AI视觉缺陷检测技术落地方案-塑料注塑件外观质检
1. 方案概述
本方案针对塑料注塑件（手机外壳、家电面板、汽车内饰塑件等）的外观质量管控需求，基于AI视觉+多角度成像+边缘计算技术架构，实现飞边、缩水痕、划伤、顶白、色差、异物六大类缺陷的自动化高精度识别。
其中飞边、缩水痕、顶白列为严重缺陷，执行100%全量检出标准，杜绝漏检；划伤、色差、异物实现精准识别与分级告警，替代人工目视检测，提升检测效率、一致性与质量管控水平。
方案采用”顶拍+侧拍+背光”三路成像布局，搭配白光、环形同轴光双光源互补成像，依托边缘计算盒实现本地实时推理，部署周期短、适配产线现场环境，支持远程调试与快速迭代优化。
2. 检测需求与缺陷定义
2.1 检测对象
塑料注塑成品件，覆盖不同材质（ABS、PC、PP等）、颜色、尺寸规格的常规量产型号，适配单色件与多色件检测需求。
2.2 缺陷分类与管控标准
| 缺陷类型 | 缺陷描述 | 缺陷等级 | 检测要求 |
|---|---|---|---|
| 飞边 | 模具分型面或顶针孔处残留的多余薄边、毛刺，影响装配与外观 | 严重缺陷 | 100%识别，无漏检 |
| 缩水痕 | 塑料冷却收缩不均导致的局部凹陷、波纹，影响结构强度与外观 | 严重缺陷 | 100%识别，无漏检 |
| 顶白 | 顶出机构作用点出现的白化、应力痕，影响外观一致性 | 严重缺陷 | 100%识别，无漏检 |
| 划伤 | 表面机械划痕、刮花、摩擦痕迹 | 一般缺陷 | 高精度识别，精准定位 |
| 色差 | 颜色不均、与标准色卡偏差、局部变色 | 一般缺陷 | 高精度识别，精准定位 |
| 异物 | 产品表面或内部附着的杂质、碎屑、黑点等外来物质 | 一般缺陷 | 高精度识别，精准定位 |
核心管控原则： 严重缺陷执行零漏检策略，算法模型针对飞边、缩水痕、顶白做专项优化，强化特征提取与判别逻辑；一般缺陷兼顾检出率与误报率平衡，适配产线量产检测节奏。
3. 硬件系统架构设计
一期MVP版本配置清单
| 序号 | 设备名称 | 规格参数 | 数量 | 安装方式 | 核心用途 |
|---|---|---|---|---|---|
| 1 | 顶拍工业高清摄像头 | 工业级高清、低畸变、全局快门，分辨率≥1200万 | 1台 | 垂直固定于检测工位正上方 | 采集顶面整体图像，筛查色差、划伤、异物、缩水痕 |
| 2 | 侧拍工业高清摄像头 | 微距可调、全局快门，分辨率≥800万 | 2台 | 对称分布于工件两侧 | 捕捉边缘飞边、顶白、侧面缺陷 |
| 3 | 环形同轴白光光源 | 均匀无频闪，亮度可调，工业级防护 | 1套 | 配合顶拍相机同轴安装 | 还原表面缺陷真实形态，适配划伤、色差、缩水痕成像 |
| 4 | 背光光源 | 均匀背透光，适配轮廓检测 | 1套 | 工件底部对应安装 | 增强边缘对比度，专项识别飞边轮廓 |
| 5 | 边缘计算盒 | 工业级边缘推理设备，支持多路图像实时处理与AI本地化部署 | 1台 | 工位旁壁挂/台式放置 | 图像预处理、AI缺陷推理、结果判定、数据输出 |
| 6 | 相机安装支架 | 可调节铝合金支架，抗震稳固 | 1套 | 检测工位周边固定 | 承载3路工业相机，保证拍摄角度稳定 |
| 7 | 线缆及配件 | 工业网线、电源线、触发线、光源控制器等 | 1批 | 设备连接布线 | 保障供电、数据传输、信号同步 |
操作流程： 人工将待测注塑件放置于视觉检测工位的固定平台，触发3路相机与双光源完成图像采集、AI缺陷识别，系统实时输出OK/NG判定结果；人工根据判定结果，将合格件与不合格件分区域存放。
3.1 摄像头部署方案
