目检台上的第八个小时

柳蔓在澜石电子做检验组长快六年，管着两条精密结构件产线的终检工位。她最清楚人工目检的极限在哪里：前两个小时眼睛亮，第四个小时开始靠经验，第八个小时基本靠意志。连接器端子那点细微的压伤，在灯下看久了会变成一片模糊的光斑。她试过轮岗、试过增加抽检频次，但漏检投诉还是偶尔冒出来。

公司决定引入AI视觉质检终端时，柳蔓是抵触的。她担心设备误判太多，反而增加复检工作量。第一次看到PG直营站的方案演示，她特意挑了几个自己都拿不准的边界样本去试，结果终端给出的判定和资深检验员一致。她这才愿意坐下来谈落地细节。

把光打好，比换相机更重要

真正进场后，柳蔓发现难点不在算法，而在成像。精密结构件表面反光强，同一批产品换个角度拍出来差异很大。PG直营站的工程师没有急着调模型，而是先和她一起重做光源方案，把环形光与同轴光的组合按工位固定下来，再逐批采集样本。

  • 样本策略：按缺陷类型分层采集，压伤、划痕、异物各自建档。
  • 部署方式：AI视觉质检终端就近接入产线，边缘侧完成推理，结果实时回传。
  • 复核机制：低置信度样本自动进入人工复核队列，由柳蔓团队标注后回流训练。

她特别提到工业边缘计算网关的作用：产线节拍快，图像不能都往机房送，边缘侧先筛一遍，只把需要复核的图片传上去。这样既保住了节拍，也让她的团队从全量目检变成重点复核。上线初期她每天盯着复核队列，一周后队列长度明显缩短，她知道模型在学。

检验员的新岗位

让柳蔓意外的是团队的变化。以前检验员最怕被问“你怎么漏的”，现在讨论的是“这个边界样本该归哪一类”。她挑了两个细心的组员专职做样本标注与复核，还给她们排了每周一次的小结会，把误判案例整理成内部教材。她说，AI视觉质检终端不是替代人，而是把人从重复劳动里挪到判断劳动上。

澜石电子的另一个新能源基地产线后来也接入了同一套方案，柳蔓被借调去做前期调研。她带着笔记本在车间走了两天，把不同产线的光照条件、节拍要求、缺陷分布列成清单，交给PG直营站团队做适配。她说这套方法是从一号线踩坑踩出来的，直接复用能少走很多弯路。

给同行的三条落地心得

如今柳蔓的终检工位从八人减到五人，但她的团队多了数据分析的活。她在内部培训时常用一句话开场：设备不会替你负责，但会替你看清。谈到给同行的建议，她讲了三点。

  • 先定义清楚缺陷标准，再谈算法，标准模糊的项目一定反复。
  • 把复核权留给人，低置信度样本必须有人把关，这是质量底线。
  • 选交付方能蹲现场的，PG直营站的工程师在产线旁待的时间比在会议室长。

她最近在试用PG直营站的Mac电脑版工作台看跨基地的质量趋势，说界面清爽，图表能直接截图放进周报。她笑称自己从检验组长变成了半个数据员，但看着漏检投诉曲线往下走，这个转变她愿意。