检测薄壁壳体中的柴油效应（炭化斑点）：完整机器视觉指南

问题：为什么柴油效应缺陷会躲过手动检测

薄壁壳体是汽车、电子和消费品制造中的关键组件——即使是微小缺陷也可能危及结构完整性和产品性能。柴油效应是注射成型过程中的一种燃烧现象，会产生炭化斑点，是最难以一致检测的质量问题之一。

薄壁壳体中柴油效应的常见缺陷：

• 局部烧痕 — 由困在压缩下点燃的空气引起的深棕色或黑色变色
• 表面炭化 — 沿流动路径和熔接线的碳化材料沉积
• 微坑蚀 — 燃烧材料降解表面的小坑
• 变色条纹 — 沿气体逸出路线的线性炭迹图案
• 材料降解区 — 机械性能受损的弱化区域
• 边缘碳化 — 薄壁过渡处和角落处集中的燃烧

人工检验员在以生产速度检查这些缺陷时难以保持准确性。检验员疲劳迅速出现——尤其是在区分细微炭迹与可接受的颜色变化时——导致跨班次的通过/失败决策不一致。

解决方案：AI驱动的视觉检测

深度学习驱动的机器视觉系统消除了困扰手动检测的主观性和疲劳。与需要对每种缺陷变化进行明确编程的基于规则的系统不同，AI模型学习识别柴油效应表现的全谱——从明显的烧痕到细微的变色。

Overview.ai的方法以全线速度提供一致、客观的检测。OV80i系统在不瓶颈生产的情况下检测100%的零件，捕获否则会到达客户或导致下游装配失败的缺陷。

第一步：成像设置

将薄壁壳体放置在OV80i相机下，确保检测面朝上，方向一致。适当的照明对于检测细微炭迹至关重要——斜角照明通常能揭示直接照明遗漏的表面缺陷。

点击"配置成像"以访问相机设置面板。调整曝光以捕获亮区和暗区（炭化区域）的全部细节，微调增益以在不引入噪声的情况下优化对比度。

点击"保存"以锁定您的成像配置。

第二步：图像对齐

导航至"模板图像"部分，捕获正确定位壳体的参考图像。该模板确保每个后续零件都从相同方向进行评估。

点击"+ 矩形"在壳体主体周围添加对齐区域。将"旋转范围"设置为20度，以适应传送带或夹具上零件放置的微小变化。

第三步：检测区域选择

导航至"检测设置"以定义系统应查找缺陷的位置。重命名您的"检测类型"以反映特定关注点——例如"柴油效应表面"或"边缘炭迹"。

点击"+ 添加检测区域"创建新的检测区域。调整黄色边界框的大小，以覆盖关键缺陷区域——通常是薄壁过渡处、角落、熔接线和流动路径端点，柴油效应最常见于这些位置。

点击"保存"确认您的检测区域。

第四步：数据标记

人机协作标记过程训练AI区分可接受零件与拒收品。查看捕获的图像，将每张图像标记为良品（无柴油效应）或不良品（存在炭化斑点）。

在可接受变化的全范围和已知失效模式中纳入具有代表性的样本。标记边界案例——具有非常细微炭迹的零件——教导模型您的质量阈值所在。

第五步：创建规则

根据您创建的检测类型定义您的通过/失败逻辑。例如，设置规则："如果柴油效应表面 = 不良品，则拒收。"

这些规则在生产线上控制自动验收，在检测到炭化零件时触发拒收机构或操作员警报。

关键成果与投资回报

为柴油效应检测实施AI驱动检测可带来可量化的业务影响：

• 降低废品率 — 在二次操作增加成本之前发现缺陷零件
• 提高产量 — 在不减慢生产或增加人员的情况下100%检测零件
• 合规性和可追溯性 — 维护带有时间戳图像的详细检测记录，用于审计和客户要求
• 工艺改进见解 — 识别将柴油效应发生与特定模具、材料或工艺参数相关联的模式

结论

薄壁壳体中的柴油效应缺陷需要超出人类限制的检测能力。Overview.ai的机器视觉平台提供制造商从生产流中消除炭化零件所需的一致性、速度和精度——同时保护质量声誉和利润盈利能力。