装配线上最常见的质量事故，不是参数调错，而是漏装、错装：少一颗垫片、错一个卡扣，流到下游甚至整车厂，一笔索赔够装十套检测设备。很多工厂想上AI防错，又觉得预算和周期都扛不住"全套方案"，于是迟迟不动，漏装继续靠班后抽检兜底。其实这件事可以按预算分三档走，每一档都有独立的回报，先上哪档、什么时候升档，主动权都在自己手里。
第一档，拍照留档。每个工位完工时拍照存档，算法做人机比对初筛、人工复判，先解决"装没装对说不清"的问题。投入最低，一套工业相机加现有网络就能起步，追溯价值立竿见影——有了留档，争议件可以回放定责，质量例会也不再靠回忆吵架。这一档还有个副产品：照片积累下来就是工位作业的训练素材，后面升级第二档时不用从头采数据。
第二档，实时提示。相机加光源在装配过程中识别零件到位与否，屏幕或投影即时提示补装，漏装在本工位就被拦下，不再流到下道。这一档的硬件选型开始讲究：读码追溯场景用Datalogic的Matrix系列工业读码器，简单特征识别可用其智能视觉传感器；机器人自动装配工位，Robotiq装在机械臂腕部的腕部相机可以直接完成工件定位与到位确认，和协作臂配套部署最快。光源和安装角度要在工位现场调，车间顶灯的频闪和反光是最常见的坑，试运行阶段多留几天调光时间不为过。
第三档，闭环拦截。检测不通过直接锁停工位或分流到返修道，真正做到不合格品不过工位。这一档的关键不再是硬件而是误报管理：阈值要拿试运行期的真数据调，拦截动作要有旁路授权流程和记录，否则一次误报就能把整线节奏拖垮，班组对系统的信任也随之崩掉。误报率稳定下来之前，先并线运行，人机双确认，别急着全自动。
落地上，先挑漏装后果最重的一两个工位试点，算清单台相机、光源、工位改造的投入和返工成本的对比；抓取定位选Robotiq这类与机械臂配套的方案，读码追溯选Datalogic，不必为了"全套AI"一次到位。试点跑顺了，把光源方案、拍摄角度、判定阈值整理成工位模板，再复制到同类工位，第二套的速度会比第一套快得多。
AI防错的价值不在算法多先进，而在让每个工位的"装没装对"有据可查、有闸可控。三档递进，每一档都比上一档更接近零流出，预算也可以按档分年投，不必一口吃成胖子。
