产线刚跑起来，报警声先来了。

良品被系统踢出去，真缺陷却从镜头底下溜了。

客户站在旁边，老板盯着屏幕，工程师握着鼠标，手心开始冒汗。

这场面，做过视觉缺陷检测的人应该都不陌生。

误检，良品被判成不良。

漏检，不良品被当成良品放走。

听起来只是两个指标，落到现场就是良率、返工、投诉，还有工程师越来越沉默的表情。

很多项目一开始都很顺。

样品图清楚，缺陷也明显，算法框得也准。

客户点头，项目经理松气，工程师甚至已经开始想晚上吃什么。

结果一上真实产线，剧情立刻变了。

01 缺陷难检，往往难在“像”

现场最麻烦的地方，不是完全看不见缺陷。

更麻烦的是：缺陷和正常波动长得太像。

良品表面纹理稍微重一点，系统报警。

缺陷颜色浅一点、边缘弱一点，系统放行。

这时候你才发现，缺陷检测最难的一句话是：

“这个，到底算不算缺陷？”

工业现场可不像实验室。

产品有纹理，材料有批次差异，光照会漂，位置会偏，反光还会变脸。

脏污、划痕、压痕、色差、毛刺，有时候看着真像一家人。

人眼都得多看两秒，机器想次次稳定判断，压力自然不小。

所以误检漏检绕不开，很多时候并非系统摆烂。

现场本身就有太多灰色地带。

02 误检多了，生产先坐不住

误检，就是产品没问题，系统非说有问题。

一开始听着好像还行。

至少缺陷没放走嘛。

但生产现场不这么算账。

误检一多，良品被剔除，良率掉下来，人工复判堆起来，节拍也被拖慢。

生产负责人很快就会问：

“这套系统到底在帮忙，还是在添乱？”

误检常见原因也很现实。

产品本身有波动，系统把正常纹理当异常。

光源角度变了，产品位置偏了，镜头有灰，背景反光，图像和调试时不一样。

标准定得太紧，阈值一收，系统立刻草木皆兵。

一点纹理、一点色差、一点反光，全都可能被当成缺陷。

工程师说：“我把阈值放宽一点，误检会少。”

客户马上接一句：“那会不会漏？”

空气瞬间安静。

这不是难回答。

这是太真实。

03 漏检一来，锅就更烫了

漏检更让人头皮发麻。

产品明明有缺陷，系统却判正常。

误检最多让良品受委屈。

漏检一旦放到后段，甚至流到客户手里，事情就大了。

为什么会漏？

原因不复杂，但个个扎心。

有些缺陷本身对比度就低。

浅划伤、轻微压痕、细小脏污，拍出来和正常区域差不多。

人眼靠经验还能感觉“不太对”，机器看到的可能只是一点灰度变化。

有些缺陷形态变化大。

今天是点，明天是线，后天像一块轻微色差。

前期样本没覆盖，系统没见过，放过去就很正常。

还有些缺陷位置不固定。

出现在边缘、孔位、反光区、纹理区，检测难度完全不同。

样机阶段看着挺稳，量产后才发现：

能检出来，和能长期稳定检出来，差得很远。

04 调严了误检，调松了漏检

缺陷检测最磨人的地方，就在这里。

系统调严格一点，轻微缺陷更容易抓住。

但正常波动也容易被误判。

系统调宽松一点，良品放行更顺。

轻微缺陷也可能跟着溜走。

质量希望漏检越低越好。

生产希望误检越少越好。

客户最好希望两个都没有。

工程师心里只有一句话：

“大家先冷静，把标准说清楚。”

哪些缺陷必须检出？

哪些外观波动可以接受？

哪些情况需要人工复判？

哪些风险宁可多报，也不能漏掉？

这些边界不提前讲清楚，后面参数调到怀疑人生，也很难真正解决问题。

现场最怕的不是问题难。

最怕项目一开始，大家对“缺陷”的理解就不在一条线上。

05 别一出问题就怪算法

很多项目一翻车，第一反应就是：

“是不是算法不行？”

算法当然重要。

但视觉检测是一个系统工程。

光源、镜头、相机、机构定位、样本质量、检测标准、现场环境，哪一环不稳，最后都可能甩到算法身上。

缺陷很浅，光没打出来。

再强的算法，也只能在一张不清楚的图上硬抠。

产品位置一直偏，检测区域跟着跑。

模型再优化，也是在跟机构误差较劲。

样本只有几十张，缺陷类型还不全。

上线后指望系统自己见招拆招，基本就是让现场替你补课。

所以，想减少误检漏检，别上来就死磕参数。

先问几个基础问题：

图像把缺陷拍清楚了吗？

正常品波动范围摸过了吗？

缺陷样本够不够？

检测标准讲清楚了吗？

现场变化考虑了吗？

很多时候，调了半天才发现，问题藏在打光、机构、样本、标准，或者一开始没讲清楚的边界条件里。

06 好项目，先把坑摆出来

缺陷检测绕不开误检和漏检，因为工业现场一直在变。

产品会变。

环境会变。

缺陷会变。

客户标准也可能会变。

视觉系统要做的，是在边界清楚的前提下，把错误控制在可接受范围内。

能靠成像解决的，别硬塞给算法。

能靠机构稳定的，别指望后期补偿。

能靠样本覆盖的，别上线后碰运气。

能靠标准讲清楚的，别让工程师现场猜。

下次再做缺陷检测，别急着问：

“算法能不能识别？”

先问：

“这个缺陷能不能稳定成像？”

“正常和异常的边界在哪里？”

“误检和漏检，哪个更不能接受？”

“这个项目是演示能跑，还是量产跑稳？”

视觉项目翻车，很多时候不是技术完全做不了。

而是一开始把问题想简单了。

现场不会陪你慢慢试错。

靠谱的方案，都是先把坑摆上桌面，再一个个填掉。