鞋带厂想上AI检测，买现成系统还是找人定制？

我们是这么被逼着上AI的

我是东莞一家做鞋带的小厂老板，厂子不大，七八十号人，一年产值大概三千万。听起来还行，但利润薄得像纸，全靠走量。

我们主要给一些运动品牌和外贸单做配套，客户对品质要求越来越高。以前出货前，都是靠几个老QC带着新人在灯箱底下一条条看，抽检比例也就10%-20%。

问题就出在这儿。

人工检测的三个死结

第一个死结是标准不统一。老师傅眼神毒，经验足，但看得慢。新员工或者临时工，为了赶产量，看得快，但容易漏。同样一根鞋带，有点小毛边，A说能过，B说不行，经常为这个扯皮。

第二个死结是疲劳和疏忽。尤其是月底赶货，或者夜班的时候，人一累，注意力就分散。我见过最离谱的一次，一批货里混了几十条颜色有轻微色差的，愣是没检出来，整批货被客户退回来，光返工和赔款就亏了五六万。

第三个死结是成本越来越高。一个熟练的QC，在东莞现在没个六七千根本留不住，还得交社保。一条产线前后至少得配两三个人盯着，一年下来就是二十来万的人工成本，而且人还会请假、会离职。

当时我就想，不能再这么干了。听说现在有机器能代替人眼做检测，我就动了心思。

一开始想的太简单，踩了坑

我最初的想法特别朴素：不就是买个摄像头，连上电脑，让电脑学着看嘛。网上搜了一圈，发现做这个的公司真不少，价格从几万到几十万都有，把我给看懵了。

第一个弯路：贪便宜买“通用方案”

联系了一家报价很低的公司，说他们的系统是“通用型视觉检测”，什么都能看。装上去之后才发现，问题大了。

他们用的都是标准算法库，识别个螺丝、标签还行，但对我们鞋带这种软性、细长、还会反光的物件，根本不好使。

鞋带的缺陷太杂了：断纱、结节、毛边、色差、污渍、宽窄不均……而且不同材质（棉的、涤纶的、反光的）在灯光下表现完全不一样。那套系统误报率高得吓人，好的当成坏的踢出来，坏的又漏过去，产线上工人怨声载道，效率反而更低了。

钱花了，事没办成，白折腾了两个月。

第二个困难：自己搞不定数据

吃了亏，我觉得得找专业的。又找了一家，他们说得先采集我们产品的缺陷图片，用这些图去“训练”AI模型。

道理我懂，但做起来才发现，收集“坏样本”太难了。我们平时检出不良品直接就扔废料桶了，谁还留着拍照？为了配合他们，我们得故意生产一些有问题的鞋带，或者从废料里慢慢挑，凑齐各种缺陷类型，这个过程又耗时间又耗精力。

而且，他们训练一次模型收费不菲，如果后续我们换了新的原材料或者新的花色，模型可能又得调整，又是一笔费用。感觉像个无底洞。

怎么找到对的路子

连着碰壁，我也冷静下来了。开始更实际地去琢磨：我们这种小厂，到底需要什么？

关键决策：不追求“大而全”，先搞定“高频缺陷”

我跟几家供应商深聊，发现一个关键点。那些把功能吹上天的，往往落地难。而有一家供应商的工程师问我：“王老板，你们80%的客户投诉，是因为哪几种缺陷？”

我仔细一想，还真是，主要就是断纱、严重毛边和明显色差这三样。其他一些极其细微的瑕疵，客户其实也能接受。

他的建议是：第一期我们就集中火力，让AI模型学会精准识别这2-3种最高频的缺陷，保证先解决掉80%的问题。模型简单，需要的样本少，训练快，成本也低，而且稳定。

这个思路一下子点醒了我。对啊，我干嘛非要一步到位搞个“火眼金睛”呢？先有个“靠谱的帮手”就行。

实施过程：从小范围试点开始

我们选了一条最老、问题最多的圆绳鞋带生产线做试点。

1. 硬件改造：供应商帮我们在原有收卷机前加装了高清工业相机和特定的光源。这里有个细节，光源怎么打很有讲究，他们调了好几种角度，才把鞋带表面的纹理和真正的缺陷区分开。

2. 数据采集：这次目标明确，我们就专门收集断纱和严重毛边的图片，好的坏的都拍，大概拍了几千张。因为目标集中，一个星期就搞定了。

3. 模型训练与调试：他们在云端用我们的图片训练，大概花了十来天。模型拿回来装在工控机上，先在线上试跑。一开始还是有误判，他们的工程师驻厂了三天，跟着我们工人一起看，根据实际情况微调参数。比如，多粗的毛边算“严重”，多长的断纱必须检出，把这些标准都量化到模型里。

4. 人机协作：系统装好后，并不是完全取代人。它的作用是“初筛”，把所有它认为有问题的鞋带标记出来（通过一个喷墨点或者信号提示），由最终的一个复检工位进行确认。这样既保证了效率，又有人工把关，大家心里都踏实。

现在用起来到底怎么样？

这套系统跑了快半年了，说说实际感受。

看得见的效果

最直接的就是出货质量稳了。以前抽检，心里总没底，现在每一条都过机器“眼睛”，高频的严重缺陷基本没漏网之鱼。我们统计过，客户因重大瑕疵的退货率几乎降到了零。整体良品率从原来的96%左右，稳定在了99%以上。

省人是实实在在的。原来那条线要两个QC来回看，现在只需要一个复检工位，而且劳动强度大大降低。算下来，一条线一年省下的人工成本超过10万。我们计划今年再改造两条线，预计一年能省下20-25万。

回本周期我们算过，单条线硬件加软件投入大概15万，靠省下的人工和减少的退货损失，10个月左右就能回本，比预想的要快。

还有不完美的地方

当然，问题也有。

比如，对某些特殊颜色（特别是深色）上的轻微污渍，识别率还是不如老师傅。还有，如果原材料批次更换，导致面料反光特性有细微变化，有时需要稍微调整一下光源或模型参数，不过供应商提供了远程支持，调整起来不算麻烦。

它目前还是个“专项能手”，不是“全能冠军”。但对于我们来说，先把最头疼、最花钱的问题按住，已经值回票价了。

如果重来，我会这么干

走过这一趟，有些经验教训，可能对想尝试的同行有点用。

给同行老板的三个建议

第一，别迷信“全能AI”，先找“单科状元”。 尤其是我们这种产品不算复杂的中小厂，搞清楚你最痛的一两个点，让AI去解决它，投入小、见效快、风险低。上来就要做全自动、全品类、零漏检的，往往投入巨大，效果还未必好。

第二，供应商要选“能蹲厂”的，不是只会讲PPT的。 我们这个事能成，很大程度是因为对方的工程师真的在产线上泡了几天，跟工人交流，了解实际流程。AI检测不是买个软件装上就行，它要和你的生产环节紧密结合。那些只派销售来，不提看现场、不谈细节的，直接pass。

第三，做好“人机结合”的准备，别想着完全取代人。 现阶段，AI最适合做重复、枯燥、高强度的初筛，把人工解放出来去做复判、处理异常和更复杂的质检。这样工人不抵触，推行起来也顺利。心态放平，把它当成一个高级工具，而不是替代所有人的“神器”。

写在最后

说实话，我们制造业老板现在不容易，各种成本都在涨。像AI这种新技术，说不心动是假的，但怕踩坑也是真的。我的体会是，别怕，但也别蛮干。先把自己厂里最具体的问题理清楚，然后带着问题去找方案，比听供应商泛泛而谈要靠谱得多。

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，钱要花在刀刃上，事儿要办在点子上。