上个月去苏南一家汽配厂改产线，一进车间愣了。
原来靠北那排工位，十几个大妈戴放大镜挑刹车盘表面划痕，我半年前来还在那扎堆聊家长里短，这次全空了。只剩一台巴掌大的带相机的小机器，卡在流水线中间，工件过一遍，合格走绿色通道，不合格直接踢进废料箱。
那玩意就是今天要说的视觉检测。
别被名字唬住，它就是工厂里的电子眼质检员
说穿了一点不玄乎，就是代替人眼做判断和测量的一套设备。
你想啊，人干质检，干八个小时，后面俩小时眼睛都花了，连续盯微小划痕，下班连手机都看不清，漏检错检太正常。赶产能的时候，一天干十二个小时，出错率能翻一倍。
视觉检测的流程其实很简单：先给工位装高清工业相机，再打一套适合当前产品的光源，工件经过的时候拍一张照片，传给后端的处理器，处理器按照提前设置好的规则，或者训练好的模型，对比找问题——有没有缺陷，尺寸对不对，有没有装错零件，标签贴歪了没有，几毫秒就能出结果。
现在用的最多的，就是大规模量产的标准化产品检测，比人便宜，比人准，还不用下班，连轴转一个月都不会累。
看起来简单，为啥好多工厂装了用不好？
我见过太多项目，钱花了几十万，机器装上去，错判率居高不下，最后只能当成摆设，扔在角落落灰。
真不是设备不行，是太多人没意识到，现场的坑远比图纸上多。
第一个大坑就是光。你没看错，视觉检测核心不是相机，是打光。不同材料不同缺陷，要配完全不一样的光源，差一点都不行。我前两年跟进过一个铝合金压铸件的表面划痕项目，一开始用了普通的正面光源，铸件本身反光，高光区域直接把细小划痕盖住了，算法把高光当成缺陷，错判率一度超过20%，调了快半个月都没见好，甲方天天催，头都大了。
后来换了低角度环形侧光，刚好把划痕的阴影打出来，错判率一下降到1%不到。就是这么邪门。
第二个坑是定位。流水线送工件，不可能每个工件放的位置一丝不差，偏个一毫米，转个一两度，算法就认不出哪个地方要检，直接错判。你得专门做定位补偿算法，就算工件歪一点，也能自动对准要检测的区域。
还有车间环境的坑。机械厂灰尘多，油雾大，用不了半个月镜头就糊了，拍出来的照片全是雾，能不出错？还得专门做防尘防油的密封，定期安排人擦，不然再好的算法也白搭。
别迷信神话，它真不是万能的
说实话，现在好多厂商卖设备，吹得太神，说AI视觉啥都能检，买回去就能用，根本不是这么回事。
第一个常见误区：视觉检测能搞定所有缺陷。它就是个相机，只能看表面，工件内部的裂纹、气孔它看不见，那得X光或者超声波，轮不到它。还有那种深度一两毫米的凹槽内部缺陷，角度不对，相机根本拍不到，也没法检。
第二个误区：换产品不用调，全自动。很多小工厂，多品种小批量生产，今天做这个零件，明天做那个，买回去才发现，换个产品就得重新标数据，重新训练模型，小工厂哪有专门的工程师天天调这个？最后只能闲置。
不过话说回来，它确实解决了制造业最头疼的一个问题：把人从熬身体的重复劳动里拉出来。那种一天八个小时盯着小东西看的活，对眼睛伤害太大了，年轻人根本不愿意干，招都招不到，视觉检测一上，问题直接解决。
现在技术进步也快，前几年还只能检检表面缺陷，现在3D视觉都能测装配公差了，电机螺丝有没有漏装，电池壳高度对不对，一扫就出结果，比人拿卡尺量快十倍还准。
说白了，它就是个工具，适合干重复、枯燥、对一致性要求高的活，不适合花里胡哨的小批量定制。找对了活，它能帮你省大钱，找不对，就是一堆废铁放在那。