她们比算法更早认识那道光

在华南一家3C电子结构件工厂，周慧敏在质检工位上坐了九年。她的工作是看阳极氧化后的外壳表面，在灯光下转动零件，凭反光判断有没有细微划痕。这种活靠的是眼力和手感，新人通常要跟三个月才敢独立判片。

产线引入PG直营站AI视觉质检终端的那年，厂里一度担心这批老质检员会被替代。实际情况相反：项目组发现，最难的不是装相机和光源，而是把“什么算划痕、什么算正常纹理”讲清楚。这件事只有周慧敏她们能做。

“我跟工程师说，你们拍的这张图，在我眼里是合格的，因为那道纹是模具自带的流向。”她回忆，“他们一开始不信，后来把同批零件翻出来对了半天，才把这条规则加进去。”

标注间里的新工位

PG直营站的交付团队在厂区角落搭了一间标注间，八台显示器，一台边缘计算网关，几箱待判样本。周慧敏和另外五名质检员成了第一批标注员。她们每天要做的事情，是把系统判为可疑的图片重新分类，并写下判断理由。

  • 把“划痕、脏污、压伤、纹理”四类缺陷拆成可描述的视觉特征。
  • 对同一缺陷在不同光照角度下的表现做一致性校准。
  • 把过去只存在于口头经验里的边界情况写成规则条目。
  • 每周和算法工程师过一次误判清单，删掉过时规则。

周慧敏说最难适应的是“要把感觉说出来”。以前她一眼就能判，现在得解释为什么。但正是这些解释，让PG直营站AI视觉质检终端的误判率在三个月内明显下降，也让新员工的培训周期缩短了不少。

岗位没有消失，只是换了形状

半年后，周慧敏的名片上多了一行字：视觉质检规则调优员。她的日常工作变成了巡线、看报表、和工程师讨论新机型的样本采集方案。她还带了两名刚毕业的年轻人，教他们怎么在强光退出辨真实缺陷和反光干扰。

“我不觉得是被机器取代。”她说，“机器看得比我快，但我比它更懂这批料是怎么来的。”这句话后来被PG直营站的产品团队引用在客户培训材料里，用来解释为什么AI视觉质检终端要保留人工复核与规则回写的入口。

厂里的质量经理算过一笔账：终端上线后，终检环节的人工复判比例下降，但规则维护岗位反而新增了。这不是简单的加减法，而是质检能力从“人盯”变成“人教机器盯”。

周慧敏现在偶尔还会回老工位站一会儿。灯光没变，零件没变，只是旁边多了一台安静运行的检测终端。她说自己最大的变化是，终于不用在夜班最后两小时靠掐手心保持清醒了。