廚房水龍頭出水口上一個操作工沒抓住的鍍鉻瑕疵,直到批發商在收貨時拍照才被發現;面盆釉面上的一個針孔,噴塗操作工從噴房那一側根本看不見;一隻在工地首次試壓時滲漏的恆溫閥芯。在面向批發和 DIY 出貨的水暖與衛浴潔具產線上,每一隻帶著隱性缺陷離開產線的潔具,會讓你付三次代價。這隻潔具打著你的品牌出貨,批發商透過經銷商發起退貨,下一次規格審查就把訂單交給下一份建材商目錄上的競品。人工操作工能抓住明顯的瑕疵,但相機在漂洗出口處捕捉到的鍍層漸變,正是值班三小時後的疲勞眼睛會漏過去的那一類。面向水暖與衛浴潔具生產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。
什麼是面向水暖與衛浴潔具生產的自動化品質檢測?
面向水暖與衛浴潔具的 AI 缺陷檢測,使用一臺相機和一個視覺模型,在每一隻潔具離開拋光工位、電鍍槽、上釉房、試壓臺和包裝工位時盯住它,並在不合格件抵達批發商之前把它們標記出來。你不再依賴檢驗臺上的操作工,也不再依賴剛性的規則化機器視覺,AI 模型學習你這套 SKU 組合的鑄件幾何、表面工藝目標、釉面顏色和密封件幾何,並在不同班次、不同線速以及不同表面工藝切換之間,提供一致的視覺檢測節點。
水暖件與衛浴潔具線上檢測之所以特別難做,是因為黃銅鑄件拋光後的反射和鍍鉻之後的反射並不一樣;啞光黑 PVD 工藝在鑄造車間燈光下的讀數,和一隻清潔的深色鑄件幾乎一樣;那個會毀掉一隻面盆的釉面針孔,在疲勞的眼睛看來跟一顆過噴顆粒別無二致。圍繞單一潔具反射率寫出來的規則化視覺,在你換表面工藝、換面盆形狀或者換批次的那一刻就會失效,這也是為什麼大多數人在網上搜「水暖 AI 缺陷檢測」時,返回的都是下水道相機內容,而不是線邊 QC 內容。這一類目其實嚴重供給不足,而基於 iPhone 的部署正好補上這道缺口。
我們在水暖與衛浴潔具生產線上能抓到的缺陷
鍍鉻與 PVD 鍍層覆蓋
鍍層覆蓋類缺陷指的是薄點、流掛以及光澤不均,由整流器電流漂移、陽極間距磨損,或 PVD 腔體壓力波動引起。薄點和邊緣漏鍍會讓批發商的樣件直接報廢,並觸發整托盤退貨。操作工在掛架上檢查拋光與電鍍,但沒辦法在統一燈光下盯住每一隻潔具,所以臨界件會從檢驗臺溜過去。AI 模型學習每一種 SKU 在合格狀態下的表面工藝,一旦區域性反射率越過你設定的容差就立即標記,並保留對應幀供你在整批潔具走出規格之前調整整流器或重新平衡掛架。
陶瓷釉面針孔與縮釉
面盆、坐便器和淋浴底盤上的釉面缺陷包括針孔、縮釉、起泡和光澤不均,由釉漿噴塗粘度、窯溫漂移或基體清潔度異常引起。盆腔內部的針孔會在樣板間被發現,觸發消費者投訴。人工操作工抓得住明顯的凹坑,但會漏掉那些透過噴房、要等到安裝現場燈光下才顯形的針孔。AI 模型為每一種 SKU 保留合格釉面的視覺特徵,一旦區域性圖案偏離規格,就標記針孔、縮釉與起泡區域。
閥體鑄件氣孔
黃銅與鋅合金閥體的鑄件氣孔類缺陷包括縮孔、表面氣泡和夾雜物,由鑄造澆注溫度漂移、模具排氣槽磨損,或合金批次容差引起。螺紋埠附近的氣孔會讓閥件在工地上的試壓不透過,觸發保修退貨。操作工抽檢閥體時只能看到斷面,會漏掉那種要到機加工之後才暴露出來的氣孔。AI 模型學習合格鑄件的視覺特徵,在機加工後的檢驗位上標記縮孔、氣泡與夾雜物,並保留對應幀供你在整批閥件出貨前調整澆注溫度或檢修模具排氣。
密封件與 O 型圈就位
就位類缺陷指的是閥芯、水龍頭和淋浴軟管上缺失、扭曲或卡夾住的 O 型圈,由送料碗對位偏移、密封件批次容差,或操作工裝配漂移引起。缺失或扭曲的 O 型圈會讓試壓臺直接判廢,並在安裝側觸發首次試壓失效。這類缺陷會拖垮保修曲線,並把上門維修費用變成長期支出。AI 模型在單幀畫面裡就能識別合格 O 型圈的視覺特徵,在裝配工位上、在試壓臺看到這隻潔具之前,就把缺失、扭曲或卡夾住的 O 型圈標記出來。
螺紋介面幾何
水龍頭活接、軟管接頭和給水管上的螺紋缺陷包括螺距錯誤、錯牙起始端、匯入端毛刺,以及螺紋長度偏短或偏長,由刀具磨損、夾具漂移,或合金批次容差引起。錯牙的介面會讓安裝工的第一次擰入失敗,觸發批發商一側的整盒退貨。人工操作工在檢驗臺上檢查螺紋咬合,但會漏掉那種透過塞規、卻會在安裝側損壞對方接頭的毛刺。AI 模型學習每一種 SKU 的合格螺紋輪廓,在機加工後的檢驗位上標記螺距、匯入端和長度偏差。
