螺丝这东西，便宜的时候几分钱一颗，没人当回事。但真出了问题，代价可能是它的几千倍。
我们有个做汽车紧固件的客户，前年出过一次事：一批螺丝发去主机厂，装配时发现有几十颗螺纹烂牙，拧不进去也退不出来，最后整批两万多颗全部退回分拣，运费、返工费、客户罚款加起来十几万。而这批螺丝的货款，还不到两万。
从那以后，客户铁了心要上螺纹视觉检测。今天聊聊螺丝检测这件事，以及我们在实际项目里的做法。
螺丝检测，难的不是看得见的缺陷
螺丝的检测项说起来大家都熟：头部直径、对边宽度、杆径、长度、螺纹中径、螺距、牙型角，还有头部开裂、缺料、毛刺、镀层不良这些外观缺陷。
但真正难的是螺纹部分。为什么？
螺纹是螺旋面，普通相机拍不全。 你从正面拍，只能看到一两圈牙，后面的被挡住了；从侧面拍，牙型轮廓又被压缩了。要完整评估螺纹质量，要么用多相机环绕拍摄，要么用特殊光学方案把螺旋面展开。
缺陷形态多且细微。 烂牙、滑牙、缺牙、牙尖变形、螺纹内有异物 —— 每种缺陷的表现都不一样，而且可能只发生在某一圈的某个位置，人工用螺纹环规检，能通能止就算过，但中间有没有半圈坏牙，环规告诉你不。
产量大，人工全检不现实。 螺丝厂一天出货几十万颗，就算一个熟手一分钟检 50 颗，一天 8 小时也才两万多颗，得多少人？而且检螺纹是精细活，眼睛盯久了效率和准确率双双跳水。
我们的方案怎么干
针对螺丝检测，我们通常用转盘式光学筛选机，核心是三件事：上料、成像、算法。
上料要稳。 螺丝小、形状不规则，用振动盘排序上料，逐个送到转盘工位。转盘上有精密夹具，保证每颗螺丝的姿态一致 —— 头朝哪、杆朝哪、高度多少，全部固定，这样拍出来的图像才有可比性。
成像是关键。 我们根据检测项配置多组相机和光源：
顶部相机拍头部外观：开裂、缺料、镀层、十字 / 内六角槽形
侧面相机拍杆部尺寸和螺纹轮廓：杆径、长度、螺纹中径、螺距
配合低角度环形光和同轴光，把牙尖和牙底的明暗对比打出来，烂牙缺牙在画面里一目了然
对于需要全周检测的螺纹，用棱镜或多相机环绕，把 360 度的牙型都覆盖到
检测精度做到 ±0.005mm，螺距误差、牙型角偏差都能量化输出，不是简单的 "过 / 不过"。
算法分两路。 尺寸类（杆径、长度、头部尺寸）用传统视觉算法，速度快、稳定；缺陷类（烂牙、缺牙、开裂、镀层不良）用 AI 深度学习模型，把各种不良样本训练进去，不管缺陷出现在哪一圈、什么形态，都能稳定识别。
分拣要细。 不良品不是笼统丢一个盒子，而是按缺陷类型分 —— 烂牙的、尺寸超差的、头部开裂的，各归各的。客户拿到分拣结果，一看就知道是搓牙机的问题还是打头机的问题，直接回溯工艺。
上线后什么变化
还是说回那个汽车紧固件客户。上了两台转盘筛选机后：
检测效率：单台每分钟 600 颗，两台 1200 颗，一天满产能跑 50 万颗，原来 8 个人的终检岗现在 1 个人看设备
漏检率：上线后客户零投诉，主机厂的 PPM 从之前的几百降到个位数
误判率：初期约 0.5%，经过两个月持续加样本训练，降到 0.2% 以下
工艺改善：因为不良品按类型分拣，客户发现某台搓牙机烂牙率偏高，检修后整体不良率降了 40%
数据追溯：每颗螺丝的检测图像自动存档，客户审厂要什么数据直接调
客户质量总监说了句大实话："以前是出货后心惊胆战，现在是出货前心里有底。"
几句实在话
做了不少螺丝和紧固件检测项目，有几点体会：
1. 别只看 "能检"，要看 "检得多细"。 螺纹检测最容易缩水 —— 有些方案只检通止，不检中间牙型。一定要拿来样实测，看清楚到底覆盖了哪些检测项。
2. 上料稳定性决定设备稼动率。 螺丝形状千差万别，自攻钉、机螺钉、钻尾钉、台阶钉，上料方式都不一样。方案阶段就要把上料跑通，别等设备到了现场才发现卡料。
3. AI 模型需要养。 上线初期误判率高是正常的，把设备误判的样本收集回来继续训练，一两个月后准确率会明显提升。这个过程省不得。
螺丝虽小，但它是很多产品的 "筋骨"。紧固件出问题，轻则返工，重则安全事故。把检测做在前面，不是成本，是保险。
如果你也在做螺丝、螺母或其他紧固件，被螺纹检测和品质追溯困扰，欢迎留言聊聊你的产品和要求，或者寄样过来免费测一轮，用数据说话。
