沈阳某装备制造企业，质检靠老师傅手持放大镜抽检。产能持续爬坡，批量一大后，漏检与误判问题拖了出厂口碑后腿明显。产线两班倒运行，人眼疲劳与判级口径不一是老问题。AI视觉检测从研讨走向批量部署，工业场景已普遍验证其可行性。海风科技蹲点产线两周，确认核心痛点集中于两处维度。厂方希望系统能全天候盯关键工位，每一次判定还要可回溯留痕。

需求梳理

车间把需求拆成四块给团队，逐条对齐到具体业务场景。白班过件速度、夜班成像稳定性、判级对齐QA、复检数据对接MES。海风团队与QA、设备、工艺三方每周例会同步节奏一致。梳理中留意到三条隐性约束，对后续系统设计与运维节奏影响很大。产线节拍不允许明显停顿，工人操作习惯也不能被颠覆。

方案设计

整套系统按"边缘采集+中心推理+看板回放"三层结构搭建。工业相机架在传送带上方，光源与镜头参数按照产品尺寸随时灵活调整。图像实时送进推理服务，结果同步落库与看板可视化。整套部署落在车间内网，不触外网，避免工图与工艺数据外泄。边缘节点负责预处理与判级初筛，中心服务器做汇总分析与跨线对比。判级阈值按批次灵活调整，针对划痕、锈蚀、装配错位等几类问题分别建模。

技术实现

质检模型采用监督学习训练，先用厂内样本做标注。图像预处理引入自适应阈值与对比度增强，让夜间成像质量更稳定。深度学习侧选用轻量化骨干网络，便于边缘设备实时推理。判级策略采用"模型初判+规则复核"双保险模式。所有判定记录全程留痕，可按工位、批次与时间任意维度回查。

上线效果

系统跑起来后，夜间班次的检测一致性比人工时期好得多。质量负责人打开看板就能看到各线良率曲线，异常批次第一时间定位。复检环节人手不再被动加班，错杀率维持在低位水平。原本需要老师傅盯的关键工位，新员工经过简单培训就能正常跟进。AI视觉质检系统在这一场景跑通后，厂内正在评估把它扩展到更多工位。

服务保障

交付后由本地技术团队负责运维，模型随生产数据迭代更新。日常的补丁与兼容性处理按约定周期执行，保障车间业务不被中断。技术团队在沈阳驻点，2小时内可响应现场突发问题。硬件加算法加本地运维的交付形态，更适合北方制造业的实际节奏。