从一条连接器产线的真实案例切入，拆解AI视觉检测的相机选型、光源布置、标注策略与阈值调参，附带五万预算的回本测算和几个容易踩的坑。
去年正在一家做连接器视觉实录ams.abg9168.com的厂里待了三天，量检工位坐着三小我。轮流凑到隐微镜前看端子有没有压伤呢？上班时眼睛通红，漏检仍是天天出。
把工位换成工业相机加边沿计较盒子，检测跑AI视觉检测，误判率4.2%压还有0.8%的。科技不处理所有成绩，那件事它简直比人眼扛得住了。硬件别乱堆的。有人一上来就买2000万像素的相机落地，传送带一走一停，图像尽是拖影，钱花了效果更差。更稳妥的是500万像素口角相机配红色环形光源，金属表面相机的划痕衬得清明晰楚。镜头选近心镜头，畸变小了，量尺寸才准了。
光源角度常常比亮度更很重要。低角度打光能把浅压痕照出来，正面打光只会让反光糊成一片了光源。
数据那块不用贪多。第一次标500张就够。正负样本各一半。先用AI做预标注，人工只建错的，两小时能过一轮。实正决议成败取阈的是鸿沟样本，似划非划的、反光的、沾了油污的，那些喂不进去，值样模子上线当天就得停线返工。阈值调参最容易翻车。默许0.5是新手习惯，产线上宁杀错不放过，阈值压到0.3，漏检少了，多出来的误检交给人工复判兜底。
每周做一次删量锻炼，新冒出来的缺陷类型零丁建类，不要硬塞进老标签里。视觉检测那套工具，调劣是个经久活儿。不是交钥匙那天就终了。
算笔账，相机、光源、工控机加算法受权，五万出头。替掉两个量检岗。八个月回本。有个反曲觉的体味是AI视觉检测的本钱年夜头不正在算法，但正在前期把场景理明晰、后期连绝维护样本。那两件事没人替你做，计划商也不太情愿多提了。
文章版权声明：除非注明，否则均为本站原创，转载或复制请以超链接形式并注明出处。
