金属冲压

金属冲压的 AI 缺陷检测,通过一台相机和一个 AI 模型,盯住每一件离开冲床、二次工位或清洗工序的零件,在它们到达料架之前把不合格件挑出来。模型不靠操作员守在控制面板旁,也不靠死板的规则机器视觉,而是从你这条线上合格件与不合格件的图像里学习,并随着模具、卷料和润滑剂的变化而自适应。

车间里把这件事叫作在线视觉质量控制、AI 缺陷检测,或者金属冲压的 AI 视觉检测。技术家族是同一套:一台固定相机、一组受控光源、一个用你产线样本训练出来的 AI 模型,再加一份每一次冲压都被检测过、被接受、被标记或被剔除的可追溯记录。

它不能替代你的模具维护、你的模具工程师或你的客户审核。它能做的是:让你出货的件数与合格件数保持一致——每一个班、每一副模具,并附上一份当客户投诉回来时可以拿给审核员看的记录。

一座跑 Enao 视觉检测的冲压单元,看上去就像隔壁的单元,只多了一个组件。一台翻新 iPhone 装在支架上,以俯视或斜视角度对准出料溜槽、传送带,或冲床与料架之间的专用检测工装。一根简单的 LED 灯条,在每一次冲压时给相机一致的光照。

零件落到传送带上时,相机拍一张。iPhone 上的模型把零件分类为合格,或归到上面七大缺陷家族中的某一类,并把结果写进你的可追溯日志。如果某副模具连续给出二十件被标记的零件,操作员会收到提醒;如果某台冲床在一天里出现毛刺高度的缓慢漂移,仪表板会在客户发现之前先标记出来。

模型每晚基于前一天的标注重新训练,因此一次模具更换、卷料更换或润滑剂更换,在一个班内就被消化,而不是拖一个季度。新零件号走的是同一套流程:操作员标注前一百件冲压,从第一百零一件开始模型接管,模具工程师在班末复核标注。