采用”1顶拍+2侧拍”的多角度视觉布局，全覆盖产品顶面、边缘及关键装配面，消除视觉盲区：
- 顶拍高清摄像头（1台）： 垂直安装于产品正上方，采集顶面整体图像，用于色差、划伤、缩水痕、异物的初步筛查与定位。
- 侧拍高清摄像头（2台）： 对称分布于产品两侧，针对产品边缘、分型线、顶针位进行特写拍摄，重点捕捉飞边、顶白等严重缺陷，保障成像清晰度。
所有相机选用工业级型号，具备高帧率、低畸变、抗干扰特性，适配车间震动、粉尘等复杂环境，支持同步触发采集。
3.2 双光源成像系统
针对不同缺陷的光学特征，采用互补式光源设计：
- 环形同轴白光： 均匀照射产品全域，形成高对比度可见光图像，用于划伤、色差、缩水痕、异物五类缺陷的特征采集，还原缺陷真实形态。
- 背光光源： 专项用于飞边检测，通过背透光显著增强产品边缘轮廓对比度，将微小飞边与正常边缘区分开，解决白光下飞边与产品本体对比不足的问题，保障飞边100%检出。
3.3 核心计算设备
采用工业边缘计算盒作为主推理设备：
- 体积小巧，安装便捷，适配产线紧凑空间
- 算力充足，支持多路图像实时处理、AI模型本地化推理，无云端延迟
- 工业级防护，抗高低温、抗电磁干扰，稳定适配车间工况
- 支持数据本地存储、缺陷告警输出、产线信号对接
4. AI识别系统设计
4.1 技术流程
整套AI检测系统遵循标准化检测流程：
- 多光源图像同步采集： 双光源分时/同步触发，3路相机并行采集产品多角度图像
- 图像预处理： 降噪、增强、畸变校正、灰度优化，强化缺陷特征，弱化背景干扰
- 缺陷AI推理判别： 边缘计算盒运行专项训练的深度学习模型，针对六类缺陷做精准分割、定位与分类，重点强化严重缺陷的判别阈值与特征匹配
- 结果分级输出： 严重缺陷立即触发告警并标记不合格，一般缺陷同步记录缺陷位置、类型、尺寸，生成检测报告
- 数据闭环： 采集缺陷样本持续迭代模型，提升识别精度与稳定性
自适应兼容： 支持不同规格、颜色注塑件产品的快速切换，适配产品外形、材质差异。
5. 项目实施与周期规划
5.1 分阶段实施规划
结合产线落地节奏，采用”一期人工验证+二期全自动升级”分步模式，先验证AI识别精度，再推进自动化联动改造。
一期：人工操作验证阶段
本期以AI识别效果验证为核心目标，暂不改造产线传动与抓取机构，采用人工上下料简易模式，快速完成算法调试与模型优化：
- 操作流程： 人工放件→触发采集→AI识别→OK/NG判定→人工分拣
- 核心目标： 验证六类缺陷识别精度，重点核验飞边、缩水痕、顶白三类严重缺陷100%检出效果；收集现场缺陷样本迭代模型，调试成像参数与判定标准
- 适配场景： 无需改动现有产线布局，投入少、见效快，适合小批量试产与标准确认阶段
5.2 实施前置条件
- 缺陷素材保障： 提供足量含各类缺陷（尤其飞边、缩水痕、顶白）的合格/不合格样品，覆盖不同颜色、规格，构建完整训练数据集
- 现场专人配合： 安排熟悉产品、产线的技术人员全程对接，协助硬件定位、缺陷标准确认、工况调试
- 网络与设备支持： 检测现场具备外网连接条件（用于远程调试、模型迭代），配备1台调试专用电脑
- 硬件安装基础： 提供稳定的产品放置平台、供电接口，保障摄像头、光源、边缘计算盒的安装空间
5.3 调试模式
以远程调试为主、现场辅助为辅：通过外网实现算法调试、模型更新、参数优化；硬件安装、产品摆放等实操环节由甲方现场人员配合完成，降低实施成本与周期。
6. 交付成果与售后保障
6.1 交付内容
- AI视觉缺陷检测软件系统（含缺陷识别、数据统计、告警输出模块）
- 系统部署手册、操作说明书、维护手册
- 缺陷检测模型文件、数据集备份
- 系统调试报告、验收测试报告
