門窗型材執行四小時後,在可見面上裂開的一道模具線;三天後等到下游門窗廠的斜切鋸把它暴露出來,質檢員才發現的析出物塗汙;只有在水暖工卡住接頭、管壁開裂時才暴露出的管材壁厚漸變。在擠出管材、型材、片材、電纜護套或地板的塑膠擠出生產線上,每一米帶著隱性缺陷離開切斷鋸或卷取機的產品,會讓你付兩次代價。這一米打著你的合格宣告出貨。然後客戶的壓機、切鋸或安裝工發現了條紋,折讓單遞過來,下個季度的份額就給了街尾的另一家擠出廠。人工質檢員能抓住明顯的缺陷,但 4K 微距鏡頭在牽引位拍下來的模具線漂移,正是值班三小時後的疲勞眼睛會漏過去的那一類。面向塑膠擠出的自動化品質檢測正好補上這塊短板,而且你不需要一套六位數的視覺系統就能做到。
什麼是面向塑膠擠出的自動化品質檢測?
面向塑膠擠出的 AI 缺陷檢測,使用一臺相機和一個 AI 模型,在產品離開校準器和牽引設備時盯住每一米,在不合格區段抵達切斷鋸或卷取機之前把它們標記出來。你不再依賴切鋸位的人工檢驗員,也不再依賴剛性的規則化視覺,AI 模型會學習你產品族特定的模具幾何、表面紋理、色母粒色相和尺寸包絡,並在不同班次、不同線速、不同樹脂切換和不同換色之間,提供一致的視覺檢測節點。
塑膠擠出生產線線上速下特別難以做檢測:可見面通常是高光或啞光表面,會把熒光燈反射得不均勻;幾何形狀可能是門窗型材的中空腔體、管材的薄壁、銅導體外的複合護套、或牽引設備上的連續片材;牽引段第一米的表面溫度還會沿著冷卻曲線持續變化。圍繞單一模具幾何寫出來的規則化視覺,只要你換到另一種型材、另一種管徑或另一種配方,就立刻失效。AI 主導的檢測能扛住這些變化,因為模型是從真實生產幀裡學出來的,而不是從固定閾值裡推出來的。
結果是一個自動化的視覺檢測節點,補充你在批次結束時做的樣品檢測,併為你保留逐米的影像記錄。當六週之後客戶索賠回來,你可以把對應區段的影像幀調出來,要麼確認確實存在缺陷,要麼用證據把索賠頂回去。
我們在塑膠擠出線上能抓到的缺陷
模具線
模具線是擠出物表面上沿縱向延伸的連續條紋,由模具著料區上的積料、劃痕或燒焦物引起。隨著模具在一個批次中逐步磨損,模具線會逐漸擴大,而且正好落在門窗型材的可見面、管材的外壁、地板的展示面或電纜的護套上。切斷鋸位的檢驗員經常漏掉早期階段,因為在直射熒光燈下,這條線非常淺。AI 模型會從一個批次開頭的半小時裡學到乾淨表面的特徵,在條紋變得明顯之前很久,就能檢測到沿縱向方向的對比度變化。線被標記下來,操作工清模並打磨模具,被剔除的米數在出貨前就被切除。
析出物塗汙
析出物塗汙是指助劑、潤滑劑或穩定劑殘留物從熔體遷移到模具表面,再回到擠出物上,形成一層霧狀、通常帶輕微色偏的塗汙。它是在長批次執行過程中逐步形成的,在深色或帶色產品上最明顯,在管材、型材、電纜護套上都會以色相漂移的形式出現。人工檢驗漏掉析出物塗汙是因為漂移過程是漸變的,而檢驗員的色彩校準會隨疲勞一起漂移。AI 模型會把區域性表面色度對照該 SKU 學到的參考值進行比對,一旦色差越過你在交付期間設定的容差,就立即標記出來。
縮痕
縮痕是擠出物較厚截面上的區域性表面凹陷,由校準器之後的不均勻冷卻引起。它在帶內筋的型材以及在壁厚過渡較大的管材上最常見,可見面後方的材料會保持熱態更久,在收縮時把表面向內拉。人工檢驗員能注意到嚴重的縮痕,但會漏掉那些臨界情況;這些臨界縮痕在下游做噴塗、貼膜或壓力測試時仍會失敗。AI 模型在低角度環形光下能捕捉到區域性幾何偏差,並把縮痕深度對照你的允收閾值報出來。
氣泡和空洞
氣泡和空洞是熔體中被困住的氣穴,由未乾燥的混料、色母粒中的水分、或螺桿內過大的剪下引起。它們以小氣泡的形式出現在表面,但更常見的是在中空腔體、管壁和電纜護套內部形成空洞,你只有在切開零件或做壓力測試時才能發現。表面檢驗員看不到內部空洞,但 AI 模型能捕捉到表面起泡,以及那種暗示下方存在空洞的細微壁厚變化:透過追蹤可見表面與從腔體一側或孔徑一側的透射光視圖之間的關係來實現。
色差
色差是一個批次內逐步發生的色相變化,由色母粒分散度波動、料斗加料一致性差、或螺桿溫度漂移引起。批次第一米和最後一米的 LAB 值可能相差很大,而沒有任何檢驗員注意到,客戶會把這兩個批次的產品混到同一份訂單裡:門窗訂單、管材批號、電纜盤、片材堆。AI 模型為每個 SKU 保留一份學到的參考色相,一旦區域性色差超過你的規格就立刻標記出來,讓操作工有機會在一米超色產品抵達切鋸或卷取機之前把加料修正回來。