表面劃痕與拋光痕
表面缺陷包括輕微劃痕、拋光輪印跡以及刀具拖痕,由拋光帶磨損、墊塊壓力漂移,或夾具對位偏移引起。最嚴重的幾種正好坐在出水口可見面上,透過檢驗臺之後,在樣板間燈光下敗下陣來。操作工看得見明顯的擦傷,但會漏掉那種透過拋光工位、要在展廳燈光下才顯形的輕微擦痕。AI 模型學習合格表面工藝,在拋光工位出口標記劃痕、拖痕與拋光殘留,讓產線在整批潔具出貨前更換拋光帶或調整墊塊。
在水暖與衛浴潔具產線上讓這件事跑起來的燈光配置是:在拋光工位和電鍍掛架上方加一盞帶交叉偏振濾光的漫射頂燈,用來讀表面工藝;再在上釉房和試壓工位上方加一盞低角度聚光燈,用來讀針孔和密封件就位。一臺帶微距和廣角鏡頭的 iPhone Pro,可以在每一個關鍵控制點上,用單一的檢測工位覆蓋這七類缺陷家族。我們把檢測臺架與傳送帶編碼器同步,這樣被標記的潔具就能驅動下游的分流或暫存動作。光學規格我們會在交付期間和你一起定。
Enao 在水暖與衛浴潔具生產線上的執行方式
整套硬體成本不到 1,000 歐元,組成包括:一臺翻新 iPhone Pro、一盞帶可選交叉偏振濾光的漫射頂燈,以及一盞用於上釉與密封件檢測的低角度聚光燈,再加一根 USB-C 資料線,以及一只可以夾裝在拋光工位、電鍍掛架、上釉房、試壓臺或包裝工位上方的支架。首次部署不需要 PLC 整合,整套臺架裝得進一隻航空箱,你佈置這套設備時產線可以照常執行。
上線流程是自助式的。你的產線團隊裝好支架,開啟 Enao app,在下一次換型時開始採集參考幀。第一天就能在沒有任何先驗標註的情況下達到 80% 的精度,到第十四天,模型在它見過的缺陷家族上,已經跑得比人工檢驗員更穩;每一隻產線確認或否決的標記件,都會讓模型再進一步。
每一條線教會自己的模型這條線的鑄件幾何、表面工藝目標和釉面顏色長什麼樣。當你在同一條線上換到不同的表面工藝或不同的面盆形狀時,模型在一個班次內就能自適應。當你把一條姊妹線開起來去做相似的產品系列時,第二個模型從第一個模型的經驗起步,邊際投入會大幅下降。
走出規格的潔具不再抵達包裝工位,報廢件在檢測點而不是在 QC 辦公室登記入冊,你的操作工拿回那些本來就需要人來做的工作時間,包括拋光治具除錯、電鍍掛架卸件,以及保修退貨分析。
Enao 與人工檢測和傳統機器視覺的對比
對水暖與衛浴潔具生產商來說,對比集中在五個維度上。
衛浴潔具產線上的部署時間。 — 人工目檢:每個操作工要花幾個小時培訓,之後是持續的人工成本。傳統機器視覺:與系統整合商一起做三到九個月的整合,外加每一種潔具與表面工藝都要寫一套規則。Enao:由你自己的團隊一週內部署到位,第一天就能跑出 80% 的精度。
每條線的硬體成本。 — 人工目檢:前期不投入,持續付人工成本。傳統機器視覺:每條線 4 萬到 20 萬歐元,用於工業相機、結構光照明和系統整合。Enao:每條線硬體不到 1,000 歐元,一臺翻新 iPhone Pro、一盞燈加一隻支架。
應對新表面工藝、新面盆與新釉面顏色的能力。 — 人工目檢:每出一種新 SKU,操作工就要重新培訓。傳統機器視覺:每換一種表面工藝就要重寫規則,通常外包給整合商。Enao:一個班次內就能在新潔具、新表面工藝與新釉面上重新教會模型,不用碰一行程式碼。
在細微鍍層漂移和釉面針孔上的檢測精度。 — 人工目檢:班次開始時表現高,三小時之後能測得出明顯下滑。傳統機器視覺:在尺寸檢查上很強,在細微鍍層漂移和釉面針孔檢測上偏弱。Enao:從參考幀學習表面工藝、釉面與密封件的視覺特徵,在不同班次、不同批次之間保持精度穩定。
由誰來執行。 — 人工目檢:經過培訓的操作工坐在檢驗臺上。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。
批發商和經銷商會因為一托盤退貨的成本而換供應商,扣款或一次悄悄的規格替換的成本,遠高於一套基於 iPhone 的檢測臺架的成本。Enao 就是為這道缺口而生的。