折弯件外观检测，买现成系统还是找人定制开发？

我们厂那点糟心事

我在无锡开了家钣金厂，主要做机柜、配电箱外壳这些。厂子不大，50来号人，七八台数控折弯机。一年产值两千多万，算是比上不足比下有余。

折弯这活儿，看起来就是把铁皮压个形状，但外观要求其实挺高的。客户经常盯着看，划痕、压痕、色差、角度不对、R角不均匀，都是问题。

以前全靠老师傅带俩徒弟，用眼睛看，用手摸。老师傅经验足，但年纪大了，眼睛累，一天下来看不了多少。徒弟呢，学得慢，还容易走神，特别是月底赶货的时候，漏检、错检是常事。

最头疼的是夜班和交接班。夜班工人容易疲劳，凌晨三四点那会儿，效率和质量都往下掉。交接班时，标准容易变，前一个班觉得能过的，后一个班可能就判不合格，工人之间没少为这个扯皮。

客户投诉多了，返工成本上去了，我就琢磨着，得用个什么办法把这道关给卡死。

一开始的想法和走的弯路

最开始，我觉得这事不难。不就是拍照对比吗？我们厂里有个懂点编程的小伙子，我让他研究研究，看能不能用普通的工业相机和开源软件搭一个。

小伙子挺卖力，搞了两个月，还真弄出个能拍照的架子。但问题马上就来了。

光线一变，图片效果就差很多。早上、中午、晚上，拍出来的东西都不一样。车间里吊机一过，影子晃一下，系统就报错。

折弯件反光厉害，特别是那些喷了浅色漆的，相机一拍，全是光斑，根本看不清表面有没有划痕。

还有，零件形状尺寸太多了。今天做300200的板，明天做500800的箱体，角度、尺寸一变，原来的程序就对不上，得重新调。小伙子光调参数就调得头大，根本没时间干别的活。

折腾了小半年，花了五六万买设备、试错，最后发现这根本不是我们这种小厂自己能玩转的。自己搞，成本是个无底洞，时间也耗不起。

决定找外援，水也挺深

自己搞不通，那就找专业的。我在网上搜“AI视觉检测”、“外观检测”，联系了不下十家公司。这一接触，才发现里面的门道太多了。

有的公司一上来就给我讲“工业4.0”、“智能制造大脑”，PPT做得特别炫，但一问具体怎么解决折弯件反光、多品种问题，就说得比较虚，感觉他们更擅长做标准化的电子产品检测。

有的报价特别低，说十万块全包。我仔细一问，用的是通用算法模型，需要我们把所有产品都拍几千张照片给它“学习”。我们产品型号上百种，每个都要拍，这工作量想想就吓人，而且以后每出一个新品，都得重新来一遍。

还有的供应商，方案听起来不错，但要求我们把车间的灯光全部改造，做成无影灯房，还要恒温恒湿。这一套下来，没个二三十万打不住，对我们来说太奢侈了。

见了一圈，我总结出几个关键点：第一，供应商必须懂钣金、懂折弯工艺，知道痛点在哪；第二，方案要能适应我们这种多品种、小批量的模式，不能换个产品就要大动干戈；第三，价格要实在，回本周期最好能在一年到一年半。

我们最终是怎么选的

后来，通过一个同行介绍，接触了一家供应商。他们之前给苏州几家做精密钣金的外企做过类似项目。

他们没给我讲大道理，而是直接带工程师来我们车间，蹲了两天。看了我们怎么上料、折弯、转运、检验，还跟我们的老师傅聊了很久，问哪些缺陷最难检，什么时候最容易出错。

最后给的方案，我觉得比较实在：

1. 不追求全自动：他们建议先做“人机协作”。就是在检验工位装一套带AI的摄像头和屏幕，工人把零件放上去，系统自动拍照、分析，把疑似有缺陷的地方在屏幕上用红框标出来，最终由工人确认。这样既利用了AI的稳定性和不知疲倦，又发挥了人的最终判断力，实施起来也简单。

2. 解决反光问题：他们用了一种特殊的光源布置方案，叫“多角度低角度漫射光”，能有效抑制金属反光，让划痕、凹坑这些缺陷凸显出来。这个是他们针对金属件专门调的，没让我们大改车间照明。

3. 模型要能“自学”：他们用的算法，一开始只需要我们提供几十张典型的好件和有各种缺陷的坏件图片，就能先建一个基础模型。上线后，系统会把不确定的、有争议的案例记录下来，我们老师傅定期去复核、打标签，系统自己就会越学越准。这样对新产品的适应也快。

