AI视觉质检定制：多品类切换的模板管理

多品种小批量产线做视觉质检，真正难的往往不是缺陷检测算法，而是换型时那一两个小时的产线等待。一条线每天切三到五款产品，每款都要重新框选检测区域、调阈值、跑样本验证，人工配置的时间比实际生产还长。 落地时建议把「品种」抽象成一层模板，而不是每次从零配置： 1）模板结构分层。把相机参数、ROI 区域、光源亮度、模型权重、判定阈值打包成一个配方文件，用产品编码作为索引。切换时扫码或读 MES 工单，一键加载。实测可将换型配置时间从 40~60 分钟压缩到 3~5 分钟，剩余时间用于首件确认而非参数调试。 2）差异化只做增量。同系列产品的检测项有 70% 以上重合，新模板可从相似模板复制后只改动差异项，例如某个尺寸阈值或新增一个缺陷类别。这样新品类上线不需要重新训练整套模型，只需补充该品类特有的负样本，通常 30~50 张即可达到可用水平。 需要注意的是，模板管理要配套版本与回滚机制。产线试跑失败时能一键退回上一稳定版本，避免因参数误改导致批量误判。同时把每次切换记录（产品、模板版本、首件结果）留存，后续做良率归因时才有依据。 模板化不是算法问题，是工程管理问题，但它决定了视觉质检能否真正适应多品种产线的节奏。