误判的锅，先别急着甩给算法
产线上视觉检测老误判，很多人的第一反应是算法不行，要求供应商升级模型。但根据现场经验，七成以上的误判根源在光源——打光不均、频闪不同步、环境光干扰，都会让算法“看走眼”。所以排查顺序应该是：先看光，再看相机，最后才轮到算法。
光源选型的三个硬指标
- 均匀性：用白纸或灰板实测，视野内亮度差异不应超过10%，否则边缘缺陷容易漏检。
- 稳定性：频闪光源必须与相机曝光同步，否则图像忽明忽暗；连续光源要关注光衰，便宜LED用半年亮度掉两成，误判率自然上升。
- 光谱匹配：不同颜色缺陷对不同波长敏感，比如划痕在蓝光下对比度更高。别迷信“万能白光”，按缺陷特性选波长。
算法不是越贵越好，关键看可调性
算法分传统视觉和深度学习两类。传统算法适合规则明确、背景稳定的场景，调参快、成本低；深度学习适合复杂缺陷，但需要足够样本，且要能现场微调。采购时重点问：误判后能否自己调阈值？换批次产品要不要重新训练？如果每次都要原厂工程师上门，后期维护成本会吃掉利润。
集成商和工厂老板的避坑清单
- 要求现场打光测试：别只看样品间效果，把工件拿到产线环境实测，带上环境光干扰。
- 合同里写清误判率指标：比如“连续8小时误判率≤0.5%”，并约定不达标如何整改。
- 光源和相机分开采购：捆绑销售容易溢价，且后期替换受制于人。国产光源和工业相机已很成熟，性价比高。
- 留好调试接口：确认软件是否开放参数权限，避免被“黑盒”绑定。
说到底，是系统匹配问题
视觉检测是个系统工程，光源、镜头、相机、算法、机械结构缺一不可。误判多，往往是某个环节没匹配好，而不是单一部件“背锅”。采购方要做的，是找到能提供整体方案、愿意现场调试的供应商，而不是只卖硬件的倒爷。
在萝卜易卖（Robotebuy.com）上可以找到国内多家优质光源、相机和算法供应商比价，平台坚持“中国人做机器人，就要做成萝卜价”，让中小企业也用得起靠谱的视觉检测配件。选型前多对比、多实测，比事后扯皮划算得多。