化纤集团要上视觉检测，原液检测AI怎么布？

化纤集团上碳谷原液视觉检测系统，深度学习 AI 加防爆硬件，24 小时盯原液里的气泡、杂质、晶体。

这是比算法准确率？不，我们今天来分析背后的问题

防爆是入场券，我们看原液车间什么环境？有机溶剂挥发，属爆炸性气体环境。那相机、光源、控制柜全链路都得防爆，买个工业相机套个壳不行了。你算法调得再好，设备过不了防爆验收，连车间都进不去。所以上之前，问问你防爆认证覆盖到哪一层？整机认证还是部件认证？

边缘推理很重要，缺陷识别响应≤1 秒，这是架构选对。当图像传云端再推理，光网络延迟就不止 1 秒，这是得布置边缘侧部署，模型跑在现场工控机里，断网也能检测。这里不是 "云端 AI 平台" 概念，产线级检测还得是边缘计算

还有6 个月图像追溯，因为异常图像保存≥6 个月，很这不是存储空间的事。这 6 个月产出的的异常图像库，是你后续模型迭代的根基，新缺陷类型出现了，拿这些图去微调，模型就会越跑越准。要做好有追溯的检测系统。这里要注意，图像能不能按缺陷类型、批次、时间检索？能不能一键导出训练集？

MES 对接闭环。如果检测完了数据只存本地，就是信息孤岛。MES 对接的某批次原液杂质超标，系统自动触发隔离，同时把数据回写质量模块，后续追溯能查到哪批料、哪台设备、什么时间出的问题。检测的终极目的不是发现问题，是闭环问题。

视觉检测项目要做好，算法准确率只是拿了基础分，防爆、响应、追溯、MES 对接才是关键。信息化负责人们要把这四条写进你的选型 checklist，比比十家供应商的 PPT 都管用。

你们厂的视觉检测，图像能追溯几个月？评论区聊聊。

#工业 AI #智能检测 #机器视觉 #缺陷检测 #MES #碳纤维 #信息化