AI視覺缺陷檢測技術落地方案-塑料注塑件外觀質檢
1. 方案概述
本方案針對塑料注塑件（手機外殼、家電面板、汽車內飾塑件等）的外觀質量管控需求，基于AI視覺+多角度成像+邊緣計算技術架構，實現飛邊、縮水痕、劃傷、頂白、色差、異物六大類缺陷的自動化高精度識別。
其中飛邊、縮水痕、頂白列為嚴重缺陷，執行100%全量檢出標準，杜絕漏檢；劃傷、色差、異物實現精準識別與分級告警，替代人工目視檢測，提升檢測效率、一致性與質量管控水平。
方案采用”頂拍+側拍+背光”三路成像布局，搭配白光、環形同軸光雙光源互補成像，依托邊緣計算盒實現本地實時推理，部署周期短、適配產線現場環境，支持遠程調試與快速迭代優化。
2. 檢測需求與缺陷定義
2.1 檢測對象
塑料注塑成品件，覆蓋不同材質（ABS、PC、PP等）、顏色、尺寸規格的常規量產型號，適配單色件與多色件檢測需求。
2.2 缺陷分類與管控標準
| 缺陷類型 | 缺陷描述 | 缺陷等級 | 檢測要求 |
|---|---|---|---|
| 飛邊 | 模具分型面或頂針孔處殘留的多余薄邊、毛刺，影響裝配與外觀 | 嚴重缺陷 | 100%識別，無漏檢 |
| 縮水痕 | 塑料冷卻收縮不均導致的局部凹陷、波紋，影響結構強度與外觀 | 嚴重缺陷 | 100%識別，無漏檢 |
| 頂白 | 頂出機構作用點出現的白化、應力痕，影響外觀一致性 | 嚴重缺陷 | 100%識別，無漏檢 |
| 劃傷 | 表面機械劃痕、刮花、摩擦痕跡 | 一般缺陷 | 高精度識別，精準定位 |
| 色差 | 顏色不均、與標準色卡偏差、局部變色 | 一般缺陷 | 高精度識別，精準定位 |
| 異物 | 產品表面或內部附著的雜質、碎屑、黑點等外來物質 | 一般缺陷 | 高精度識別，精準定位 |
核心管控原則： 嚴重缺陷執行零漏檢策略，算法模型針對飛邊、縮水痕、頂白做專項優化，強化特征提取與判別邏輯；一般缺陷兼顧檢出率與誤報率平衡，適配產線量產檢測節奏。
3. 硬件系統架構設計
一期MVP版本配置清單
| 序號 | 設備名稱 | 規格參數 | 數量 | 安裝方式 | 核心用途 |
|---|---|---|---|---|---|
| 1 | 頂拍工業高清攝像頭 | 工業級高清、低畸變、全局快門，分辨率≥1200萬 | 1臺 | 垂直固定于檢測工位正上方 | 采集頂面整體圖像，篩查色差、劃傷、異物、縮水痕 |
| 2 | 側拍工業高清攝像頭 | 微距可調、全局快門，分辨率≥800萬 | 2臺 | 對稱分布于工件兩側 | 捕捉邊緣飛邊、頂白、側面缺陷 |
| 3 | 環形同軸白光光源 | 均勻無頻閃，亮度可調，工業級防護 | 1套 | 配合頂拍相機同軸安裝 | 還原表面缺陷真實形態，適配劃傷、色差、縮水痕成像 |
| 4 | 背光光源 | 均勻背透光，適配輪廓檢測 | 1套 | 工件底部對應安裝 | 增強邊緣對比度，專項識別飛邊輪廓 |
| 5 | 邊緣計算盒 | 工業級邊緣推理設備，支持多路圖像實時處理與AI本地化部署 | 1臺 | 工位旁壁掛/臺式放置 | 圖像預處理、AI缺陷推理、結果判定、數據輸出 |
| 6 | 相機安裝支架 | 可調節鋁合金支架，抗震穩固 | 1套 | 檢測工位周邊固定 | 承載3路工業相機，保證拍攝角度穩定 |
| 7 | 線纜及配件 | 工業網線、電源線、觸發線、光源控制器等 | 1批 | 設備連接布線 | 保障供電、數據傳輸、信號同步 |
操作流程： 人工將待測注塑件放置于視覺檢測工位的固定平臺，觸發3路相機與雙光源完成圖像采集、AI缺陷識別，系統實時輸出OK/NG判定結果；人工根據判定結果，將合格件與不合格件分區域存放。
3.1 攝像頭部署方案
