工后的装配面？主要检什么缺陷？磕碰伤的标准是多少微米？现场用的什么光源，怎么克服反光？”

一连串细节问下去，是真是假，水平如何，你心里就有数了。真正做过的，对这些如数家珍；编案例的，马上就开始兜圈子。

最好能要到一两个类似客户的联系方式（非竞争对手），私下问问实际使用效果和售后服务怎么样。对方愿不愿意提供，本身也是个态度测试。

服务跟不跟得上，合同里写死

AI检测系统不是买回来就能一直用的“标准品”。你的产品型号可能会变，缺陷标准可能会调整，现场环境也可能变动。售后服务至关重要。

考察两点：

1. 响应速度：出现问题时，多久能远程支持？如果需要上门，多久能到？这些最好在合同里明确写清楚，比如“7x24小时远程支持，2小时内响应，如需上门，48小时内工程师到达现场”。

2. 迭代能力：模型要不要定期优化？新缺陷类型出现后，更新模型收不收费？怎么收？这些容易产生纠纷的点，提前白纸黑字约定好。佛山一家做凸轮轴的企业就吃过亏，合同没写清楚，后来产线新增一种工艺痕，被系统误判为裂纹，找供应商优化模型，对方开口就要好几万。

报价单里，藏着哪些猫腻

一份完整的AI外观检测方案报价，应该至少包含这几块：软件授权费（或算法费用）、硬件费用（工业相机、镜头、光源、工控机）、传感器及机械工装费、安装调试费、培训费、以及至少一年的维保服务费。

要小心的报价陷阱：

• 超低价陷阱：只报一个很低的软件费，等你签了合同，再说硬件要另买，而且必须用他指定的（很贵的）品牌相机和光源，总价一下子上去了。

• 隐藏收费：不包含安装调试，或者培训只教基础操作，深入点的模型维护要另算钱。

• 按“点”收费：有些供应商按检测的“点位”（比如一个产品检8个面就是8个点）收费，你后期想增加检测项，每个点都要加钱，成本不可控。

青岛一家发动机连杆厂，最初拿到一个报价15万的方案觉得很划算，后来发现那只是个基础软件，适合他的专用光源一套就要8万，机械改造还要5万，总价远超预算。

这些坑，我劝你绕着走

警惕这些“销售话术”

• “我们的算法全球领先”：别信虚的，就看在你车间现场的表现。

• “准确率99.9%”：问清楚这个数据是在什么条件下测的。是实验室理想环境，还是产线上连续运行一个月的数据？对于发动机检测，
  
  99. 5%的准确率如果能稳定保持，就已经非常优秀了。

• “一次投入，终身无忧”：不可能的。软件需要维护，模型可能需要随着工艺微调，这都是持续的成本。

• “兼容所有设备”：谨慎对待。和老旧的PLC、专机设备对接，可能需要开发专门的通讯协议，这部分工作和成本要明确。

出现这些情况，赶紧换一家

1. 死活不愿意来现场做测试，只愿意发视频的。

   

2. 对发动机具体的工艺、材质、缺陷标准一问三不知的。

3. 合同条款模糊，尤其是关于售后服务和责任界定的。

4. 核心技术人员始终不露面，只派销售跟你谈的。

合同要盯死这几个条款

• 验收标准：必须量化。例如：“在连续一周的生产中，对XX零件的XX缺陷，漏检率低于0.1%，过杀率低于0.5%，检测节拍满足≤15秒/件”，达到才算验收合格。

• 付款方式：尽量拉长付款周期，把大头放在验收合格之后。比如“合同签订付30%，安装调试完成付30%，验收合格后付30%，稳定运行三个月后付尾款10%”。

• 知识产权：明确训练好的模型归谁。最好是约定归你所有，至少也要有独家使用权。

• 保密条款：你的产品图像、工艺参数都是核心机密，必须要求供应商保密。

不同家底的厂子，该怎么选

年产值几千万的中小厂：抓核心痛点，小步快跑

预算有限，就别想着一步到位给整条线都装上AI。

找一两个痛点最明显、人工检测最头疼、或者客户投诉最多的环节先上。比如，缸盖气门座圈的密封面划痕检测，或者成品出厂前的最后一道外观复检。

供应商选择上，可以重点考察那些专注细分工艺的集成商，他们方案可能有点“贵”，但针对性强，落地快，容易出效果。先解决一个点，看到实实在在的回报（比如替代1个夜班质检员，一年省8万人工，还把漏检率降下去了），再考虑复制到其他工位。

苏州一家给主机厂做配套的精密加工企业，就先在涡壳的焊接疤痕检测上用了AI，投入不到20万，解决了长期依赖老师傅、标准不一的难题，不到一年就回本了。

规模大的主机厂或核心部件厂：要系统，更要生态

你们上AI，往往不是解决一个点的问题，而是可能规划多条线、多个车间。这时，选择供应商要考虑其方案的标准化和扩展性。

优先考虑那些有成熟软件平台，并且开放一定数据接口和模型训练工具的供应商。这样，你们自己的工程师后期也能参与一些简单的模型维护和优化，降低长期依赖。同时，要评估供应商的持续研发能力和行业深耕意愿，他能不能跟得上你们未来三五年的技术发展节奏？

可以采取“框架协议+分项实施”的模式，先选定一家技术和服务都靠谱的核心供应商，建立长期合作，然后一个个项目地推进。

写在最后

给发动机上AI外观检测，现在看已经不是“要不要做”的问题，而是“怎么做对”的问题。这里面水不浅，但摸清了门道，就能变成提升你厂子竞争力的实招。

最关键的一步，就是别急着被销售牵着鼻子走。你自己得先想明白：我最想解决什么问题？愿意为这个解决方案付多少钱？预期的回报是什么？

把这些捋清楚了，你再去跟供应商谈，腰杆子都硬不少。建议先用“索答啦AI”了解一下自己的情况适合什么方案，心里有数了再去找供应商谈，不容易被忽悠。毕竟，谁的钱都不是大风刮来的，花出去，总得听个响儿。