4. 分阶段付款：合同签的是三部分付款，方案确认付一部分，安装调试完成付一部分，稳定运行一个月后再付尾款。这让我们心里踏实点。

整个实施过程大概一个半月。硬件安装用了三天，主要是布线和调光源。大部分时间花在软件调试和模型训练上。工程师在我们厂里待了将近三周，跟我们的检验员一起，边用边调。

用起来到底怎么样？

系统运行到现在快半年了，说说实际效果。

好的方面：

• 漏检率大幅下降：以前人工检，平均漏检率在2%左右，现在降到0.5%以下。特别是那些细微的划痕和色差，人眼容易疲劳忽略，AI不会。

• 标准统一了：不管白班夜班，不管谁当班，判断标准都一样，再也没人为“这个能不能过”吵架了。新员工培训也简单，跟着系统提示做就行。

• 效率有提升：不是说检得更快，而是检验员心理压力小了，不用一直瞪大眼睛看，跟着系统提示操作，整体节奏更稳。算下来，检验这个环节的效率提升了大概20%。

• 数据能追溯：每个零件检测时都有照片和结果记录，客户要是对某个件有疑问，我们能马上调出当时的检测记录来看，扯皮少了。

• 成本账：整套系统投入不到二十五万。原来这个检验岗位需要两个熟手，现在一个熟手带一个新手就能搞定，相当于省下一个人的人力成本。加上返工、客诉减少带来的隐性成本节约，我们算了下，大概14个月能回本。

  

还没解决好的地方：

• 特别复杂的缺陷：比如一些非常轻微的、跟纹理方向一致的划痕，AI有时候还是会犹豫，需要人重点看一下。

• 新产品上线：虽然学习速度快了，但每出一个全新形状的产品，还是需要人工收集一些正反面样本给系统“认识一下”，有个半天的适应过程，做不到完全“零设置”。

• 设备维护：光源用久了会有衰减，需要定期清洁和校准，这部分增加了点维护工作量。

如果重来，我会怎么做

回过头看这段经历，如果让我重新选一次，有些地方我会做得更聪明。

第一，别想着一口吃成胖子。 别一开始就想着做全自动流水线，从最痛的一个点开始，用“人机协作”这种方式先跑起来，风险小，见效快。我们就是从成品终检这个岗位开始的。

第二，供应商要“门当户对”。 别光看公司大小和名气，关键看他们有没有做过跟你类似工艺、类似规模厂子的项目。最好能去他们做过的客户那里看看，听听真实反馈，特别是问问他们遇到问题时的响应速度。

第三，数据准备要趁早。 在跟供应商接触的时候，就可以有意识地收集一些典型的好件、坏件样品，拍好照片。这些是训练AI的“粮食”，准备得越充分，后面上线调试就越快。

第四，人的因素最关键。 一定要让一线检验员参与进来，特别是老师傅。他们的经验是最宝贵的。系统调试时要多听他们的意见，上线后要给他们培训，让他们明白这是来帮他们的，不是来取代他们的。心态顺了，用起来才顺。

第五，合同要写清楚。 特别是关于算法模型迭代升级的费用、后期维护响应的条款、达到什么效果才算验收合格，这些都要白纸黑字写明白，避免后面扯皮。

给想尝试的同行几句实话

AI外观检测这东西，对咱们折弯加工行业来说，肯定不是“万能药”，但它确实是解决“人眼疲劳、标准不一”这个老毛病的一剂“特效药”。

它不适合那种产品极其复杂、缺陷毫无规律、或者产量极低（一天就做几件）的厂子。但对于像我们这样，有一定批量，产品类型相对固定，对外观一致性要求又比较高的厂，投入产出比是算得过来的。

最关键的是想清楚你自己的痛点到底是什么，是漏检导致客户投诉？还是检验人力成本太高？或者是想提升生产数据化水平？目标不同，选的方案和投入的力度也会不一样。

别被那些花里胡哨的概念唬住，多看看实实在在的案例，多算算经济账。这东西现在越来越成熟，价格也比前两年实在多了。

最后说两句，上这种系统，算是个不大不小的决策。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。至少能让你在跟供应商谈的时候，心里更有底，知道该问哪些关键问题，不至于被牵着鼻子走。毕竟，钱要花在刀刃上。