干了十几年质检，最烦的就是听老师傅说“差不多就行”。差不多？一个划痕漏过去，整批退货，损失谁扛？
可你还真别怪人。 让他盯着传送带看八小时，眼睛不花才怪。有回我们做手机壳氧化检测，俩质检员换班，愣是把一批麻点纹当成了拉丝工艺——全放行了。客户投诉回来，厂长脸都绿了。
所以后来上自动外观检测，真不是追什么工业4.0时髦，就是被逼的。 活活逼出来的。
人工检测的痛点：人眼这玩意儿，太不靠谱
你知道人眼在强光下盯细小缺陷的有效时间多长？ 撑死二十分钟。之后注意力断崖式掉。更别说情绪——早晨跟老婆吵一架，全天良品率能跌三个点。❗
我们测过数据：同一个质检员，上午和下午对同一批工件的外观判定一致性，连70%都不到。这还是老手。新人更离谱，把油污当氧化层的蠢事不是没出过。
而且有些缺陷人眼根本看不见。比如透明注塑件的内部应力纹，得在特定偏振光下才显形；微型电子元件上的崩角，50微米以下，人眼极限分辨率也就0.1毫米。这时候你说靠人眼？那是开玩笑。
问：人工检测出错率那么高，为什么工厂还大量用人工？
答： 便宜啊，兄弟。一条自动外观检测产线几十万上百万，一个质检员月薪才多少？很多小厂算过账，觉得不划算——但他们没算返工、客诉、品牌损耗。我见过一个做汽车紧固件的老板，连续三个批号被主机厂退货，直接丢了供货资质。后来咬牙上了AOI，三个月回本。💡这账得长远算。
机器视觉怎样“看”得更准？
说白了，就是给机器配上眼睛和大脑。眼睛是工业相机和镜头，大脑是图像处理算法。但能不能“看见”，关键在光源！
我踩过坑。最早用普通环形光打亮工件，表面反光一片白，缺陷全淹了。后来换低角度暗场照明，划痕立马跳出来，像黑夜里的闪电。有些透明材质得用背光，让瑕疵投影成像；凹凸字符要用多角度分光。光源没选对，后面算法再牛也是瞎子。
算法现在进步真快。传统的是模板匹配、灰度分析，遇到复杂纹理傻眼。现在深度学习，把几万张缺陷图喂进去，它能自己学会判断。我们上个月试了一个基于卷积神经网络的表面缺陷检测模型，对铝铸件气孔的检出率干到了99.7%——这还是人根本看不清的针孔。❗
当然不是所有场景都得用AI。简单的有无检测、尺寸测量，传统算法够用，成本低还稳定。别听销售忽悠“智能”，就啥都上深度学习，那是浪费。
问：外观检测设备是不是越贵越好？
答： 未必。关键看你的检测需求。精度、速度、缺陷类型、材质特性，这些决定配置。一台六百万像素的线扫相机，配上远心镜头和同轴光，看手机玻璃划痕是神器，拿来查瓶盖有没有拧紧就是杀鸡用牛刀。还有软件易用性——有的系统调个参数得厂家工程师远程操作，产线停半天，急死人。✅一定要让供应商拿你的实际样品做离线测试，把最难检的缺陷挑出来跑一遍，漏检率过检率都摆到明面上。
选型避坑：有些话供应商不会告诉你
第一，精度标称水分大。标称0.01毫米的像素精度，实际因为镜头畸变、震动、环境光变化，能稳定检出0.05毫米的缺陷就不错。得留裕量。
第二，换型调试坑死人。产品一换，光源角度、相机参数、算法阈值全得调，有些系统换个件要四小时，那柔性产线就废了。务必考察换型效率。
第三，灰尘和油污是头号干扰源。无尘车间还好，普通车间里镜头上落一点灰，算法就报一堆假缺陷。要么定期清洁，要么上自清洁装置，要么算法做脏污过滤——千万别忽视。
上周去友厂，他们买了套知名品牌的外观检测，结果传送带振动导致图像模糊，算法死活学不出来。最后在支架下垫了四块减震橡胶，问题就解决了……四块胶皮，差点让三十万的设备趴窝。你说上哪儿说理去。
所以说，外观检测真不是买台相机挂个软件就完了。它得有人懂工艺、懂光学、懂算法，还得懂产线的实际脾性。 不然，再好的设备也能用成一坨废铁。
差不多？ 以后谁再跟我说差不多，我带他去退货区坐一天。