尺寸漂移
尺寸漂移是一個批次內寬度、高度、壁厚或外徑的緩慢變化,由模具加熱器漂移、校準器真空損失或牽引速度不穩定引起。批次結束時的樣品測量能抓住極端情況,但會漏掉那種緩慢的漸變,把腔壁、管壁或電纜護套挪到結構最小值以下。AI 模型把橫截面尺寸對照你的標稱包絡進行追蹤,一旦區域性寬度、外徑或壁厚漂移到容差之外,就立刻把這一段標記出來,比批次後量規讀數早二十分鐘告訴你同樣的事情。
在塑膠擠出線上,讓這套方案跑起來的照明配置是:一圈低角度環形燈把模具線和劃痕顯出來,牽引段上方加一條漫反射條形燈用來讀顏色,在需要檢測中空型材腔壁、管壁或電纜護套壁厚的位置加一個背光或透射光箱。iPhone Pro 配上微距和廣角鏡頭,從單個檢測工位就能覆蓋這七類缺陷。我們把這套設備和牽引段的編碼器以及切斷鋸訊號同步起來,讓被標記的區段能驅動下游的標記或剔除決策。光學方案我們會在交付期間和你一起確定。
Enao 在塑膠擠出線上的執行方式
整套硬體成本不到 1,000 歐元,包括一臺翻新 iPhone Pro、一圈低角度環形燈(可選搭配一條用於讀色的漫反射條形燈)、一根 USB-C 資料線,以及一個夾在牽引設備上方的支架。首次部署不需要 PLC 整合,整套設備可以裝進一個航空箱,你在安裝的時候,產線照常執行。
交付期間是自助式的。你的產線團隊裝好支架,開啟 Enao 應用,在下一次換模時開始採集參考幀。第一天就能在沒有任何前置標註的情況下達到 80% 的精度,到第十四天,模型在它見過的缺陷類別上已經超過人工檢驗員,並隨著每一段被標記並由產線確認或剔除的米數繼續提升。
每一條線都讓自己的模型學到該線的模具幾何、色彩組合和壁厚包絡是什麼樣子。當你在同一條線上換到不同的 SKU 時,模型在一個班次內就能適應。當你把一條姊妹線帶上線、生產相近的產品族時,第二個模型從第一個模型的經驗起步,邊際工作量大幅下降。一條型材線從白色門窗料切換到棕色地板料,或一條管材線從 32 毫米外徑切換到 50 毫米外徑,一個班次就能吸收這種變化。
超規格的米數不再離開切鋸或卷取機,廢品在檢測點而不是 QC 辦公室記錄,操作工把那些仍然需要人來處理的工作所需要的注意力時間拿了回來,包括換模、色母粒故障排查和客戶索賠。
Enao 與人工檢驗和傳統機器視覺的對比
對執行型材、管材、片材、電纜或地板的塑膠擠出廠,這種對比可以圍繞五個維度看清楚。
塑膠擠出線上的部署時間。 — 切鋸位的人工檢查會漏掉細微的表面條紋。傳統機器視覺(Maddox.ai、Cognex、intelgic、groundlight、dac.digital)需要三到九個月的整合,外加一筆六位數預算。Enao 由你自己的團隊在一週內完成部署,在一臺翻新 iPhone 上,第一天就達到 80% 的精度。
每條線的硬體成本。 — 人工目檢:前期沒有投入,但持續承擔人力成本。傳統機器視覺:每條線 4 萬到 20 萬歐元,用於工業相機、結構化照明和整合。Enao:每條線不到 1,000 歐元,包括一臺翻新 iPhone Pro、燈具和支架。
應對新樹脂、新幾何和新顏色。 — 人工目檢:每出現一種新幾何、新配方或新色相,都需要重新培訓檢驗員。傳統機器視覺:每個 SKU 都要重寫規則集,通常外包給整合商。Enao:在一個班次內就能讓模型學會新幾何和新顏色,不需要碰任何程式碼。PVC、PE、PP、ABS、PC,以及加填和發泡級別,在相機眼裡都是一樣的處理方式。
在細微表面與色相缺陷上的檢測精度。 — 人工目檢:班次開始時很高,三小時後明顯下降。傳統機器視覺:在邊緣幾何上很強,但在細微的模具線和漸變的色相漂移上很弱。Enao:從參考幀裡學到模具線和色彩特徵,在不同班次和不同批次之間穩定保持精度。
由誰來執行。 — 人工目檢:切鋸位或卷取機位上的受訓檢驗員。傳統機器視覺:系統整合商或專門的視覺工程師。Enao:你的產線團隊,不需要外部專家。
產品組合每一份客戶專案都會變化,而召回或客戶折讓的成本遠高於一套基於 iPhone 的檢測設備的成本。Enao 就是為這塊缺口而生的。