制造业质检上 AI：三个厂踩过的坑和一张落地路线图

视觉质检几乎是每个制造企业做 AI 的第一站：有明确目标、有现成相机、结果可量化、能算清 ROI。但我们在三个不同产线上看到的情况高度一致——POC 阶段准确率漂亮，上线三个月后被车间搁置，工人绕过系统用回人眼。

失败原因几乎从不是模型精度不够，而是POC 条件和生产条件之间的差距。

坑一：样本是”挑”出来的，不是”采”出来的

POC 阶段最常见的数据采集方式：让质检员把过去半年的不良品照片整理出来，正样本从良品里随便抽一些。这样得到的训练集，不良品是”典型缺陷的代表作”，良品是”随机采样”。

问题在于真实产线上的分布完全不同：

• 不良品绝大多数是”轻微、边界模糊、难判定”的，典型缺陷是少数
• 良品里混着大量”看起来像不良但其实合格”的样品（纹理、反光、异物）
• 拍摄条件随光照、工位、设备老化持续漂移

结果：模型学会了区分”典型缺陷 vs 随机良品”，在线上遇到边界样本时判断失准，而且误报率高得离谱。车间每天处理几十条误报，最后干脆关掉系统。

正确做法：在真实产线上连续采集至少 3 天、覆盖不同班次和光照条件的数据，由两名以上质检员独立标注有争议的样本，把”判定一致”和”判定分歧”分开存。分歧样本是最有价值的部分——它们标出了任务的固有难度边界。

一条经验：如果两位熟练质检员的分歧率超过 15%，这个检测任务用当前成像条件就做不好，先改进打光或相机，而不是换模型。

坑二：部署环境不是一个模型，是一条链路

POC 在办公室跑，输入是存好的图片。线上是：相机采集 → 传输 → 推理 → 结果展示 → 分拣动作，中间任一环节出问题，系统都表现为”不准”。

实测中最常见的三个工程问题：

1. 节拍对不上。 产线节拍 800ms，完整推理链路跑到 1.2s，导致检测滞后一个工件——这类问题在演示时完全看不出来。
2. 光照漂移。 环境光随时间和天气变化，模型在下午三点之后误报率明显上升。解决办法是固定光源 + 定期白平衡校准，而不是让模型”学会适应光照”。
3. 相机清洁与镜头污染。 这是单一最大误报来源，且极易被忽略。要在系统里加一张”参考图”定期比对，图像整体模糊度超标时先报警”镜头需清洁”，而不是输出一堆缺陷。

建议：POC 阶段就把推理链路整体搬到产线旁，用它跑至少一周的离线数据，测端到端延迟和漂移，而不是用办公室的图片集测准确率。

坑三：阈值定在了错误的地方

模型输出一个分数，需要落成”通过/不通过”两个动作。这个阈值的设定方式决定了系统能不能活下来。

多数团队的做法是找”准确率最高”的点。这个做法在质检里是错的，因为两类错误的代价完全不对称：

• 漏检（坏品判良）：流出到客户，代价可能是一次召回
• 误报（良品判坏）：由人工复检确认，代价是一次人工工时

正确的方法是确定漏检容忍度（通常由质量部门给出，比如 0.1%），在这个约束下最小化误报。这样得到的阈值往往比”准确率最高点”更保守。

还有一层要设计：把模型输出分成三段——确定良、确定不良、需要人工复检。 三段式比二段式更适合现实产线，因为中等置信度的样本本来就该由人看。实践中，让复检区占 5-10% 的量，能同时拿到低漏检和低误报，而且工人不会因为”系统老是烦我”而绕过它。

一张落地路线图

按阶段推进，每个阶段有明确出口条件：

阶段0  任务定义（2周）
       定义缺陷类别、判定标准、成像方案；测质检员分歧率
       出口：分歧率 < 15%

阶段1  数据采集（3-4周）
       真实产线连续采集，覆盖班次/光照/批次
       出口：每类缺陷 ≥ 200 个真实样本，含边界样本

阶段2  离线验证（4-6周）
       模型训练 + 三段式阈值设定 + 影子运行（只记录不干预）
       出口：在影子期数据上漏检率达标、误报率可接受

阶段3  并行运行（4周）
       AI 与人工双检，AI 结果不参与分拣，逐日对账
       出口：连续两周无重大漏检，误报处理工时低于阈值

阶段4  切换与监控（持续）
       人机协同，建立误报反馈回路（工人标注"这是误报"直接进训练集）
       监控：漂移指标、误报率、漏检抽检

最容易被忽略的一件事：让工人参与阈值设计

三个厂的经验里，唯一成功的那个项目做了一件其他两个没做的事：在阶段3邀请一线质检员一起定复检规则。工人知道哪类缺陷他们是真拿不准、哪类是系统太敏感。他们的直觉比数据更快收敛。

质检系统最终是给人用的。如果工人觉得它”在添麻烦”，任何精度都无法挽回。