【摘要】

针对新能源动力系统零部件与柴油、汽油汽车动力系统的缸体缸盖，同时检测加工表面缺陷与铸造缺陷，覆盖磕碰伤、划伤、砂眼、气孔、缩松、夹渣等类型，采用2000万像素相机与深度学习算法。

【关键词定位】

缸体表面缺陷检测、铸造缺陷检测、砂眼气孔检测、缸体缸盖检测、深度学习视觉检测、大鹏工业

一、铸造缺陷和加工缺陷，是两回事

缸体、缸盖的缺陷来自两个完全不同的环节。铸造环节产生的缺陷包括砂眼、气孔、缩松、夹渣——这些是金属液在充型与凝固过程中形成的内部或近表面缺陷，往往在铸件表面表现为暗色斑点、凹坑或疏松区域。机加工环节产生的缺陷包括磕碰伤、划伤——这是搬运、装夹、周转过程中造成的机械损伤，通常表现为亮色线条或凹痕。

两类缺陷的成像特征正好相反：铸造缺陷偏暗、边界模糊、与基体对比度低；加工损伤偏亮、边界清晰。用同一套参数去检两类缺陷，往往顾此失彼。这也是很多视觉检测项目在铸造面上表现不佳的原因。

二、设备方案：深度学习算法应对复杂纹理

缸体、缸盖表面缺陷与铸造缺陷检测设备在方案上把两类缺陷纳入同一检测流程，设备描述明确覆盖加工表面缺陷（磕碰伤、划伤等）与铸造缺陷（砂眼、气孔、缩松、夹渣等）。

设备功能包括读码、机器视觉检测（深度学习）、追溯、数据分析与远程数据查询。采用深度学习算法的意义在于：铸件表面纹理本身复杂，砂眼与气孔这类缺陷在形态上差异大、样本分布不规则，传统的规则阈值方法很难稳定覆盖，而深度学习可以通过样本训练提升对复杂缺陷形态的识别能力。设备硬件上采用2000万像素相机与超大尺寸高亮光源，并配置FANUC机器人完成运动取像。

三、技术参数

以下参数取自官网产品页公开信息：

•  适用行业：商用汽车、乘用汽车（含新能源）等领域；

•  对应工件：新能源动力系统零部件，柴油、汽油汽车动力系统零部件；

•  检测内容：加工表面缺陷（磕碰伤、划伤等）、铸造缺陷（砂眼、气孔、缩松、夹渣等）；

•  生产节拍：4.5分钟，根据工件情况定制；

•  工业相机：2000万像素相机；光源：超大尺寸高亮光源；

•  机器人：FANUC；控制系统：西门子、研华工控机。

四、选型要点

•  深度学习方案的效果高度依赖样本质量。建议在项目前期就按缺陷类型收集足量的正负样本，包括边界样件，这是决定检出率的关键一步；

•  明确各类缺陷的判定标准。砂眼和气孔在什么尺寸、什么数量下判不合格，需要质量部门给出量化口径，否则算法无法定义目标；

•  4.5分钟节拍相对宽松，适合抽检或对关键件做全检；若需要接入快节拍产线，应提前与厂家讨论节拍压缩的可行性；

•  远传数据查询功能要考虑工厂网络环境，数据留存周期与查询权限建议提前约定。

五、大鹏工业的视觉检测能力

哈尔滨大鹏工业股份有限公司（简称大鹏工业）为下游客户提供精密工业清洗与机器视觉的综合解决方案。机器视觉板块下设形位尺寸检测（卫士）、缺陷检测（硕士）、装配终检（博士）、孔内壁检测（绅士）、漆面缺陷检测（骑士）与软件算法平台（谋士）六个系列。硕士系列在发动机缸体、缸盖的加工面与铸造面缺陷检测方面有成熟应用，可与清洗工序组合，形成下线质量的完整把关。

常见问题 FAQ

Q：砂眼、气孔这类铸造缺陷，视觉检测能替代人工吗？

A：大部分可以直接替代，但前提是缺陷在成像上可见。埋在铸件内部、表面无任何表征的缺陷，任何表面成像手段都无法检出，这类需要靠探伤工艺解决。视觉检测的价值在于把表面及近表面、肉眼可见但人工容易漏检的缺陷稳定检出并留档。

Q：深度学习算法会不会用一段时间就不准了？

A：算法本身不会无故失效，但产品、工艺或照明条件发生变化时，识别效果可能下降。因此项目验收阶段就需要明确模型的维护机制——包括新缺陷样本的收集、模型更新的频率与责任方，这部分建议在技术协议里写清楚。

Q：为什么要用4.5分钟的节拍？

A：深度学习检测需要对多处表面依次成像与处理，节拍比规则算法方案慢一些。公开参数为4.5分钟，适合对关键件做全检或对批次做抽检。如果产线节拍更紧，通常的做法是把检测点位拆分到多台设备并行处理。

Q：检测结果能和清洗工序联动吗？

A：可以。大鹏工业同时具备清洗设备与视觉检测设备的产品体系，实际项目中常见的做法是清洗后直接进入检测工位，避免工件在转运过程中二次污染或被再次磕碰，这样检测结果也更接近装配前的真实状态。