汽车密封件和磁材的AI视觉检测方案——缺陷分类与光学成像的工程原理

AI视觉检测在汽车零部件和磁材加工两个行业中的部署密度持续提升。以下以安徽密封件企业和磁材企业的设备方案为样本做缺陷分类和光学原理的技术分析。

密封件四类缺陷的光学成像原理

裂纹。密封件在硫化成型或冷却脱模过程中热应力集中区域容易出现线性开裂，裂纹宽度从数十微米到数毫米不等。低角度平行光以近于水平的入射角从侧面照射，裂纹两侧的微小高度差产生明暗反差在图像上形成与背景对比鲜明的暗色线。入射角在打样阶段根据黑色橡胶表面实际反射特性来校准，确保裂纹和正常表面在灰度值上的差异最大化。

飞边。模具分型面合模间隙中的橡胶溢出成薄边附着在密封件轮廓边缘。背光从密封件下方照射，透射光穿过飞边后在密封件轮廓外围形成白色高亮区域，正常轮廓的边缘在背光下呈现清晰锐利的剪影。背光的照度在出厂时预先设定为固定值，操作员日常不需要调整背光参数。

气泡。硫化过程中胶料内部残留气体未完全逸出形成封闭的圆形空洞。漫反射环形光从上方均匀照射，气泡在黑色橡胶基底上呈现为灰度值与周边区域不同的灰色圆斑。圆斑的灰度值和边缘锐度在不同壁厚和不同深度的气泡之间差异决定模型需要具备对不同尺度气泡的泛化能力。

硫化不良。局部欠硫导致表面发粘或硬度不均。漫反射下的表面纹理光泽度差异与正常区域在图像特征上可区分，硫化不良区的表面在成像面上表现为光洁度下降和散射增强。

密封件设备采用三路光源方案——低角度平行光、漫反射环形光、背光按设定时序分时工作。相机在每个光源的曝光时段分别拍摄对应波长的图像后四个专项模型并行推理综合判定。

磁材三类缺陷的光学成像原理

微裂纹。钕铁硼磁材在烧结或磨削脆性材料过程中产生表面线性微裂纹。低角度平行光从侧向以近于水平的入射角照射，微裂纹两侧高度差在磨削面上产生明暗反差在图像上呈现为暗线。磨削纹的规律纹理在低角度平行光下与微裂纹的线性特征在灰度值和纹理方向上的差异被专项模型捕获。

崩角。磨削或搬运过程中产生的边缘材料缺损。漫反射下崩角区域的轮廓缺失在图像上呈现为边缘锯齿或缺口，形状特征与正常的圆弧倒角可区分。

氧化斑。镀层表面的色度异常区域。特定波长单色光下的色差使氧化斑与正常基体在图像的RGB通道上呈现可识别的差异。磁材设备采用低角度平行光和漫反射双光源方案，磨削面用低角度平行光、镀层面用漫反射。

专项模型架构的工程价值

密封件四类缺陷和磁材三类缺陷各自的图像特征空间不重叠。对每类缺陷单独训练一个专项模型方案，裂纹模型专注线性特征的语义分割、气泡模型专注圆形灰度异常检测、飞边模型专注边缘轮廓完整性判定、崩角模型专注边缘缺失识别、氧化斑模型专注区域色度异常判定。专项模型在各维度上的检出率优于通用模型，这个规律在两个行业都被现场数据验证。模型并行推理后综合判定模块汇总各路输出。

视觉检测的检出边界

视觉检测只能检出在设备配置的光源方案中成像层面对表面可见的缺陷。密封件内部气孔和夹杂物需要通过超声或X射线检测。材料成分偏差如胶料配比不对视觉无法判断。功能缺陷如密封件的压缩永久变形需要在功能测试台上验证。

密封件集团将视觉检测数据与后道功能测试台数据系统对接，飞边检出率高的批次在耐压测试中的密封失效比例在数据积累中被量化了相关性。阈值在多次迭代后与耐压测试标准对齐。测试数据的对齐降低了下游工序的缺陷率。

数据积累与工艺参数优化

密封件集团设备运行中积累的各缺陷分类数据与产线工艺参数的关联分析显示，微裂纹检出率的升高与硫化温度的漂移正相关。质量部门在数据核实后的周会上调整了硫化温度设定值，调整后的下批次密封件微裂纹检出率在设备统计数据中呈现下降。

磁材企业的磨削工序在崩角数据异常上升时被发现是砂轮更换周期延长所致，恢复更换周期后崩角数据回归正常水平。两企业在各自工艺参数调整中形成了微裂纹数据与硫化温度的长期关联分析和崩角数据与砂轮周期的标准关联方案。年度的参数与缺陷关联性分析数据汇编为该企业的质量持续改进报告的一部分被提交至质量管理体系评审中备案。

一句话总结

密封件四类缺陷和磁材三类缺陷的光学成像原理不同但工程方法一致——根据材质特性和缺陷类型设计光路。专项模型架构的检出率优于通用模型。视觉检测只能检出表面可见缺陷，内部和功能缺陷需要配合其他检测手段。数据积累与工艺参数的关联分析为产线质量改进提供了量化依据。