2026-10-28 18:47:04 分类：机械设计
上周三的精密制造实训课，第三组的同学举着个银灰色的铝制端盖凑到我跟前，说线扫相机连着跑了三遍，全判定为合格，可他拿内径千分尺卡了三次，内孔整整偏了0.08mm。
空气静了两秒。
我盯着实训台边那台跑了快三年的旧AOI设备，突然反应过来——之前花了一整个学期教的传统视觉检测内容，在这种边缘缺陷面前，根本兜不住底。
之前合作的汽配厂师傅去年来交流，说他们线体上因为这种带表面纹理的尺寸超差件漏检，最后客诉赔了快二十万。当时我还记在教研本上，想着要把这个案例加进课件，结果真到上课才发现，光靠念案例，学生根本摸不到问题的核心。
最先卡住的从来不是算法，是学生对“复判”的认知偏差
最开始我想的简单，把厂里正在用的整套智能机器视觉复判检测算法系统直接搬到实训台，让学生对着工业软件调参数就行。
第一节课就翻车了。
满屏的参数项跳在屏幕上——置信度阈值、ROI检测区域、梯度算子、图像预处理通道，坐第一排的同学盯着屏幕愣了20分钟，连第一个按钮都不敢点。后排有个男生偷偷跟旁边人说，这东西离我们太远了，跟看天书似的。
太生硬了。
我突然意识到，之前的教学设计从根上就错了。学生连“为什么要做复判”都没搞懂，上来就教怎么调工业级算法，跟没学过加减乘除就直接讲微积分没区别。
我把系统里的参数面板全收了，先拿一摞真实的零件摆到台面上——12个件，一半是真的尺寸超差，一半是表面带划痕、刀纹但实际尺寸合格的“干扰件”。让学生先不用看系统的判定结果，自己拿量具测，把每个件的真实状态写在便签上，贴在件的侧面。
机械制造实训课AOI检测工位学生操作场景
等大家测完一轮，我再点开系统的自动检测功能，把判定结果投到大屏上。果不其然，有3个带刀纹的超差件被一判系统放行了，还有2个带浅划痕的合格件被错判成了不良。
这下没人说天书了。
之前总觉得“复判”是个写在教材上的名词，现在摆在台面上的零件、和真实结果对不上的系统判定，一下就让大家反应过来——复判环节的核心从来不是比一判系统更准，而是把一判系统容易漏掉的、带干扰特征的边缘样本抓出来。
把黑箱拆碎之后，才发现之前的教学设计全是漏的
之前教机器视觉相关内容，我总习惯从卷积神经网络的公式讲起，每次刚在黑板写完三层网络的结构，台下就有一半同学开始打哈欠。
这次换了思路。
我把整套智能机器视觉复判检测算法系统拆成了三个能动手摸的模块：第一个模块练“一判的边界在哪”，让学生自己给每个零件标上哪些是会干扰成像的表面特征，哪些是真的和尺寸、缺陷相关的核心特征；第二个模块练“复判要抓哪几个漏检场景”，专门把之前系统判错的那几个边缘样本挑出来，让学生想办法给系统加判断规则；第三个模块练“算法的判定逻辑怎么和人的判断对齐”，比如人看到一个带划痕的件，是先看划痕深度还是先量尺寸，把这个判断顺序翻译成系统能识别的规则。
那天上课坐最后排的那个男生，之前总觉得算法是程序员的事，跟学机械的没关系。结果他在操作的时候，发现系统把一个压在ROI框边缘的划痕当成了孔的内壁，算出来的直径偏了0.1mm，举着手喊了快三分钟，说“老师你看这个算法判错了！”
我没直接接话，把那个划痕位置的局部放大图投到大屏上，让大家仔细看检测框的位置。
问题一下就通了。
检测框的位置错1毫米，后面所有的算法精度都是白搭。之前的教学设计从来没提过这个——我们总把相机的安装位置、检测框的校准当成机械安装的小事，觉得只要算法够好，就算框偏一点也能识别对。实际上呢？工业现场里70%的视觉检测误判，根本不是算法的问题，是机械端的安装、打光、定位没做到位。
智能机器视觉复判检测算法系统ROI框校准操作界面
有个女生一开始调参数，上来就把置信度阈值拉到了最高值，说这样就不会误判了。结果跑了一轮，系统把所有带金属光泽的零件全判成了不良，检测通过率直接掉到30%。我蹲在她旁边跟她说，你平时做机械加工的尺寸检测，会不会因为怕漏检，就把所有超差0.01mm的件全扔去废品堆？肯定不会啊，得找个平衡，知道哪些误差是真的影响使用的，哪些是表面纹理带来的干扰。
她盯着屏幕愣了两秒，开始一点点把阈值往回拉。
别追求“一步到位”的完美系统，实训里的错比满分答案值钱
这周收上来的小组实训方案里，有个组写的目标是“做一个能识别所有外观缺陷、准确率100%的智能机器视觉复判检测算法系统”，方案写了三页，从算法选型讲到硬件配置，看起来特别像样。
我看完直接给打回去了。
不是方案不好，是太不落地了。他们连工位上的打光角度都没测过——现在实训台用的是直射光，金属零件表面的反光会让相机拍到的图像过曝，就算算法再厉害，拍出来的图都是亮成一片的光斑，啥缺陷都识别不出来。
我跟他们说，别上来就想做能打十个的系统，先把面前这三个反光严重的零件测准，就算赢。
后来他们组抽了两个下午，给工位加了个漫反射的遮光板，把直射光换成了45度角的侧打光，又在系统的预处理模块里加了个反光区域的灰度校正规则，最后测出来的漏检率从最开始的18%掉到了1.2%。那天他们把测出来的数写在实训台边的小白板上，字都写歪了。
实训学生小组调试机器视觉检测工位漫反射遮光板
其实之前我总纠结，教机械设计的学生，要不要花这么多时间讲算法？毕竟大家以后去工厂，大部分人是做机械结构设计、工艺规划的，不是专职的算法工程师。
不过话说回来，现在工厂里的检测工位，早就不是十几年前那种拿个千分尺一个一个量的状态了。智能机器视觉复判检测算法系统早就成了线体上的标配，要是学机械的学生连这东西的基本逻辑都搞不懂，以后去现场做工位设计，连相机该装在哪、检测框该怎么校准都不知道，那不就成了笑话？
我现在翻之前的教研笔记，最开始写的“要把工业现场的复判系统搬进课堂”，现在已经被划掉了，旁边补了一行字：别把系统当黑箱讲，要让学生知道，这东西的每一个参数、每一个判定规则，都是和机械结构、工艺要求绑在一起的。
上周上课的时候，之前那个总坐最后排的男生，自己主动给系统加了个规则：如果检测到的区域反光面积超过30%，就自动触发二次拍照调整曝光。
我站在旁边看了半天，没说话。
这种时刻，比讲十页公式都管用。
免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。如有侵权请联系删除。
文章名称：当实训台漏检率飘到12%：我把智能机器视觉复判检测算法系统拆成了可摸的教学模块
文章链接：https://yqhljx.com/list_9/5026.html
