视觉检测
视觉检测是一种由 AI 查看摄像头拍摄的产品图像，自动找出划痕、异物、装配不良等缺陷的质量检测方式。
通俗解释 这好比检测员整天用肉眼盯着产品看的工作，先由一个眼睛永不疲劳的助手过一遍，只把拿不准的交给检测员。不过，这个助手可能会漏掉从未学过的新类型缺陷。
工作原理
在生产线上安装摄像头和照明，以固定的角度和亮度拍摄产品。图像经过整理的预处理后，由深度学习视觉模型判断是否存在缺陷，如有则判断位置和类型。根据判定结果，良品放行，疑似不良品单独挑出，由作业人员再次确认。作业人员确认过的不良图像会被重新收集起来，用于模型的再训练。
为什么重要
人眼检测容易因疲劳和个体差异导致结果参差不齐。以往基于规则的图像检测需要逐一设定“亮度差达到这个程度就判为不良”之类的标准，对形态多样的缺陷效果较差。AI 视觉检测通过示例图像学习缺陷的样子，因此更容易应对复杂表面和多种不良类型。它能快速完成全数检测，被用来减少不良品流到客户手中。
注意事项
不良品远比良品少见，训练用的不良图像往往不足。因此有时会配合只学习正常图像、找出与之不同之处的异常检测方法或数据增强。照明、摄像头位置、原材料发生变化时性能可能下降，需要定期检查和再训练。对于汽车零部件、医疗器械等直接关系安全的产品，应保留检测记录，并在工艺标准中明确漏检不良品的责任由谁承担。
引入与运维检查
数据
- 不良图像是否充足
- 各检测员的标注标准是否一致
运维
- 照明、摄像头变化后是否重新验证
- 疑似不良品是否由人确认
- 是否保留检测记录
示例
在电子元件工厂，电路板每次经过产线时都由摄像头拍摄，AI 会对疑似焊接不良或缺件的电路板做标记。作业人员只再次确认被标记的电路板，被判定为真实不良的照片会加入模型的训练数据。