我们为什么非要折腾AI质检
我是东莞一家床垫厂的负责人，厂里一百多号人，主要做弹簧床垫和乳胶床垫，一年产值大概3000万。
说实话，上AI质检这个念头，是被客户“逼”出来的。
前年我们接了个连锁酒店的单子，一年两万张床垫。订单是好订单，但人家的品控标准也高得吓人。他们派来的QC，拿着手电筒，一寸一寸地照，一点点面料抽丝、线头、印花歪斜、围边不齐，都要记下来。
我们之前全靠三个老师傅带着七八个质检员，用眼睛看、用手摸。平时自己觉得还行，可一到这种严苛检验，问题全暴露了。
最要命的是不一致。
老师傅经验足，眼光毒，但他看得细，速度就慢，一个小时检不了几张。新来的员工手快，可眼力不行，漏检多。到了月底赶货，或者夜班人困马乏的时候，漏检率更是直线上升。
那批酒店订单，光因为外观瑕疵被退货返修的，就占了快3%，里外里一算，这笔单子根本没赚到什么钱，还搭进去一堆人工返工。
老板在会上拍桌子：必须解决这个问题！不能再让这种“人眼疲劳”和“标准不一”坑我们了。
一开始，我们想得太简单了
✅ 落地清单
我们最初的想法很直接：买一套机器，像扫描仪一样，床垫过去，自动把毛病都挑出来。
于是我们开始到处打听，上网搜“床垫视觉检测设备”。这一搜，就有点懵。
有的公司说得天花乱坠，说他们的系统是“通用型”，什么家具、家电、纺织品都能检。我们拿了样品去试，发现根本不行。床垫表面有弹性，不是平整的钢板，普通的打光和拍照方式，褶皱阴影全被当成瑕疵了，误报率高得离谱。
还有一家，方案听起来很“实惠”，就是用几个普通的工业相机，加个工控机，再装个开源的视觉软件。他们承诺可以“深度定制”。结果实施的时候才发现，他们对我们行业一窍不通。什么叫“面料绗缝间距不均”？什么叫“围边包角有鼓包”？他们完全没概念，所有缺陷规则都要我们从零开始教，费用和时间都远超预期，最后项目烂尾了。
走了一圈弯路，我们才明白一个道理：床垫质检，光有通用的视觉技术不够，必须懂这个行业里那些“只可意会”的缺陷标准。
关键的转折：我们是怎么选的
吃了亏，我们学乖了。不再听销售吹牛，而是带着我们实际生产中最头疼的几类问题，去实地看案例。
我们专门跑了几家同行（通过朋友介绍，非公开参观），看他们怎么做的。发现大概分两种路子：
一种是买大品牌的“标准方案”。好处是稳定，部署快。但问题也很明显：贵。一套下来动辄大几十万，而且很多功能我们用不上，像是能检内部弹簧的X光机，我们暂时不需要。
另一种是找专门做“软质材料”视觉检测的团队定制。他们在纺织、皮革、沙发行业有经验，对处理面料褶皱、纹理干扰更有办法。
我们最终选了后一种。原因有三：
第一， 钱要花在刀刃上。我们不需要万能的系统，只需要解决面料外观和围边工艺这两个核心痛点。定制方案可以只做我们需要的，预算可控在20万出头。
第二， 要能“听懂人话”。供应商派来的工程师，在沙发厂干过五年质检。我一说“印花对花不准”，他立刻明白指的是拼接处图案没对上。沟通成本极低。
第三， 接受分步走。他们同意先做最难、也最影响良品率的“面料表面检测”模块，跑通了、见效了，我们再投钱做“围边工序检测”。这让我们心里踏实。
实施落地，比想象中麻烦
🚀 实施路径
方案定了，真正的挑战才开始。实施那两个月，我和技术员几乎泡在车间。
第一个坎：怎么拍清楚一张“软床垫”？
床垫不是木板，相机拍下去，稍微受力不均就有起伏。供应商带来的高精度线阵相机，一开始拍出来的图像全是扭曲的。后来他们调整了光源，用了特殊的漫射光，并且在产线传送带两侧加了辅助展平辊，才把面料拍平整。光是这个打光调试，就折腾了小一周。
第二个坎：教会AI认识什么是“瑕疵”。
