來源：美的集團

　　「Think Big， Start Small， Learn Fast．」

　　——美國知名創新戰略研究專家、Shift Thinking創始人Chunka Mu

　　廣州越秀，蘇小姐家的新房硬裝完工了，精心挑選的家電也都到了，提前一天約好了上門安裝。洗碗機的安裝師傅先到了，拆開外包裝，蘇小姐的眉頭皺了一皺：

　　「咦？點解門上會有個指紋㗎？」

　　打開門一看，眉頭皺得更緊了——裏面還有一塊半乾水漬！

　　那邊空調的安裝師傅也到了，一拆箱，面板上一道細小而刺眼的劃痕赫然入目。

　　接二連三的打擊下，佈置新家的好心情徹底跌入了谷底，蘇小姐生氣地接通了售後熱線，開始申請換貨……

　　這樣的事幾乎每天都在發生。

　　長久以來，家電行業的質檢環節，主要靠人的肉眼來發現產品外觀的瑕疵。

　　但是再「火眼金睛」的老師傅也會出錯，因為人眼最多分辨10微米痕跡，很多微瑕還要變換角度纔可能發現。

　　近幾年，用相機拍攝圖片來發現瑕疵的視覺檢測開始普及，但行業內用的都是零散單點相機。

　　一台相機只能拍一小塊機身，機身曲面、邊角等位置天然成為檢測盲區，細微缺陷很難完整捕捉，漏檢誤檢成為常態。

　　1

　　幸運的是，AI來了。

　　江蘇無錫，美的洗衣機雙高端工廠，東芝產線。家電行業有史以來最高標準的產品外觀視覺檢測項目正在這裏試點。

　　這條產線要求開發出一套全新的、軟件搭載硬件的AI視覺檢測系統，並且要「一步到位」。

　　什麼叫「一步到位」？

　　行業的常規操作都是，系統先上線，在實戰中慢慢攢缺陷數據，打磨AI，升級迭代。

　　但東芝產線反其道而行，要求投產前系統必須兩輪測試全部通關。

　　怎麼測？

　　第一輪，提前標好產品外觀的瑕疵點位，系統必須全部發現；

　　第二輪，瑕疵點位隨機分佈，全程無提示，要求系統能夠自主識別。

　　難題扔給了這套檢測系統的研發方——美的智能製造研究院智能裝備研究所。

　　所裏開項目討論會，沒人願意接。原因很簡單，要求太高，難度太大。

　　正為人選頭疼的時候，一個名字進入了所長尹博的視野。

　　彭博，2022年從互聯網大廠加入美的，之前一直主攻AI語音及搜索算法。

　　「互聯網行業流行的AI建模思路，剛好能補上工業視覺缺樣本的短板。」

　　尹博正是看準這一點，選中彭博做項目負責人。

　　2

　　想法很好，但互聯網AI和工業視覺，底層邏輯完全兩碼事。

　　互聯網隨手就能調取億萬條用戶數據訓練模型，新產線連幾張缺陷實拍圖都難湊。彭博坦言，

　　「項目最大的痛點就是缺陷樣本嚴重不足。」

　　而且，洗衣機機身高度跨度從850mm到1780mm，混線生產機型來回切換，調試難度翻倍。單台整機產線節拍僅22秒，要求100%全檢，不允許任何抽檢。

　　市面上沒有成熟的成套方案可借鑑，算法、成像架構全都要從零摸索。

　　彭博帶着一個小團隊一頭扎進產線上，逐條拆解風險，整理完整的機型尺寸、缺陷、工藝清單。

　　這邊尹博也沒閒着，查閱學術論文，拜訪專攻工業視覺的高校專家，轉化論文核心算法，自研AIGC仿真缺陷生成技術……

　　大家爭分奪秒，因為：

　　「傳統方式要兩三個月，嗷嗷待產的東芝產線等不起。」

　　好在AIGC的加持讓他們大幅壓縮了迭代速度——

　　只需要5-10張真實缺陷照片，就能批量生成仿真樣本，直接把模型訓練周期壓縮三分之二。

　　靠着這套獨家算法，模型識別精度快速衝到90%，剛好跨過東芝投產門檻。

　　3

　　美的智研院研發的這套視覺檢測系統有三大創新解決方案。

