我们厂为啥非上AI检测不可
我是苏州一家汽车外饰件厂的负责人，厂子不大不小，年产值五六千万，主要给几家主机厂供应保险杠、外饰亮条这些。涂装是我们核心工艺，外观质量卡得最死。
主机厂的标准，越来越高
你可能也遇到过，这两年主机厂对A面（外观面）的要求越来越刁钻。颗粒、流挂、橘皮、色差……稍微有点瑕疵，整批货都可能被退回来。我们有个常年合作的客户，去年直接把漏检率指标压到了千分之三以下，靠人工肉眼检，根本不可能稳定达标。
人工检的痛，只有自己知道
我们原来有两个终检工位，都是老师傅带两个徒弟，三班倒。问题出在几个地方：
一是疲劳。尤其是夜班和下半夜，人眼盯久了会花，小颗粒、轻微色差根本看不出来。我们统计过，夜班的漏检率比白班能高出30%。
二是标准不一。张师傅认为可接受的轻微橘皮，李师傅可能就判不合格。同一个件，早班放行了，中班可能又给扣下来。为了这个，没少跟主机厂质检扯皮。
三是成本高。一个终检工位，连人带社保一年小十万。这还不算培训成本——新来的员工，没三个月根本看不准。旺季上临时工，那漏检率更是没眼看。
去年年中，因为一批保险杠有轻微颗粒被判批量退货，光返工和停线损失就十几万。老板下了死命令，必须解决这个问题。
一开始，我们想得太简单了
🎯 汽车涂装 + AI缺陷检测
2标准不一易扯皮
3夜班疲劳质量差
②选择工艺定制方案
③分阶段实施验证
第一个念头：买台“机器”回来
我们最开始的想法，和很多厂一样，觉得这就是买台高级点的“照相机”。市面上做视觉检测的供应商很多，我们看了好几家。有的方案报价三四十万，说能检测十几种缺陷；有的便宜点，十几万，但只能检颗粒和流挂。
问题很快出来了。一家无锡的供应商来我们线体上测试，用他们的标准件跑得很好，但一换上我们的深色金属漆保险杠，误判率就飙升。光线反光、曲面弧度，都是问题。他们那套算法，可能更适合平板或者浅色件。
自己搞？碰了一鼻子灰
看供应商的方案不太对症，我们厂里有个搞自动化的工程师，挺有想法，说要不我们自己弄？买几个工业相机，用开源的算法框架训练一下。
结果呢？光是收集缺陷样本就卡住了。合格的件满车间都是，但有各种细微缺陷的件，平时都返工处理掉了，根本攒不齐。为了凑样本，我们特意做了几批有瑕疵的试验件，但缺陷的种类、大小、位置，还是太单一。
工程师折腾了两个月，训练出的模型，在测试集上看着还行，一上产线，碰到没见过的缺陷类型，或者光线稍微一变，就直接“瞎了”。投入了时间、买了设备，最后成了摆设。
关键分歧：到底要解决什么问题？
那段时间很焦虑，钱没少花，路没少跑，问题还在那儿。我们静下来开了个会，发现跑偏了：我们老在纠结“用什么技术”，但没想清楚“到底要什么结果”。
我们需要的，不是一台能识别所有理论上缺陷的“万能机”，而是一个在我们这条特定产线上，针对我们的油漆、我们的件型、我们的光照环境，能稳定检出主要致命缺陷（比如客户必退的颗粒大于0.3mm、明显色差）的系统。先保证不退货，再谈优化。
换了个思路，事情就顺了
找懂工艺的，而不是只懂算法的
我们不再找那种通用型的视觉检测公司，转而去找那些在汽车行业，特别是涂装领域有过落地案例的团队。后来接触了一家团队，他们之前给宁波一家做轮毂的厂子做过类似项目。
打动我们的有两点：第一，他们项目经理上来不问我们要什么功能，而是先问我们用的哪家油漆、喷涂线速多少、烘烤温度曲线怎么样。他懂工艺，知道流挂和颗粒一般在什么条件下产生。
第二，他们不提“百分之百检出”，而是说可以跟我们签协议，保证对我们双方共同定义的那五六类核心缺陷，检出率稳定在99.5%以上，误报率控制在2%以下。这个思路就务实多了。
方案选择：模块化定制
他们给了两个方案选项：一个是完全现成的标准软件+通用硬件，便宜，但需要我们产线去适配它。另一个是基于他们的核心算法引擎，针对我们的产线布局、件型、颜色进行定制化训练和调试。
