它解决什么问题
人工目检靠的是经验和专注，而这两样东西都有上限：一个班次看下来，眼睛会累；不同的人，对“算不算缺陷”的尺度不完全一样；夜班招人难，老师傅又带不过来；出了质量问题，想回头查某一件当时的样子，往往没有记录。
AI 视觉质检不是要把人换掉，而是把大量重复、明确的判断交给机器，把老师傅的经验留给真正需要判断的那几件。
适合哪些检测
适合
- 表面缺陷：划痕、凹坑、污渍、毛刺
- 有无与错漏：缺件、漏装、错装、标签贴错
- 位置粗检：偏移、歪斜、方向装反
- 印刷与字符：喷码、日期、批号是否清晰正确
- 按外观分类、计数
需要谨慎评估
- 缺陷极其细微，已经接近人眼的极限
- 高反光、透明的材质（需要专门的打光方案）
- 不良品极少，很难攒够样本
- 需要精密测量（这时专业测量设备更合适）
一套系统由什么组成
| 组成 | 作用 | 说明 |
|---|---|---|
| 工业相机与镜头 | 拍清楚 | 根据零件大小、精度要求和生产节拍选型 |
| 光源 | 让缺陷“显出来” | 往往比算法更关键，好的打光能让缺陷一目了然 |
| 触发与执行机构 | 在对的时刻拍，把不良品分出去 | 传感器触发拍照，配合气缸、推杆或分拣机构 |
| 边缘计算设备 | 在现场实时判断 | 不依赖外网，图像数据可以不出车间 |
| 软件与看板 | 记录、统计、追溯 | 每一件的图像和结果留档，可按批次、时间查询 |
怎样从一个工位开始
- 选工位。挑一个缺陷类型清楚、人工检查压力大的工位。
- 收集样本。合格品和各类不良品都要拍，越接近真实生产越好。
- 搭样机。先把相机和光源装上，离线验证“看不看得出来”。
- 并行试运行。AI 和老师傅同时检，对比结果，一起校准判断标准。
- 再做决定。效果达标，再扩展到更多工位；不达标，就停在这一步。
AI 会取代质检员吗？
不会，也不应该。更现实的分工是：AI 处理大量重复、明确的判断，并把拿不准的挑出来；老师傅负责定标准、处理疑难件、改进工艺。
老师傅的经验，恰恰是训练和校准 AI 最重要的依据。什么算缺陷、缺陷分几级、哪些情况可以放行，这些判断标准都来自他们。
费用由什么决定
- 检测精度和生产节拍，决定相机和计算设备的规格
- 打光难度：反光、透明、曲面材质需要定制光源
- 是否需要自动剔除，以及和产线 PLC 的对接方式
- 工位数量，以及是否需要看板和追溯系统
先免费诊断、看样品，再给固定报价。硬件和软件的费用分开列清楚。
常见问题
需要准备多少样本？
取决于缺陷的类型和变化程度。试点前我们会先看样品，给出拍摄和采集建议；不良品很少的情况也有相应的处理方法，需要在诊断时一起评估。
现有产线需要大改吗？
通常不需要。多数情况是在现有工位上加装支架、相机和光源；如果需要自动剔除，再评估和产线的对接方式。
车间网络不好，能用吗？
能。判断在现场的边缘设备上完成，不依赖外网；网络只用于同步记录和远程维护。
你们只做软件吗？
软件和硬件都做：相机与光源选型、机构、边缘设备、后台软件和看板，一家负责到底，出了问题不用几家来回推。