上周跟一个做新能源线束的朋友聊，他说比亚迪产能爬坡后，质检的压力直接拉满——他负责的3号线束车间，之前人工质检的工位从2个加到了8个，还是赶不上下线节奏，上个月因为漏检了12根端子偏移的线束，导致主机厂返工，损失了近20万。
新能源汽车线束是整车的神经脉络，质检的精度和速度，直接卡着整车下线的节奏，而非标视觉选型，就是现在降本增效的核心。
线束质检的核心痛点，说出来都是扎心的事儿。
单台车的线束有上百根端子
单台车的线束有上百根端子，端子间距常小于0.2mm，不同车型的线规格还不一样，错压、漏装、端子偏移这些缺陷，人工目检的漏检率有3%-5%，产能上来后，人工效率根本跟不上产线节拍，成了爬坡的瓶颈。更棘手的是，新能源线束的端子是压接在铜线上的，人工拿取时难免拉扯，导致端子偏移的真实状态被掩盖，比如本来偏移0.15mm，人工拉一下就变成0.3mm，检测时容易误判；而有些端子是带防呆锁扣的，人工容易忽略锁扣没压到位的细微缝隙，这也是漏检率高的核心原因之一。
选视觉要盯的核心参数，得紧扣场景来。
就像看小字得用高清放大镜
就像看小字得用高清放大镜，0.1mm的端子偏移，得用1200万像素以上的工业相机才能抓得到。这里要注意，像素不是越高越好，得匹配检测视野——如果检测视野是100mm×100mm，1200万像素的相机刚好能把0.1mm的端子偏移放大到像素级，要是视野太大，高像素反而会增加数据处理时间，拖慢检测速度。还有算法，通用算法根本覆盖不了多规格线束的异形端子、压接缺陷，得定制化，就像不同锁得配对应钥匙，要是用通用算法，就像用普通钥匙开密码锁，根本对不上齿。
别踩通用视觉的坑。
不少企业图省事买现成的通用视觉设备
不少企业图省事买现成的通用视觉设备，结果踩了坑：新能源线束多规格、高密度，通用算法识别失效，不同车型端子形状差异大，漏检率反而高，拖慢产能。
选型的实操逻辑，得落地。
选型时别光看参数
选型时别光看参数，得紧扣实际需求：先捋当前产线的线束规格、单台检测节拍，比如产线每3秒下线一台车，视觉检测得在2.5秒内完成；然后找服务商要现场试机，用实际生产的线束测漏检率和速度，别光看纸面参数，试机时一定要模拟产线的真实工况——比如产线是震动的，要在震动台上试，不能只在静态下测，因为震动会导致相机拍出来的图像模糊，要是没考虑这个，实际用的时候漏检率会飙升；最后确认算法能不能快速切换，适配以后新增车型的线束规格，还要问清算法切换的时间，有些服务商的算法切换要1小时以上，而实际产线换型可能只有10分钟，要是切换时间太长，会导致产线停线，损失更大，另外还要确认服务商有没有现场调试的能力，遇到产线的实际问题，比如线束摆放角度不对，能不能现场调整。
