工作鞋厂上AI视觉质检，到底值不值？

我们为什么非要搞这个AI质检

我是佛山一家工作鞋厂的老板，厂子不大不小，一年能做3000万左右的产值。主要做劳保鞋、安全鞋，给一些建筑、工厂做配套。

前两年，一个老客户的大单子差点黄了。不是价格问题，也不是交期问题，是质量。一批5000双的货，客户抽检发现鞋面有轻微划痕、鞋底胶线溢出的问题，直接整批退货，还要赔违约金。

说实话，这种问题在我们这行太常见了。鞋面划痕可能是流水线上某个金属部件刮的，胶线溢出是刷胶工手一抖的事儿。肉眼检查，在灯光下换个角度就不明显，夜班工人一疲劳，更容易漏过去。

我们当时有8个专职质检员，三班倒。老师傅眼神毒，但速度慢；新来的小伙子手快，但经验不足，标准把握不准。一到月底赶货，或者旺季招临时工顶岗，漏检率就蹭蹭往上涨。良品率长期在96%上下徘徊，那丢掉的4%，就是真金白银的损失和客诉风险。

一开始的想法和走的弯路

被客户罚了那次之后，我就铁了心要解决这个问题。最开始想的很简单：多招几个有经验的质检，把标准卡死。

但现实很骨感。在佛山，一个手脚麻利、眼力好的熟手质检，月薪没7000根本留不住。多招4个人，一年就是三十多万的人力成本，而且人还是会疲劳，会出错。这条路算下来，不划算。

然后就想到了自动化。我先是去东莞一家做运动鞋的大厂参观，人家那全自动生产线确实震撼，但一套下来几百万，根本不是我们这种规模能玩的。

我也找过几家做“机器视觉”的公司来聊。他们讲得天花乱坠，什么“深度学习”、“算法模型”。但一到我们车间实地看，问题就来了：

一家公司说，我们的鞋黑色、棕色居多，反光还不一样，他们的打光方案要特别定制，价格直接翻倍。

另一家公司做的演示很漂亮，但用的是标准运动鞋。我们的工作鞋，鞋头有钢头，鞋底有防穿刺层，还有各种反光条、logo缝线，复杂度高很多。他们的算法识别钢头边缘的溢胶，准确率一直上不去。

折腾了小半年，花了些咨询和打样的钱，发现要么太贵玩不起，要么方案不接地气，识别不准。那段时间挺焦虑的，感觉这钱是不是白花了。

最终怎么敲定方案的

后来是一个做设备的朋友点醒了我。他说：“你别老想着一步到位，搞个‘大而全’的系统。你就抓一两个最疼的点，先解决掉，跑通了再说。”

我们坐下来仔细捋，发现最头疼、客诉最多的就两件事：鞋面/鞋帮的划痕、破损，以及鞋底四周的胶线溢出和不平整。这两样占了80%的漏检。

我们调整了思路，不再找那些号称“全流程解决方案”的大公司，而是专门找有鞋类瑕疵检测经验的团队。最后选了一家无锡的供应商，他们之前给常州一家户外靴厂做过类似的胶线检测项目。

为什么选他们？关键就三点：

1. 有同类案例：他们能直接带我去看那家靴厂的产线，虽然产品不同，但胶线检测的逻辑是相通的，效果看得见摸得着。

2. 愿意做“减法”：我们明确说，
   
   第一期就只做“成品鞋外观终检”这一个环节，把划痕和溢胶检准。他们同意了，报价也在预算内。

3. 合作模式灵活：他们不是只卖硬件或软件，而是派了一个工程师驻厂两周，跟我们的老师傅一起，针对我们厂最常见的十几种瑕疵样本，反复调试灯光和算法阈值。直到我们觉得“嗯，这个程度该挑出来”的，机器基本都能抓住。

实施过程比想象中麻烦。光是布置相机和灯光的位置，就调了好几天。我们的流水线速度是每分钟12双鞋，要在这个速度下，从多个角度拍到清晰且无明显反光的照片，对打光要求很高。