采用”1頂拍+2側拍”的多角度視覺布局，全覆蓋產品頂面、邊緣及關鍵裝配面，消除視覺盲區：
- 頂拍高清攝像頭（1臺）： 垂直安裝于產品正上方，采集頂面整體圖像，用于色差、劃傷、縮水痕、異物的初步篩查與定位。
- 側拍高清攝像頭（2臺）： 對稱分布于產品兩側，針對產品邊緣、分型線、頂針位進行特寫拍攝，重點捕捉飛邊、頂白等嚴重缺陷，保障成像清晰度。
所有相機選用工業級型號，具備高幀率、低畸變、抗干擾特性，適配車間震動、粉塵等復雜環境，支持同步觸發采集。
3.2 雙光源成像系統
針對不同缺陷的光學特征，采用互補式光源設計：
- 環形同軸白光： 均勻照射產品全域，形成高對比度可見光圖像，用于劃傷、色差、縮水痕、異物五類缺陷的特征采集，還原缺陷真實形態。
- 背光光源： 專項用于飛邊檢測，通過背透光顯著增強產品邊緣輪廓對比度，將微小飛邊與正常邊緣區分開，解決白光下飛邊與產品本體對比不足的問題，保障飛邊100%檢出。
3.3 核心計算設備
采用工業邊緣計算盒作為主推理設備：
- 體積小巧，安裝便捷，適配產線緊湊空間
- 算力充足，支持多路圖像實時處理、AI模型本地化推理，無云端延遲
- 工業級防護，抗高低溫、抗電磁干擾，穩定適配車間工況
- 支持數據本地存儲、缺陷告警輸出、產線信號對接
4. AI識別系統設計
4.1 技術流程
整套AI檢測系統遵循標準化檢測流程：
- 多光源圖像同步采集： 雙光源分時/同步觸發，3路相機并行采集產品多角度圖像
- 圖像預處理： 降噪、增強、畸變校正、灰度優化，強化缺陷特征，弱化背景干擾
- 缺陷AI推理判別： 邊緣計算盒運行專項訓練的深度學習模型，針對六類缺陷做精準分割、定位與分類，重點強化嚴重缺陷的判別閾值與特征匹配
- 結果分級輸出： 嚴重缺陷立即觸發告警并標記不合格，一般缺陷同步記錄缺陷位置、類型、尺寸，生成檢測報告
- 數據閉環： 采集缺陷樣本持續迭代模型，提升識別精度與穩定性
自適應兼容： 支持不同規格、顏色注塑件產品的快速切換，適配產品外形、材質差異。
5. 項目實施與周期規劃
5.1 分階段實施規劃
結合產線落地節奏，采用”一期人工驗證+二期全自動升級”分步模式，先驗證AI識別精度，再推進自動化聯動改造。
一期：人工操作驗證階段
本期以AI識別效果驗證為核心目標，暫不改造產線傳動與抓取機構，采用人工上下料簡易模式，快速完成算法調試與模型優化：
- 操作流程： 人工放件→觸發采集→AI識別→OK/NG判定→人工分揀
- 核心目標： 驗證六類缺陷識別精度，重點核驗飛邊、縮水痕、頂白三類嚴重缺陷100%檢出效果；收集現場缺陷樣本迭代模型，調試成像參數與判定標準
- 適配場景： 無需改動現有產線布局，投入少、見效快，適合小批量試產與標準確認階段
5.2 實施前置條件
- 缺陷素材保障： 提供足量含各類缺陷（尤其飛邊、縮水痕、頂白）的合格/不合格樣品，覆蓋不同顏色、規格，構建完整訓練數據集
- 現場專人配合： 安排熟悉產品、產線的技術人員全程對接，協助硬件定位、缺陷標準確認、工況調試
- 網絡與設備支持： 檢測現場具備外網連接條件（用于遠程調試、模型迭代），配備1臺調試專用電腦
- 硬件安裝基礎： 提供穩定的產品放置平臺、供電接口，保障攝像頭、光源、邊緣計算盒的安裝空間
5.3 調試模式
以遠程調試為主、現場輔助為輔：通過外網實現算法調試、模型更新、參數優化；硬件安裝、產品擺放等實操環節由甲方現場人員配合完成，降低實施成本與周期。
6. 交付成果與售后保障
6.1 交付內容
- AI視覺缺陷檢測軟件系統（含缺陷識別、數據統計、告警輸出模塊）
- 系統部署手冊、操作說明書、維護手冊
- 缺陷檢測模型文件、數據集備份
- 系統調試報告、驗收測試報告
