摘要：本文基于多个工业产线的落地经验，梳理智能机器视觉复判检测系统的设计逻辑、常见坑点与优化方法，给有基础的中级工程师提供可直接参考的落地经验。
为什么一线工厂非要做复判，不能全靠初检AI？
说个真实案例。去年在东莞某3C电子代工厂做连接器检测项目，客户上线了一套纯AI初检的视觉系统，宣称精度99%，结果上线第一个月，客户退货亏了六十多万。老板拍桌子说，这狗屁AI，还不如老工人眼睛准。
问题出在哪？初检模型是训好的，但工业现场永远有超出训练集的情况。来料批次换了，铜引脚的氧化程度变了一点；料带沾了点脱模剂，局部亮度飘了；夏天车间温度高，相机底噪涨了两个点。这些微小变化，就能把原来置信度0.98的正常引脚，打到0.82的可疑区间，或者把有0.02mm裂纹的缺陷，分到置信度0.95的合格区。
就算你模型训到99.5%的准确率，对于月产百万pcs的产线来说，漏检五千个不良，就是天大的质量事故。
为什么不直接升级初检模型？说实话，训一个新模型要标注几千张图，最少一周多，客户换产品下周就要上线，你等得起客户等不起。
智能机器视觉复判检测系统，就是卡在初检和出货之间的缓冲带。把初检拿不准的边界样本、低置信度样本捞出来，要么用专门针对缺陷优化的二次模型复判，实在拿不准的再甩给人工。就这么简单一步，能把整体漏检率直接压到0.01%以下，完全满足GB/T 39116-2020《智能制造 机器视觉检测系统性能测试》的强制要求，误判率也能从初检的7%-8%降到0.3%以内。
智能机器视觉复判检测系统的核心设计坑点
我刚做第一个复判项目的时候，踩过一个超级低级的坑。当时为了不漏检，把所有置信度低于0.9的样本都送复判，结果12%的过检率，两个工位的工人连喝水的时间都没有，线速从60pcs/min直接掉到30，甲方生产主管脸黑得像锅底，堵着我们改了三天三夜。
很多人设计复判系统，上来就追求零漏检，完全不管产能平衡。这是第一个坑。
正确的做法是做动态置信度阈值分配。根据产线实时产能、人工工位负荷自动调阈值：白班订单紧产能够，阈值设0.85，只放最可疑的样本，控制过检率在3%以内；夜班人工少，阈值调到0.8，只放偏差超过3σ的极端样本，只要满足出货良率要求就行；出货前抽检环节，直接把阈值拉到0.95，所有可疑样本全复判，彻底堵住漏检漏洞。
不过话说回来，阈值也不能调太低，我见过为了产能把阈值压到0.7，结果漏了三箱不良，客户整批退货，亏得更多，平衡才是关键。
第二个坑是硬件过度设计。很多团队上来就给复判加一套和初检一样的全局成像系统，一套下来十几万，其实完全没必要。初检已经给出了缺陷候选框的坐标，你只需要处理局部区域就行。
如果缺陷要求精度大于0.05mm，直接从初检原图裁出候选区域做二次推理，省了运动平台和第二台相机的钱，速度还快一倍。要是做0.01mm级的引脚间距、IC引脚翘曲检测，那才需要加一套微调运动平台，针对候选区二次成像，保证分辨率够。
第三个坑是浪费数据。复判环节不管是AI过的还是人工过的，都是最贴合现场实际的标注数据啊！很多工厂把复判完的数据存在硬盘里落灰，太可惜了。我们做的系统，每次复判完成自动把标注好的数据同步到初检模型的训练集，每周自动微调一次初检模型，三个月下来，初检的低置信度样本直接掉了一半，人工复判的工作量越来越少，这才是正向的数据闭环。
实际落地的性能优化经验
讲几个抠细节就能出效果的优化点，都是踩坑踩出来的。
第一个是打光。复判别用初检的全局打光，一定要针对缺陷类型配不同光源。初检是找缺陷位置，复判是定缺陷性质：找裂纹用低角度侧光，找表面氧化用漫射顶光，找引脚翘曲用同轴平行光。我们给复判工位做双组光源自动切换，根据初检报的缺陷类型切光源，缺陷对比度直接提30%，AI复判准确率一下涨了5个点，成本只加了几百块。
第二个是推理前的预处理优化。初检会同一个缺陷出好几个重叠的候选框，你要是一个个放去复判推理，纯纯浪费时间。加一步IOU框融合，把IOU大于0.5的重叠框合并成一个，一次推理搞定，整体速度能提20%，这个改完我当时都惊喜，这么简单的点之前居然没想到。
第三个是通信延迟。很多项目初检在产线前端，复判工位在后端，隔个十几米，用普通的TCP传图，动不动卡个几百毫秒，线体的节拍直接乱了。我们现在改成共享内存+弱网分片重传，就算是4K的原图，延迟也能压到10ms以内，满负荷跑线从来没掉过链子。
还有最容易忽略的合规问题。现在汽车电子、医疗电子的客户，要求所有检测数据至少存15年，每一片产品的检测结果、缺陷图、时间戳都要能溯源，还要对接工厂MES系统。我之前帮一个汽车接插件工厂改复判系统，就是漏了溯源存储的加密要求，客户验厂直接不通过，硬生生改了一个礼拜，头疼得要命。
说实话，工业级的复判系统哪里有什么高大上的黑科技，都是抠这些不起眼的细节抠出来的。很多AI检测项目死在初检精度达不到要求，加一套设计合理的复判系统，活了，良率产能都保住了。
小结
智能机器视觉复判检测系统从来不是初检的附属品，它是AI技术落地工业场景的缓冲垫，也是持续迭代优化的数据起点。抓住产能和良率的平衡，抠好细节，避开那些常见的坑，就能做出来一套好用、能落地的系统，帮工厂真真切切解决问题。
