人工灯检漏检率0.5%赔了15万？我用Java+YOLO+OpenCV干到1秒60瓶，漏检率0.005%

一、先讲个差点让朋友饮料厂停产的真实故事

我发小在杭州的一家瓶装水饮料厂做技术，去年夏天出了大事：人工灯检车间漏检了一批“低液位”的矿泉水，流向市场后被消费者投诉到市监局，直接罚款15万，召回+返工损失加起来超过50万，车间主任被降职，他差点被开除。

我去现场看了一下，问题太典型了：

• 人工灯检效率低、成本高：8个灯检工，1小时只能检17280瓶，平均1秒0.6瓶，每人月薪5500+社保，一年成本60万+；
• 漏检率、误检率高：人工连续看1.5小时就疲劳，漏检率0.4%-0.8%，误检率1.2%-2.0%，好瓶被扔掉，坏瓶流向市场；
• 用传统OpenCV找边缘：之前图省事找外包做的，受车间光照变化、瓶身反光、标签遮挡影响大，漏检率还是0.2%，误检率1.0%；
• 用Python写的单相机检测脚本：和饮料厂的Java PLC分拣系统对接，用Process调用，进程间通信开销大，1秒只能检15瓶，完全跟不上高速生产线60瓶/秒的节拍；
• 只用内存队列：饮料厂突然断电，丢了40分钟的检测数据，根本不知道哪批有问题。

我花了4天时间，帮他把整个架构换成Java原生调用YOLO+OpenCV ROI提取+高速工业相机光电触发，再加上多线程分离+SQLite持久化队列、对接Java PLC实时分拣