计算机视觉（CV）落地工业制造：真需求与伪神话

上个月蹲长三角一家中型汽配厂，呆了三天。亲眼见老板把刚装了半年的百万级计算机视觉（CV）缺陷检测线，停了半条。不是CV没用，是当初供应商吹得太神，落地全是坑。

工业缺陷检测，九成项目死在三个细节上

很多人觉得CV拼的是算法，其实工业场景里，七分靠硬件，三分靠算法。一个0.1mm的铸件砂眼，你光源角度不对，打上去就是一片匀光，缺陷根本出不来，模型再牛也抓不到特征。全白搭。

第二个坑是样本错配。我见过最多的问题，是把所有缺陷混在一起喂给模型。好件几十万，坏件才几十张，模型学出来的结果就是，宁愿错杀一千，不能放过一个。好好的合格工件，动不动被判成不良，检验工人每天要花一半时间返工，老板天天挠头。第三个坑，是只出结果，不碰根因。很多CV方案就干一件事：告诉你这个件坏了。至于为什么坏，是模具磨了？还是冲压压力偏了？说不出来。等于工厂多了一道检测工序，没帮你解决根本问题，降本也就无从谈起。问：我们工厂想上计算机视觉缺陷检测，是不是得先攒够几千张坏件样本才能启动？答：真不用。靠谱的落地项目，第一步从来不是攒数据，是拉工厂的老工艺师把缺陷分级。哪类是会出安全事故的致命缺陷，必须100%拦下来，哪类是不影响性能的外观划痕，客户根本不在意，先给CV划清楚红线，再针对性补样本。致命缺陷哪怕只有几十张，给够权重加数据增强，效果比拿一万张杂样本训练好太多。

除了缺陷检测，计算机视觉（CV）还有两个闭眼落地的真方向

我跑现场这么久，发现很多工厂盯着缺陷检测挤破头，其实另外两个方向的CV应用，落地成功率高得多，回本也快。第一个是乱序分拣+无序抓取。小五金、汽配、电子组装这些行业，以前最头疼什么？各种各样的小零件，要人工分拣摆好，才能给机械臂加工。一天干下来，工人眼睛都花，流动性特别大，招不到人是常态。现在计算机视觉（CV）加3D相机，零件乱哄哄扔进去，直接识别定位，机械臂抓起来就用，错抓率不到千分之一。

第二个方向是大型工件的全尺寸三维检测。现在造船、压力容器、风电叶片这些大件，以前工人要爬上去检测焊缝、测量尺寸，又危险又慢，漏检还容易出大事故。现在带CV模块的无人机飞一圈，自动拼接出整个工件的三维模型，缺陷位置、大小直接标出来，一天能测一个风电叶片，以前要半个月。效率提了不止十倍，还没人身风险。问：我们就是个几十人的小加工厂，上一套计算机视觉（CV）系统是不是承担不起？答：真没你想的那么贵。现在工业CV已经模块化了，标准场景比如螺丝分拣、印刷错漏、外观检测，现成的方案十几万就能落地，包安装调试。要是非标场景，现在很多厂商支持按点位付费、按月租，不用一开始砸几百万进去，试错成本很低，跑成了再扩线就行。

中小工厂上CV，三个掏心窝的实用建议

✅ 先试小场景，别搞大而全。别听供应商忽悠什么“全工厂AI升级”，先找你工厂最痛的那个点——比如检验工招不到，或者不良品流出多赔了很多钱，先拿一条线试，跑三个月，算清楚账，每个月省多少钱，赚回来多少，再扩不迟。 💡 别追通用大模型。很多人觉得参数越大效果越好，其实工业场景对推理速度要求高，通用大模型不仅贵，还容易错，就用针对你这个行业微调过的轻量CV模型，普通工控机就能跑，速度快，成本低，准确率还更高。 ❗ 一定要让自己的工艺师傅说了算。算法工程师懂CV，但不懂你的产品，什么是合格什么是不合格，客户能接受什么不能接受什么，只有你们厂的老师傅清楚。把师傅的经验转化成CV的标注规则，这步省不得，不然模型再准也没用。说实话，这两年我跑了几十家上CV的工厂，有亏得底掉的，也有赚得盆满钵满的。差别从来不是计算机视觉（CV）本身行不行，是你有没有搞清楚自己的真需求，有没有避开那些吹出来的伪神话。上周那个汽配厂老板给我发消息，说调整了光源，重新分了缺陷级，现在误判率从12%降到1.2%，省了三个全检工，每个月纯省六万多。一年不到就回本了。你看，找对路子，CV就是真的给工业人赚钱的玩意儿。