摘要：很多做产线视觉检测的工程师，都把初检系统当核心，复判只是凑数的冗余环节。这几年碰过不下十个项目，十有八九翻船都在复判设计上。这里就把实际项目里攒的经验，掏出来给大家做参考，少踩坑。
为什么产线一定要加视觉复判这一步？
做工业检测，你绕不开一个矛盾：速度和准确率的平衡，对吧？
拿我前年做的某动力电池厂极片检测项目来说，客户要求节拍120片每分钟，初检用的是整幅高速抓拍，为了卡节拍，算法只能调低推理阈值，对可疑瑕疵的判断容错率很高。最后的结果是什么？漏检率稳定在0.7%-0.9%之间。看起来不高？你算算账，一条线日产十万片，一天漏出大几百片不良，流到客户端，就是批量退货，一次客诉罚款就是几十万，够搭三套复判系统了。
那把初检阈值调严行不行？调严之后，过杀率直接飙到8%，一天报废几千片良片，客户更受不了。
说白了，初检是筛大数，把明显的不良先拦下来，把可疑品挑给复判。不存在什么多余一说。
智能复判的核心设计要点：不是简单把初检筛出来的再过一遍
我见过太多项目，复判就是照搬初检的配置， same camera same light，只是慢一点再拍一次。说实话，这叫重复检测，不叫智能复判，除了拖节拍，一点用没有。
正经的智能复判，核心思路就一个：把算力集中在可疑点上。初检是整图粗扫，复判只针对初检圈出来的可疑ROI，换更高配置的成像系统放大拍，这才对。
还是刚才那个极片项目，初检用的是500万像素全局快门相机，24fps，像素尺寸3.45μm，对应物方分辨率大概4μm。这个分辨率要抓100μm以下的针孔，确实难。我们做复判的时候，只拍初检圈出来的可疑区域，换1200万像素低畸变镜头，物方分辨率做到1.2μm，50μm的针孔都能清晰出轮廓，准确率一下上去了。
还有光源，别省这点钱。很多人复判和初检共用光源，踩坑踩死。不同瑕疵要不同打光方式，初检为了兼容所有特征只能用泛用型光源，复判针对不同类型的可疑瑕疵，要能自动切光源。比如极片针孔用同轴平行光源，极耳划痕用暗场条形光源，毛刺用背光，这个搭配错了，再高分辨率也白搭。之前东莞那个客户，图两万块钱省了光源切换机构，结果复判准确率比初检还低，最后拆了重改，耽误了两个月量产，亏大了。
这套设计的性能指标，按照GB/T 39116-2020《智能制造 机器视觉检测系统性能评价》来算，我们那个项目最后复判的正确识别率稳定在99.98%以上，完全达标。
算法和工位逻辑怎么搭才不拖产线节拍？
十个做复判的九个被问：你加了这么一步，整条线节拍掉多少？说实话，我第一个项目就栽在这了。
最早做某3C外壳检测，我当时把所有初检出来的可疑品全走一遍复判，结果可疑品占比12%，每个复判花2秒，直接把线速从60ppm掉到38ppm，客户老板当场脸就黑了。
后来改了逻辑，一下子就顺了。核心就是分级分流：初检出来的结果，按置信度分三档。第一档置信度大于95%的良品，直接过，不碰复判。第二档置信度低于30%的不良品，直接走NG通道，也不用复判。只有30%-95%之间的可疑品，才进智能复判工位。
这么一分，一般产线进复判的比例也就5%-8%，最慢的时候也不会堵线。那复判之后呢？复判算法给结果，置信度够的直接分良莠，置信度不够的，再扔给人工复判台。我们做下来，人工需要复判的比例不到0.5%，一个班次一个工人就能盯两条线，完全不增加多少人力成本。
不过话说回来，算法训练也有坑。很多人拿初检已经确定的NG和良品来训练复判模型，结果模型碰到新的瑕疵类型直接瞎。复判模型本来就只需要处理可疑品，训练集就要只用标注过的可疑品，用半监督学习调参，泛化性才好。这个细节，没碰过项目的人根本不会跟你说。
我们那个动力电池项目落地之后，整体漏检率从原来的0.8%降到了0.002%，过杀率从原来的7%降到了0.3%，一年帮客户省下的不良损失和客诉成本，超过两百万，总投入才不到四十万，怎么算都划算。
智能机器视觉复判检测，从来不是产线的附加冗余，是现在高速大规模生产里，控成本提良率必须有的一步。把细节做对，就是给项目交了一份保底的保险。
