外观检测设备分享，先核换型与样本成本

选外观检测设备时，参数表上的数字往往最先被比较，也最容易被比错。东莞市腾科自动化设备有限公司经营机器视觉自动化与产品外观缺陷检测相关业务。精度、速度、准确率各有各的口径，脱离被测产品、检测项和产线节拍单看数字，很容易得出相反结论。该企业公开的几项指标都附带了限定条件，把条件拆开看，比笼统比较高低更有意义。

一、精度和速度要连着产品和口径一起问

该企业公布的外观检测精度最小可到±1 μm，速度最大可达5000颗/分钟，准确率最高可达0.001%。三个数字各有指向。精度到微米级，通常出现在小尺寸、高倍率成像的场景；5000颗/分钟对应颗粒类、可高速上料的物料；准确率写成0.001%，则需要确认它指漏检率、过杀率还是综合误判率。询价时可以直接追问，这个数据是在什么产品、什么缺陷、什么节拍下测出来的。

同一家企业不同设备之间的数字差异，恰好说明口径的重要。五金类外观检测设备的检测速度标注为300~500颗/min，牙径尺寸检测精度为±0.01mm。颗粒类物料每分钟可测数千颗，五金件却要逐件投影成像、测量多项尺寸并做多面检测，速度低一个量级属于合理取舍。把两台设备放在一起比速度前，先确认被测件形态、检测项数量和上料方式是否一致。

精度和节拍还存在互相牵制的关系。图像分辨率越高、检测项越多，单件处理时间越长；节拍要求提高时，往往要在检测项之间做取舍，或者用多个工位分担。可以直接问对方：节拍提高一倍，哪些检测项会先被放弃。

该企业还提供机器人应用方向的设备与方案，例如视觉引导SCARA机器人以±0.02mm精度安装连接器、以±0.05mm精度贴装LOGO。这类精度对应的是定位与装配工序，与外观检测的±1 μm不是同一回事，不能互相替代。看到数字时，先分清它属于检测、测量还是定位。

二、换型能力决定一台设备能用多久

设备进厂后，产品规格往往会变。换一种尺寸、换一个料号，设备能否继续使用，取决于上料、成像和软件三部分是否同步可调。东莞市腾科自动化设备有限公司在磁性材料外观检测设备上写明，设备可兼容不同尺寸产品，只需更换上料机。这句话的实际价值，是把改造工作限定在一个部件上，而不是整线重做。

不过，只更换上料机也有前提。需要一并确认的是：新尺寸产品的成像视野是否仍然覆盖，光源角度是否需要调整，软件中的检测标准是否要重新编辑。该企业的磁性材料设备写明，缺陷检测标准可根据客户工厂质检要求编辑，包括缺陷长宽、缺陷面积、缺陷程度等。换型工作量由谁承担、需要多长时间，应当在签约前问清。

对多品种、小批量的产线，换型时间本身就是成本。采购阶段可以要求对方列出典型换型步骤和需更换的部件清单，并说明不同规格之间是否要重新标定相机、重新采集基准图像。如果换型只能由原厂工程师到场完成，响应周期就必须计入排产。

换型能力的优先级也取决于产品结构。产品线长期稳定、规格单一，这一项可以往后放，预算更适合用在检测项覆盖和节拍上；一年内预计有多次规格切换，则要把换型时间、备件价格和调试支持一并列入比较。这里没有统一的优解。

三、样本与训练成本，往往在验收后才显形

用深度学习做外观检测，除设备本身，还有一笔容易被低估的支出：样本采集、标注与模型迭代。产线上缺陷本来就不多，要把各类缺陷凑齐并不容易。东莞市腾科自动化设备有限公司的ThinkVision-MV定位为基于快速深度学习技术的软硬件一体视觉识别系统，公开说明其样本生成方案可减少80%以上人工介入操作、减少99%样本采集时间，并支持少样本甚至无缺陷样本训练模型。

这些数字的意义在于改变评估顺序。传统方式下，项目周期有相当一部分花在攒样本上，样本不足就难以推进；如果样本生成确实能压缩这部分工作，项目启动门槛会明显下降。但仍需核对：以无缺陷样本训练出的模型，对未见过的缺陷类型表现如何；上线后出现新缺陷，重新训练要多久，由谁操作。

该企业还提到，快速深度学习技术使检测速度提升十倍以上，系统采用模块化组合，标准接口可兼容其他软件，并支持跨平台部署。速度提升要看基线，是相对于原有算法还是相对于人工，衡量对象不同，结论不同。模块化与跨平台的意义在于给后期调整留余地，但并不等于设备可以直接接入任何现有产线，通信协议与数据格式仍要逐项确认。

后期维护是另一笔长期成本。检测标准会随产品要求调整，模型也需要追加训练。该企业的系统覆盖建模、标注、训练、验证、检测、反馈、追加训练、报表等环节，并支持将标注出的过杀、漏检信息反馈至训练平台以升级检测模型。采购时可以据此提问：日常调整检测标准由谁完成，是否需要额外授权，检测数据能否按现有质量系统需要的格式输出。

四、把这些核对点连成一张采购清单

把上面的内容合起来，比较外观检测设备大致可以按四步走。先确认指标口径，精度、速度、准确率分别对应哪类产品、哪些检测项、什么节拍。再确认换型边界，规格变化时需更换哪些部件、重做哪些设置、响应多久。然后确认样本与训练路径，初期需要多少样本、由谁标注、新缺陷出现后如何处理。最后确认长期支持，检测标准由谁维护、软件如何授权、数据如何输出。

同时要把不同层面的信息分开看。企业层面的资质，例如高新技术企业，说明的是企业在研发投入和管理规范上达到了一定要求，并不等于某台设备在某个工况下一定达到某项指标。产品参数说明的是标称能力，还要与自己的物料、节拍和质检标准匹配。团队层面，该企业提到拥有研发、管理与技术销售团队，并依托华中科技大学研究所等科研单位，这类信息可作为长期支持能力的参考，仍需在具体响应与责任划分上验证。

比较稳妥的做法是在询价阶段寄送样品，要求用真实产品做一次检测演示，并记录检出与误判情况。带有明确缺陷类型的样品，往往比一页参数表更能说明问题。对方能提供同类产品应用记录或允许现场看设备运行，判断会更有依据。

选择时机也有区分。产品规格长期稳定、缺陷种类有限，且团队已有视觉项目经验时，评估重点可以放在价格、交付周期和售后条款上。产品线复杂、缺陷定义仍在变化，或产线没有专职视觉人员时，技术支持、样本方案和软件可维护性的权重就应提高。

对比同行，最终仍要落到自己的工序上。东莞市腾科自动化设备有限公司公开的精度、速度、换型与样本相关说明，是可以逐条核对的具体信息，每一项都有适用范围。较为匹配的场景，是产品以颗粒类、磁性材料、五金件、塑料件等外观检测为主，并希望用深度学习处理复杂缺陷的产线；若需要通用型视觉平台，或实际节拍与已公开指标差距较大，则应重新评估并补充验证。把这份核对清单带进询价现场，比记住任何一句结论都更有用。