计算机视觉（CV）在机械制造缺陷检测中的落地：避坑与实战

跑了快十年珠三角的制造工厂，见过太多有意思的新旧交替。就在上个月，我还在佛山一家冲压件厂的车间门口，看见一堆待转岗的检测工蹲在墙角抽烟，说干了十几年的活，被一个装了相机的黑盒子抢了饭碗。那个黑盒子，就是跑着计算机视觉算法的缺陷检测站。

为什么批量制造工厂都在抢着上计算机视觉缺陷检测？

换作十年前，哪怕是五年前，工厂招检测工还能招到四十多岁眼神好的大姐，现在呢？年轻人不愿意干这种熬眼睛的活，干满一年，近视度数涨两百度，工资开一万都留不住。人工检测的稳定性有多差？早班准确率能到96%，熬到晚班直接掉到85%，漏过去的不合格件流到客户那里，一单罚款就能抵得上半个月工资。这家佛山的冲压件厂，原来养了32个检测工，每个月人工成本快28万，一年下来三百多万扔进去，还经常因为漏检被主机厂罚款。去年春天上了三条计算机视觉检测线，现在只需要4个人负责上下料，漏检率稳定在0.1%以下，连罚款都没了。

问：传统机器视觉和计算机视觉（CV）检测，核心区别在哪？答：传统机器就是靠人写规则，划痕得超过多少亮度差、多大面积才能判定不合格，稍微换个零件批次，或者表面沾了点切削液，直接误报一堆，工人得天天调参数。计算机视觉是靠数据喂出来的模型，见过上万种不同位置、不同深浅、不同干扰的缺陷，哪怕零件转了角度，沾了点油污，它也能分得清哪个是真缺陷，哪个是正常的加工痕迹。问：是不是只有大工厂玩得起？小工厂想都别想？答：这话放三年前对，现在真不对。早年从零训一个模型，算法公司收几十万，还要攒大半年数据，小工厂确实扛不住。现在有了预训练的工业CV大模型，简单场景比如螺丝缺牙、冲压件飞边这种，几万块就能搞定，十几万就能做复杂的精密件检测，算下来最多一年半就能回本，东莞很多几十人的小五金厂都上了。

工厂落地计算机视觉（CV）最容易踩的三个坑

我见过太多工厂砸了几十万进去，最后把检测站扔在角落当摆设，问题大多出在这几点： 1. 没攒够合格数据就急着上线 很多老板觉得，我找出来几十张缺陷图，不就能训模型了？太想当然了。真实生产线上，合格零件也会有正常的加工划痕、模具印记、残留污渍，这些干扰如果没喂给模型，模型会把所有印记都当成缺陷，误报率能超过30%，工人要不停手动复核，最后嫌麻烦干脆自己肉眼看，机器直接闲置。 2. 盲目堆高端硬件 我见过有人测铸造件表面的大气孔，上来就配单台一万多的4K工业相机，还加了三台不同角度的高精度补光灯，最后算下来硬件钱翻了三倍，其实两千多的2K相机完全够用，纯属浪费。合适才是最重要的，不是越贵越好。 3. 忽略现场环境适配 算法公司在实验室调完，准确率99.9%，拉到工厂车间一跑，直接掉到80%，为什么？车间的灯光是晃动的，机床开着会震，镜头每天都会沾切削液的油雾，这些实验室不会有的干扰，直接把准确率拉下来。很多团队做完交付就不管了，工厂没人会调，最后就废了。

2024年工业CV的落地新变化

说实话，这两年计算机视觉在工业圈的变化真的超出我预期。最大的变化就是，预训练大模型把门槛拉得太低了。原来攒几千张缺陷图要攒大半年，毕竟缺陷本身就少，一条线一个月出不了几百个不合格件。现在拿预训练好的工业CV大模型微调，几十张上百张缺陷图就能出来一个能用的模型，落地周期从半年缩到一两个礼拜，成本直接砍了三分之二还多。另一个变化就是端侧部署越来越普及。不需要把所有图片都传到云端算，模型直接跑在本地的工控机上，延迟不到一百毫秒，完全跟得上自动化生产线的速度，还不用担心工厂的产品数据外流，对于给军工、汽车配套的工厂来说，太重要了。不过话说回来，也不是所有工厂都适合上。如果你的产品是小批量定制，换款换得勤，一个月出好几个新品，那人工还是更划算，改模型的钱都够开好几个月工资了。 💡 给想试的工厂提个醒：先拿一条量最大、缺陷最稳定的线做试点，跑满三个月，算清楚漏检率、省了多少人工，再考虑扩线。别脑子一热把所有线都改了，踩坑了连回头的余地都没有。 ❗ 别信那些吹“万能CV检测”的，什么我们的模型能测所有产品所有缺陷，全是忽悠人的。工业场景太复杂了，每个产品每个工厂的环境都不一样，都得针对性调优，哪来的万能银弹。

免责声明：文章内容来自互联网，本站仅作为分享，不对其真实性负责，如有侵权等情况，请与本站联系删除。
转载请注明出处：计算机视觉（CV）在机械制造缺陷检测中的落地：避坑与实战 https://www.dachanpin.com/a/tg/68908.html