AI 质检（工业视觉质检）

一句话理解

生产线上的“不知疲倦的眼睛”——每秒扫过产品拍照，找划痕、缺陷、装配错漏，比人眼稳定，比抽检覆盖全。

定义

AI 质检指用机器视觉与深度学习自动检测产品外观缺陷、装配完整性、尺寸偏差的工业应用，替代或增强人工目检，是机器视觉行业 AI 化的主力场景。

你会在哪遇到它

手机屏幕与电池产线的缺陷检测；食品饮料的包装与灌装检查；“关灯工厂”（几乎无人的车间）里的核心环节。

背后的原理

相机在流水线上高速成像，模型逐张判断缺陷类型与位置。难点不在算法而在工程：光照要稳（同一条划痕换个角度就看不见）、缺陷样本稀缺（良品率百分之九十九点九意味着缺陷图很少）、误检与漏检要平衡（漏放致命缺陷损失大，误杀良品浪费成本）。传统视觉处理规则清晰的缺陷，深度学习吃下“说不清规则但看得出来”的复杂缺陷，两者常混用。

和相近概念的区别

1 与人工目检：人眼灵活但会疲劳不稳定，AI 稳定一致但面对全新缺陷要重新训练。 2 与消费级识图：工业场景对误报率与响应速度（毫秒级）的要求严苛得多。 3 与其他传感器质检：视觉管“看得见的”，超声与 X 光管内部缺陷，互补使用。

常见误区

1 装上就全检零漏——光照、粉尘、振动都会影响精度，需要持续运维调优。 2 缺陷数据越多越好——真实缺陷样本永远稀缺，缺陷生成与迁移学习是行业常规操作。 3 只有大厂用得起——标准化视觉方案已下沉到中小工厂，成本大幅下降。