计算机视觉（CV）：给工业质检装上永不疲劳的火眼金睛

我跑过国内三十多家大大小小的制造工厂，最常听到的抱怨，都绕不开两个字：质检。老质检员熬十年熬出的眼神，干到五十岁就花得没法看。新招来的年轻人，干满三个月能上手的没几个，转头就辞职跑了。一天八小时盯着反光的钢板、高速转动的零部件找划痕错缝，换谁都顶不住。这两年计算机视觉（CV）在工业界爆火，核心就是解决这个所有人都头疼的问题。

为什么工业界现在疯抢计算机视觉（CV）质检方案？

传统工业缺陷检测，要么靠人工，要么靠涡流、超声这类接触式检测方案。人工成本涨得有多快？去年珠三角一家中型五金厂，招一个熟手焊缝质检，开六千月薪还留不住，年轻人根本不愿意碰这种伤眼又枯燥的活。接触式检测能解决内部缺陷问题，但对于表面缺陷——比如冲压件的划痕、塑胶壳的麻点、印刷标签的错字，根本摸不出来。说实话，CV普及之前，大半工厂的表面质检就是碰运气，漏检率高的时候能到10%以上，发出去再退回来，成本翻几倍。

问：普通机器视觉和计算机视觉（CV）到底有什么区别？我们工厂换设备的时候经常搞混。答：这是最多人问的问题，一句话说清。普通机器视觉是写死规则的，你提前告诉它“黑色斑块面积超过10个像素就是缺陷”，稍微换个车间光源，或者工件挪了一厘米位置，直接瞎给结果。计算机视觉（CV）是训练出来的模型，见过上万张不同场景的缺陷样本，哪怕光线变了、缺陷位置歪了，照样能准确识别，还能不断学习新的缺陷类型。就像干了十年的老质检员凭经验认问题，不是死记硬背书本规则，这么说懂了吧？问：上一套CV质检系统贵不贵？中小工厂用得起吗？答：放在五年前，大部分中小厂确实碰不起，一套定制方案下来几十万，还得专门养个算法工程师天天调模型。现在不一样了，有大量预训练好的工业CV模型，还有现成的边缘计算盒子，中小工厂只需要装适配好的工业摄像头、简单改一下工位，十万以内就能搞定一条生产线，有的厂商还支持按年付服务费，一年几万块就完事，比养两个质检工人划算太多。

当前工业CV落地最容易踩的三个坑

我见过太多工厂，花了钱上CV方案，最后效果不好扔在一边吃灰，大多是踩了这几个坑： ❗ 手里没足够数据，还想一口吃成胖子很多老板上来就说“我要测五种缺陷，我这里有三百张样本，你给我做个99%准确率的模型”。怎么可能？人认缺陷都得看几千个样品才能出师，何况模型。现在有数据增强、小样本学习能降低样本需求，但最低最低，每种缺陷也得有百八十张不同光照、不同角度的实拍图，不然效果肯定差。 💡 忽略光源和工位的环境适配上个月去东莞一家塑胶玩具厂，他们自己找了个应届毕业生做模型，实验室摆拍测试准确率99%，拿到生产线上一跑，错检率直接干到30%。为啥？车间的灯管是随着电压忽明忽暗的，工件随着流水线动，还会因为材质反光，实验室里摆出来的理想环境，和实际生产差了十万八千里。做工业CV，前期的光源校准、工位环境改造，至少占了一半的功夫，别觉得有模型就能万事大吉。 ✅ 不肯做持续迭代更新很多工厂上完线验收完就不管了，过了半年找过来，说怎么准确率越来越低？那可不嘛，你原材料批次换了，产品改了模，新的缺陷类型出来了，模型没更新，当然认不出来。其实很简单，每个月抽一两个小时，标个几十张新图更一下模型，就能一直保持稳定的准确率，花不了多少功夫。

2024年工业计算机视觉（CV）的新玩法

今年最明显的变化，就是大模型落地工业CV了。放在前两年，你做一款新产品的缺陷检测，得重新收集数据、训练模型，前前后后得几个星期才能上线。现在有了预训练好的工业CV大模型，本身已经见过几十万种不同行业的工业缺陷，你只需要给十几张新产品的缺陷图，两三天就能调出能用的模型，落地速度快了不止一倍。不过话说回来，不是所有场景都得追大模型的风。简单的固定场景，比如统一规格瓶盖的错印检测，传统的CV模型就够用，延迟更低，成本更便宜，没必要花大价钱上大模型。另一个新趋势是边缘侧部署，原来很多CV模型都放在云端，检测要把图传到云端算，延迟高还得担心数据隐私。现在几十块的工业边缘芯片就能跑轻量CV模型，数据不用出工厂，延迟也就几毫秒，完全跟得上每分钟几百件的高速生产线，太香了。很多工厂老板现在还在观望，怕踩坑怕浪费钱。其实真的可以先挑问题最大的那条线试试水，现在试错成本已经低到很多中小厂都能承受，效果出来再整条线改造，比一直等着被人工成本拖死强多了，对吧？