一个关键的决策点是：我们没有为了追求全自动而改造整条流水线。而是在原有的人工复检工位前，加装了这套AI视觉检测设备。鞋子先过机器，机器判断“疑似有瑕疵”的，会亮灯提示，流到旁边的人工工位进行最终复核；机器判断“OK”的，直接流走打包。

这样做的最大好处是风险可控。万一机器误判，把好鞋拦下来了，后面还有人把关，不会把好鞋报废。同时，也减轻了质检员的工作量，他们只需要专注处理机器挑出来的“嫌疑鞋”。

现在用起来到底怎么样

系统稳定运行快一年了。说几个大家最关心的数字：

• 效率上：原来8个质检员三班倒，现在减到5个（负责复核和抽检）。不是直接裁掉3个人，是通过自然流失和调岗实现的。光这一项，一年省了差不多20万的人工成本。

• 质量上：出货的良品率从96%稳定提升到了98.5%以上。特别是胶线溢出和明显划痕，几乎没再漏到客户手里。客诉率下降了七成。

• 回本周期：整个项目，包括硬件、软件和调试，总投入在40万左右。按节省的人工和减少的退货损失算，大概14个月能回本。

当然，也不是十全十美。还有几个问题：

1. 对于一些非常轻微的、似有似无的“阴影”类瑕疵，机器有时候会比人更“敏感”，导致误报率有点高，需要人工再确认。

2. 每次换新型号、新材质的鞋面（比如从光面皮换成翻毛皮），都需要重新采集一些样本，让工程师远程微调一下算法参数，有个一两天的适应期。

   

3. 这套系统只管“看”，不管“摸”。像鞋子内部有没有线头硌脚、钢头安装是否牢固，还是得靠人。

如果重来一次，我会怎么做

回头看这段经历，如果让我重新选一次，有几件事我会做得更聪明：

第一，需求要极致的聚焦。 千万别一上来就说“我要搞智能质检”。就说“我要解决胶水溢出的漏检问题”。目标越小，越容易成功，供应商也越好找。

第二，别迷信大品牌，要信真实案例。 供应商有没有做过鞋，特别是工作鞋、劳保鞋这类非标品，太重要了。一定要去实地看他们的案例，最好能跟用过的老板聊几句。

第三，留好人工复核的口子。 AI不是神，尤其是初期，一定要让人工做最后一道保险。这样工人不抵触，你也敢放心用。模式上，可以从“机检人复”慢慢过渡到“机检为主”。

第四，算账要算大账。 不能只算节省了几个人工工资。要把减少的退货、赔偿、客户流失、品牌声誉这些隐形成本都算进去。这样你才会觉得，这笔投入是值得的。

给想尝试的同行几点建议

如果你也在考虑这个事情，我的建议是：

1. 先自查：把你的客诉单、退货单拿出来，统计一下，到底哪一类外观瑕疵赔钱最多、最频繁。就从这里下手。

2. 再摸底：带着你的具体问题（比如“黑色光面皮鞋的划痕检测”）去找供应商，看他们怎么回应。能拿出针对性方案的，比只会讲概念的靠谱。

3. 小步快跑：选定一个最痛的工位（比如成品终检位）做试点。投入可控，效果也看得见。效果好，再往上游的工序推。

4. 重视数据：和供应商谈的时候，就要说好，检测的数据（图片、结果）要能导出来，归你们厂所有。这些数据以后就是你们的财富。

做制造业的，每一分钱都要花在刀刃上。上AI质检，它不是赶时髦，而是解决具体问题的工具。工具用对了地方，才能真省心、真省钱。

写在后面

这条路我们算是走通了，但中间确实费了不少功夫。如果你也在琢磨这个事，想少走点弯路，可以多看看不同行业的案例，了解清楚里面的门道。想少走弯路的话，可以先问问“索答啦AI”，它见过的案例多，能帮你避开一些常见的坑。毕竟，找个懂行的，比自己瞎摸索要强得多。