干我们这行的，谁没被缺陷检测坑过几回？上个月那条生产线，就因为一个芝麻大的划痕，整批料全废了。老板脸都绿了，质保部那帮人恨不得用放大镜数毛孔。说实话，我到现在还心有余悸——不是怕担责，而是觉得，这年头机器都那么聪明了，怎么检测个缺陷还跟抽奖似的？
不过话说回来，缺陷检测这门手艺，或者说这门科学，从来就不是“睁大眼睛看”就完事的。它太吃场景了。金属反光，塑料透光，玻璃又反又透……你要是拿个标准算法套所有物料，能行才怪！我试过不下二十种方案，有些纯属交学费——最后发现，真正好用的，都得靠视觉检测系统里那套深度学习模型，还得会哄它，跟养猫似的。
💡 选型时最怕什么？怕厂商拿通用demo忽悠你。给你看个螺丝孔检测，哇，0.1毫米的毛刺都看得清，结果到了现场，油渍一糊，灯光一晃，直接抓瞎。这种破事我经历过不止一次。所以现在我看方案，先看缺陷样本——不是那种干干净净的实验室图片，而是从产线上扒拉下来的，带着切削液、灰尘的那种。
为什么高精度≠高检出率？
很多人一上来就迷信分辨率，好像像素越高越牛。错！大错特错。去年我们搞了个手机中框检测，相机塞到2900万像素，结果呢？过杀率飙到30%以上。为什么？因为把纹理当缺陷了。后来换了套AI算法，像素没变，但学会了区分“正常的纹”和“该杀的纹”。这事给我的教训是——缺陷检测的本质不是摄影大赛，是理解制造工艺。
举个例子，注塑件的缩水痕，从图像上看就是一小片云状暗影。传统算法要么漏，要么把阴影全当成缺陷。但如果你懂注塑，就知道缩水通常出现在加强筋背面，形状有方向性。把这种工艺特征喂给模型，检出率瞬间从70%拉到95%以上。❗ 难吗？难在没人愿意蹲在注塑机旁边看三百模。
说到这，想起一个哭笑不得的事。有家客户要求检测脏污，给了张极限样本——工人手指印。我说你这属于外观缺陷，但检测逻辑得按指纹走。对方不信，非觉得标准AI能搞定。后来我让他们在强光下用同轴光拍，指纹亮得像荧光，传统算法才算勉强识别。但产线上哪有那条件？最后还是老老实实加了缺陷分类，专门训练个指纹识别分支。
数据！数据！还是他妈的数据！
搞缺陷检测系统的都知道，模型再花哨，没数据就是废铁。但工业数据太他妈难搞了。良品堆成山，缺陷品跟大熊猫似的——一个模次可能就出三五个。我最高纪录是守了生产线整整两天，就为了攒够200张缺陷图像。最崩溃的是，好不容易训出来个模型，换批原料，缺陷特征又变了。这行真是没有尽头。
问：上深度学习缺陷检测，最少需要多少张缺陷图片？
答：这问题跟“娶媳妇要花多少钱”一样，没准谱。要看缺陷的复杂度。如果只是简单的划痕或缺料，背景干净，三五十张也凑合。但像焊点缺陷那种，裂纹、气孔、飞溅，每个亚类都是不同的故事，没个几百张根本别想稳定。我个人习惯，新项目至少准备100张缺陷，且必须包含不同光照、不同位置、不同形态的变异。而且别忘了良品样本——至少500打底。否则过杀率高到你怀疑人生。
问：用现成的预训练模型行不行？
答：行，但别指望开箱即用。那些在ImageNet上称王称霸的网络，到了产线上，连个油污和锈迹都分不清。你得做迁移学习，还得针对性地调整数据增强策略。我常用的一招是对比度自适应增强，模拟产线环境光波动，实测能提升10%以上的召回率。另外，标注的时候画框要手松一点，给模型留点容错空间，这个经验值几万块呢。
搞清需求比抠算法重要得多
很多厂一上来就要“零缺陷”，吓得我直哆嗦。零缺陷是个哲学概念，不是工程指标。你跟老板谈良率、谈PPM，他跟你谈信仰，这活就没法干了。一定要把需求量化：允许的漏检率是多少？可接受的误报率上限？最关键的，是致命缺陷必须零漏检，比如安全件裂纹。至于不影响功能的外观瑕疵，放宽点，别把产线逼成停线检查站。
有一次做动力电池的极片缺陷检测，客户死咬住涂层划痕不放。其实那些划痕深度才2微米，电解液一泡根本不影响性能。但他们怕电池起火，宁可错杀一千。最后我们设计了分级检测：一级直接判定，二级人工复判。系统发现划痕就报警，但不自动剔除，由质检员拿显微镜看。这样既没风险，又没把产能砍一半。💡 这思路后来被我当成宝——不是所有缺陷都值得你动刀动枪。
✅ 选检测设备时，我建议先搞清这三个问题：第一，你的缺陷是表面缺陷还是内部缺陷？这决定用2D视觉还是X光。第二，你的生产节拍是多少？一条慢线可以上高分相机加复杂算法，快线就得考虑线阵扫描+硬件加速。第三，缺陷有没有规律？规律性的东西可以写规则判断，别动不动就上AI，省成本还稳定。
说实话，混这行越久，越觉得缺陷检测是个手艺活。它不是纯技术问题，是材料、工艺、光学、算法的混合物。那天跟一个老质检聊天，他说他摸一下工件就能感觉到有没有砂孔——这种直觉，算法永远学不会。但我们能不能把它变成数据？也许能。也许不能。但这就是干这行的乐趣：在人和机器之间，找那个微妙的平衡点。
❗ 最后补一句：别迷信全自动。我见过最成功的项目，都是人机结合——机器做粗筛，人做确认。尤其对于稀有缺陷，人的泛化能力目前还是吊打AI的。等哪天真有能在线学习、自己发现新缺陷类型的系统了，那才算革命。现在嘛，咱们还是得勤快点，多去车间闻闻切削液的味道。