[@portabletext/react] Unknown block type "span", specify a component for it in the `components.types` prop
什么是紧固件与螺钉的自动化质量检测
紧固件与螺钉AI缺陷检测使用相机和AI模型,观察从冷镦机、滚丝机、热处理炉和包装产线出来的件,在不合格件到达OEM装配线之前将其标记。系统替代检查台旁的操作员和僵化的规则式视觉,模型学习你产品组合的螺纹形状、头部几何、涂层光泽与长度公差,并跨班次、机台与材料批次保持一致的视觉检查点。
紧固件在产线速度下尤其难以检测,因为同一冷镦机同一线材批次的件之间存在自然变异,镀锌螺钉的反射特征会随油膜厚度变化,而漏掉一只断牙或缺料螺钉会让OEM在装配机器人上跳停。围绕单一型号构建的规则式视觉,在你切换到不同长度或不同头部样式的瞬间就会失效。AI主导检测能够处理这些变异,因为模型从真实生产帧学习,而不是依赖固定阈值。
其结果是一个自动化视觉检查点,补充你的SPC抽样与扭矩测试,并提供每件的图像档案。当一级供应商六周后回头查询索赔时,你可以从那批生产的精确时间窗口拉出帧,要么确认缺陷,要么用证据反驳。
紧固件产线上我们捕捉的缺陷
螺纹断牙与不完整螺纹
螺纹断牙是滚丝模具磨损、滚丝压力变化或线材直径漂移引起的牙顶缺失或不完整螺纹。一只断牙螺钉会在OEM装配中卡死,引发机器人停机或工人手动报废。检查台操作员发现明显的断牙,但漏掉镀锌反光下的细微缺料。AI模型为每种型号保留合格螺纹特征,标记任何越过缺料阈值的件。
头部成型错误与凹陷
头部缺陷涵盖冷镦工位填充不足、内六角凹陷不全、十字槽变浅、头部边缘塌陷,由冷镦冲头磨损或材料温度漂移引起。一只内六角凹陷不全的螺钉会让装配机器人的扭矩枪打滑,毁掉装配节拍。操作员发现明显的凹陷错误,但漏掉镀层下的微小漂移。AI模型保留每种头部样式的合格几何,标记任何呈现凹陷不全或边缘塌陷的件。
长度与直径偏差
几何偏差包括长度过长或过短、杆径漂移、头部直径偏差,由切断刀磨损、模具腔扩孔或材料热膨胀变化引起。长度偏差会让螺钉在客户机器人装配中无法到位。操作员用卡尺抽样,但漏掉抽样之间的漂移。AI模型从基准帧学习合格几何分布,在包装入口标记几何漂移。
涂层不均与镀层缺陷
涂层缺陷涵盖镀锌斑驳、达克罗厚度漂移、磷化层不均、缺漆区域与流挂,由电镀槽液浓度漂移、烘烤温度漂移或浸涂速度变化引起。涂层不均的件会在客户工厂引发腐蚀索赔。操作员对反光涂层肉眼检测困难。AI模型为每种涂层类型保留合格的光泽特征,标记任何呈现局部缺漆、流挂或斑驳反射的件。
表面划痕与裂纹
表面缺陷包括冷镦时模具夹伤、运输传送带刮痕与热处理后的应力裂纹。可见裂纹会成为应力集中点,在客户装配扭矩下导致断裂。操作员发现明显的划痕,但漏掉镀层下的细裂纹。AI模型学习合格表面的视觉特征,在包装入口标记任何划痕或裂纹。
混料与SKU错配
混料缺陷涵盖一种型号的件混入另一种SKU的箱子、长度规格交叉污染、头部样式错误、涂层错误。混料件到达OEM装配线会引发停产。操作员肉眼难以区分相邻规格(如M6×20与M6×25)。AI模型对每种活动SKU保留合格的几何与涂层签名,标记任何呈现非活动SKU特征的件。
紧固件产线上让这一切运转的照明配置:包装入口上方的漫射顶光读取头部几何与涂层光泽,滚丝出口的低角度环形光读取螺纹缺陷与表面划痕。配备微距镜头的iPhone Pro在每个关键控制点的单一检测工位处理七个缺陷家族。我们将设备与振动料斗触发器同步,使被标记的件触发下游分流。我们会在上线时与你一起规划光学方案。
Enao在紧固件产线上的运营方式
整套硬件设备成本低于1,000欧元,由翻新iPhone Pro、漫射顶光(可选用于螺纹检测的低角度环形光)、USB-C数据线和夹在振动料斗、滚丝出口或包装入口上的安装臂组成。首次部署不需要PLC集成,设备装在飞行箱里,你设置时产线照常运行。
上线是自助式的。你的产线团队安装设备,打开Enao应用,在下次型号切换时开始采集基准帧。第一天无需任何先验标注即可返回80%精度,到第十四天模型在已见缺陷家族上的表现已超过人工检测员,产线每次确认或拒绝标记件,模型都会改进。
每条产线教自己的模型识别其螺纹形状、头部几何、涂层光泽与长度公差。当你在同一冷镦机上切换到不同型号时,模型在一个班次内适应。当你为相似产品系列上线第二条产线时,第二个模型从第一个模型的经验出发,边际成本急剧下降。
不合格件停止到达包装机,废料在检测点而非QC办公室记录,你的操作员获得他们仍需要做的工作所需的注意时间,包括冷镦冲头维护、滚丝模具调整与一级供应商索赔分析。
Enao与人工检测、传统机器视觉对比
对紧固件与螺钉制造商而言,对比在五个维度上更加清晰。
紧固件产线上的设置时间。 — 人工目检:每位操作员数小时培训,加上持续的人工成本。传统机器视觉(Cognex、Keyence、Omron、ISRA):三到九个月的集成,加上每种型号的规则集。Enao:由你自己的团队在一周内部署到翻新iPhone上,第一天达到80%精度。
每条产线的硬件成本。 — 人工目检:无前期投入,持续人工成本。传统机器视觉:每条产线4万至20万欧元,用于工业相机、结构化照明与集成。Enao:每条产线低于1,000欧元,使用翻新iPhone Pro、灯具与支架。
应对新型号、新涂层与新材料批次。 — 人工目检:每个新型号重新培训操作员。传统机器视觉:每个型号重写规则集,通常外包给集成商。Enao:在一个班次内对新型号与新涂层重新教导模型,无代码需要修改。
对细微螺纹缺陷与镀层漂移的检测精度。 — 人工目检:班次开始时高,三小时后明显下降。传统机器视觉:在尺寸检查上稳定,在镀锌反光下的细螺纹缺陷与镀层斑驳检测上薄弱。Enao:从基准帧学习螺纹与涂层特征,跨班次跨生产保持精度。
由谁来运行。 — 人工目检:检查台旁经过培训的操作员。传统机器视觉:系统集成商或专门的视觉工程师。Enao:你的产线团队,无需外部专家。
OEM与一级供应商因装配机器人停机与召回的成本而更换供应商,而一次螺钉断牙引起的产线停机成本远高于一套基于iPhone的检测设备。Enao就是为这个差距而生的。