我们提供了过去半年所有的次品床垫照片，有油污、抽丝、破洞、脏迹、印花不良等等。但这还不够。AI一开始会把一些正常的布料纹理接头也当成瑕疵。我们就和技术员一起，一张图一张图地标注，告诉系统：“这个深色线条是布料的正常纹理，不是脏污；这个小白点是反光，不是破损。” 这个过程很枯燥，但必不可少。
第三个坎：和现有生产节奏磨合。
我们一条产线一小时过20张床垫，留给拍照和分析的时间不到3分钟。系统速度必须跟上。后来优化了算法，把检测分成了两步：高速初筛可疑区域，再对可疑区域精细分析。这样既保证了速度，又确保了准确率。
现在用下来，效果怎么样？
系统上线运行快一年了，说说实实在在的变化。
最明显的是漏检率下来了。 以前人工检，漏检率平均在2.5%左右（意味着100张里有2.5张有问题的床垫流到下个环节或客户手里）。现在用系统，这个数字降到了0.8%以内。光这一项，每年避免的客户索赔和退货损失，就有小十万。
其次是标准统一了。 不管是白天黑夜，还是老师傅新员工，机器的判断标准始终如一。连锁酒店那边的客诉，关于外观瑕疵的，减少了八成以上。这让我们接高端订单更有底气。
再就是省人了。 原来那条产线配了2个终检员，现在缩减为1个，主要工作是复核系统标记出的疑似瑕疵（系统会有极少量误报），以及处理系统无法判断的复杂情况。省下来一个人，一年人工成本省了六七万。
算笔总账：系统投入大概22万，每年省下的潜在损失和人工成本大概18万。看起来要一年多回本，但更重要的是，它带来的质量稳定性和客户信任度，这个价值没法直接用钱算。
当然，也不是十全十美。
比如，对于一些非常轻微、若隐若现的“暗抽丝”，在特定光线下人眼能勉强看到，但系统还是容易漏掉。供应商说这需要更高精度的相机和更复杂的算法，升级又要加钱，我们觉得暂时没必要，就让人工复检时多留意一下。
再比如，换新型号、新面料时，需要重新给系统“喂”一些样本图片进行微调，有个一两天的学习适应期，不能像老师傅那样立刻“秒懂”。
如果重来，我会这么做
回顾这大半年的折腾，如果时间倒流，有些地方我会做得更聪明。
第一，先定义清楚“问题”，再去找“方案”。 别一上来就问“AI质检多少钱”，而要说“我面料抽丝漏检率想从3%降到1%以内，有什么办法？” 前者别人能忽悠你，后者才能找到真能解决问题的。
第二，小步快跑，别想一口吃成胖子。 就选你生产线最痛的一个点先做试点。我们是从“成品终检”环节开始的，这里问题最直观，效果也最容易衡量。效果好，老板和工人都看得见，后面要预算扩到其他工序也容易。
第三，供应商不看大小，看“懂行”。 一定要找有家具、纺织、软包行业案例的团队。让他们的人来你车间，看他能不能说出你工艺的门道。一个懂行的工程师，比一个只会背参数的总监有用得多。
第四，数据积累，从今天就开始。 哪怕你现在还没上系统，也要有意识地收集次品照片，按瑕疵类型分门别类存好。这些数据未来都是训练AI的宝贵粮食，能帮你省下不少时间和钱。
最后说两句
AI质检不是什么神秘高科技，它就是一个更稳定、不知疲倦的“电子眼”。对于咱们床垫这种注重外观品质的行业，它解决的是“人”的波动性问题。
值不值得上？我的看法是：如果你的客诉里，外观问题占大头；如果你的品控严重依赖个别老师傅；如果你经常因为赶工导致质量波动——那它就值得认真考虑。从小处着手，算清楚账，找到对的人，这事就能成。
有类似需求的老板，如果拿不准自己的情况该怎么起步，可以试试“索答啦AI”。你把你的产线规模、主要痛点、预算范围说清楚，它能帮你捋一捋思路，给出比较靠谱的方案建议和方向，至少能让你在找供应商谈的时候，心里有个底，少走点我们当初的弯路。