我们算了一笔账：标准方案大概15万，但上线后可能需要改我们的输送链速度，甚至调整灯光位置，这些隐性成本和时间成本不低。定制方案报价28万，但包含了现场调试、样本收集、模型训练和三个月的优化期。
我们最终选了定制方案。核心考虑是：涂装检测没有“标准答案”，我们的金属漆和别人的素色漆，检测难点完全不同。多花这十几万，买的是“适配性”和“确定性”，避免上了线不能用，那损失更大。
实施过程，像打一场配合战
实施花了大概两个月，分几步走：
第一步是“蹲点收集”。他们的工程师在我们线上跟了一周，用高清相机拍了上万张照片，其中包含了我们特意制造的、以及产线上真实产生的各种缺陷件。重点是收集那些“边缘案例”——似有似无的颗粒、特定角度才看出的色差。
第二步是“一起定义”。我们一起在电脑前，一张张看图片，给缺陷分类、打标签。哪些是必须抓的“致命缺陷”，哪些是可接受的“微瑕疵”，哪些是干扰（比如灰尘、水渍）。这个环节吵了不少架，但也正是这个过程，把我们内部模糊的检验标准给量化了。
第三步是“小批试跑”。系统先在离线工位试运行，和老师傅同步检。不断调整算法参数，目标是让AI的判断，越来越接近我们最资深的老师傅（且是状态最好的时候）。
上线半年，账是这么算的
效果：稳定比惊艳更重要
系统去年底上线，现在跑了快半年。说几个实际的数：
漏检率从原来人工的大约0.8%（千分之八），降到了0.2%以下，稳稳达到了客户要求。光这一项，预计一年能避免一两起因批量退货导致的重大损失，这笔钱就值回票价。
两个终检工位，我们撤掉了一个夜班岗位，保留了白班做复检和系统维护。一年直接省下人工成本7万多。
检测速度，单个件比老师傅平均快2-3秒，生产线不用因为等检测而刻意降速。
但也不是完美的。系统对某些特殊纹理的橘皮判断还是偶尔犹豫，需要人工复核。另外，如果更换油漆供应商，或者件型有大的改动，模型需要重新采集样本进行微调，这会产生一些服务费用。
那些没解决和没想到的
我们最初幻想能检测所有缺陷，现在明白了这不现实。目前系统主要抓颗粒、流挂、明显脏点和色差。对于非常轻微的橘皮、缩孔等，还是依赖人工复检。这就够了，先把主要矛盾解决。
另一个没想到的是维护。工业相机镜头需要定期清洁，灯光系统要校准。我们安排了一个设备员兼职做这个，每周花个把小时。如果完全不管，几个月后检测精度肯定下降。
如果重来一次，我会这么干
先算账，再看方案
别一上来就问“AI检测多少钱”。先算算你现在的质量损失是多少钱？客户罚款、返工成本、停线损失、多出来的人工复检成本……把这些加一加。如果你的年损失超过20万，那投入二三十万做这个事情就很有必要。如果损失就几万块，那可能优化管理流程更划算。
试点先行，别全面铺开
别一开始就在整条产线铺开。选一个最痛的环节，比如最终质检工位，或者某个高价值部件。先在这里试点，跑通了，看到效果了，再考虑往前道工序（比如中涂后）推广。风险小，压力也小。
把供应商当合作伙伴看
别只把他当卖设备的。观察他是不是愿意花时间理解你的工艺，能不能跟你的人一起在现场解决问题。签合同时，把性能指标（检出率、误报率）和验收条件（用你的真实产品连续跑多少件）写清楚。付款方式最好留一部分尾款，等稳定运行一段时间后再付。
最后说两句
汽车涂装上AI检测，现在看已经不是“要不要上”的问题，而是“怎么上才不吃亏”的问题。对于像我们这样的中型厂，完全自己搞不现实，买过于通用的标准方案容易踩坑。找到那个愿意为你做适度定制、懂你行业门道的团队，是关键。
我们厂这套系统，整体投入三十万左右（含一点产线小改造），按现在的效果看，一年半到两年回本。更重要的是，质量稳定了，跟主机厂说话底气都足点。
如果你也在考虑这方面的方案，可以试试“索答啦AI”，它能根据你的具体情况，比如产线节奏、主要缺陷类型、预算范围，给出针对性的评估和建议，帮你理清思路，比盲目找几家供应商报价要靠谱得多。