　　一、360°全方位AI視覺自動化檢測。

　　4台8K線掃相機+2台面陣相機，龍門同步升降，五面（正面、背面、左面、右面、頂面）無死角一次性拍完。

　　團隊還迭代出飛拍技術，不停機也能高清連拍，極限節拍僅2.78秒！

　　美的智研院工業視覺實驗室，行業首創的AI視覺檢測方案進行洗衣機鈑金件、塑料件的檢測測試

　　二、多機型柔性三維縫隙測量。

　　這套系統用2D相機先測整機偏移，協作的機械臂會自動切換專屬掃描軌跡。

　　縫隙測量精度可以達到0.1mm，重複測量誤差僅0.04mm，單工位檢測不到15秒，比人工準和快100倍以上。

　　智研院工業視覺實驗室，機械臂搭載3D相機進行洗衣機縫隙的測量測試

　　三、全生命周期數字化溯源。

　　每台家電下線自動綁定唯一機身條碼，全部成像畫面、檢測記錄一一對應歸檔，隨時可調取溯源。

　　遇到全新未收錄瑕疵，現場採集樣本，線上直接迭代AI模型。

　　4

　　三大創新解決方案的背後，充滿了艱難而漫長的來回拉扯。

　　就拿「360°全方位AI視覺自動化檢測」的誕生過程來說：

　　行業內做家電外觀檢測，大家默認用面陣相機（定點拍攝，一次性曝光成像），熟門熟路。

　　「老路子穩啊，之前項目全是這麼幹的。」

　　但現實潑了一盆冷水。

　　遇到產品是平面機型還好，碰上帶大弧度曲面的產品外殼，面陣一打光就明暗斑駁，細微劃痕和髒污直接隱藏進光影裏，根本檢不出。

　　想靠堆面陣相機補窟窿？

　　前前後後至少要上12台，而且就算砸這麼多硬件，曲面缺陷依舊沒法保障檢出。

　　「堆相機不等於堆出檢測能力。」

　　彭博在實驗室反覆測完樣機，給出結論：

　　8K線掃相機（類似高速掃描儀，通過運動採集圖像，再進行拼接）清晰度是2.5K面陣相機的三倍多，對曲面工件的檢測成像質量，要明顯優於面陣相機。

　　但代價是要做一個全新的拍攝輔助設備——龍門升降架。

　　這在行業裏沒有現成的案例。

　　「滑桿跑久了噪音大，萬一往下撞了產品或者相機，產線直接歇菜，損失誰扛？」

　　內部顧慮很大。

　　風險擺在眼前，團隊爭執不下，就把所有坑點逐個拆解：圖紙拉出來，拉上工廠、供應商開三方評審；加上安全觸邊、光柵、激光測距多重防護，鎖死撞機風險；梳理完整產品型譜，把所有機型尺寸、材質全部摸透。

　　前後折騰近半年，經過無數次實驗室測試和產線調試，纔有了這項實打實的「行業首創」。

　　5

　　業內普遍認為，美的智研院自研的這套AI視覺檢測系統，打造出了一套統一、可批量複製的高精度出廠品控標尺。

　　「當前落地項目缺陷檢出率穩定在99%以上，甚至達到99.5%以上，中長期迭代目標鎖定99.99%。」

　　彭博對技術長期升級有着清晰規劃。

　　產線持續採集新款外觀缺陷樣本，定期重訓AI模型，設備交付後提供終身算法迭代優化服務。

　　2026年春，無錫雙高端工廠兩條產線完成全部驗收，全面投產。

　　COLMO線佈設8個檢測點位，東芝線落地6個點位，AI徹底替代人工質檢。

　　兩條產線投產半年，經覈算，直接減少不良損失超1200萬。

　　美的無錫洗衣機雙高端工廠COLMO產線，AI視覺與庫卡機械臂協作完成洗衣機五面檢

　　工廠降本提效只是附加收益，核心價值最終落在普通消費者身上——

　　AI微米級全維度篩查，從源頭攔住帶瑕疵整機流入市場，用戶開箱就能拿到無劃痕、縫隙均勻的全新家電，省去來回退換的時間成本。

　　把時間拉長來看，AI的深度應用將長期攤薄品控開銷，成本紅利傳導至終端，未來家電的市場售價將更加親民。