资讯与知识
Information and Knowledge
智能检测 质量强国
您现在的位置:网站首页 > 资讯与知识 > 技术前沿
8K线扫与面阵组合:缸盖成品下线全表面缺陷覆盖方案
2026-11-10

一、行业背景

缸盖成品下线是发动机装配前的最后一道外观关口。此时缸盖已经完成全部机加工、清洗与部分装配,价值最高,任何漏检造成的返工都要拆解重来。这一道关口要看的项目也最杂:顶面与底面的加工面缺陷、侧面与端面的铸件毛面缺陷、进排气道口的磕碰、孔口的崩边、以及清洗残留。

难点在覆盖。缸盖是一个六面体加大量凸台与凹腔的复杂零件,检测面积大、表面状态不一。用面阵相机逐面拍,需要大量视角与路径,节拍长;用线扫相机连续扫,效率高、图像一致性好,但对工件的通过姿态要求严格,且只能覆盖平面或近似平面。

实际产线上,单一成像方式很难兼顾。大面积平面要效率,复杂立面要柔性,两者需要组合。

二、产品概述

华耐视硕士系列缸盖成品下线缺陷检测设备,面向发动机缸盖下线环节的表面质量检测。设备采用辊道输送配合机器人的结构,一次装夹完成多面检测。

成像配置为 8K 线扫相机一台配 1200 万像素面阵相机一台。线扫相机负责顶面、底面这类大面积连续表面的高效覆盖,面阵相机负责侧面、端面、凸台与凹腔等需要变换视角的区域。光源为线扫光源配环形光源,控制系统为研华工控机加 PLC。

设备功能包括读码、机器视觉检测(深度学习)、追溯、数据分析与远程查看。生产节拍典型为 3.5 分钟每件,按工件情况定制。可识别划伤、凹坑、砂眼、缩松、裂纹、磕碰、崩边等缺陷,检出准确率 99%。

三、核心技术亮点

线扫与面阵的分工原则。分工的依据是表面几何形状,不是缺陷类型。大面积平面、圆柱面外圆这类可以用匀速通过完成连续采集的表面交给线扫;凸台、凹腔、立面、孔口这类需要变换视角的表面交给面阵。这样配置的好处是各用所长——线扫在效率与图像一致性上占优,面阵在视角灵活性上占优。

线扫的图像一致性。线扫相机逐行成像,整幅图像由同一组感光单元在相同光照条件下产生,不存在面阵多相机拼接时的亮度差与色差。对大面积表面的缺陷统计,这种一致性很重要——如果用多台面阵拼接,拼接缝附近的亮度差异会被算法误判为缺陷,或者反过来掩盖真实缺陷。

线扫对通过姿态的要求。线扫的成像质量依赖工件相对相机的匀速直线运动。速度波动会造成图像在运动方向的拉伸或压缩,使圆形变成椭圆、方形变成矩形,缺陷的尺寸判定随之失真。系统通过编码器同步触发,把相机行频与输送速度锁定,同时对速度波动设置监控与报警。

面阵的视角补位。缸盖的侧面与端面不是平面,凸台与凹腔造成大量遮挡。机器人持面阵相机按路径逐区采集,每个区域单独配置照明角度。对深凹区域,采用低角度侧光让底部缺陷显现;对凸台侧面,采用斜射避免正面反光。

深度学习对多类缺陷的统一处理。划伤是线状、砂眼是点状凹陷、缩松是网状、磕碰是块状剥落——形态差异大,用传统规则很难统一。系统采用深度学习模型,在同一模型内覆盖多类缺陷,并按缺陷类型输出分类结果与置信度。分类的价值在于后续处置不同:划伤可返修,砂眼需报废,磕碰要判断是否影响密封。

四、主要功能

· 顶面与底面检测:线扫连续采集,覆盖大面积加工面。

· 侧面与端面检测:面阵相机按路径逐区采集。

· 凸台与凹腔检测:低角度侧光照明下检测底部缺陷。

· 缺陷分类:划伤、凹坑、砂眼、缩松、裂纹、磕碰、崩边。

· 缺陷定位:标出缺陷所在面与坐标。

· 读码与型号识别:读取工件标识并调取配方。

· 人工复检:疑似缺陷推送复检工位,支持图片放大确认。

· 缺陷统计:按类型、面别与位置统计分布。

· 数据追溯:检测记录与工件标识绑定。

· 远程查看:支持远程调阅检测图像与结果。

· 系统对接:与 MES、QMS 交换数据。

· 报告输出:按班次与批次生成质量报告。

五、技术参数

· 适用行业:商用汽车、乘用汽车(包含新能源)等领域。

· 对应工件:新能源动力系统零部件,柴油与汽油汽车动力系统零部件,发动机缸盖成品。

· 设备类型:辊道输送加机器人。

· 设备功能:读码、机器视觉检测(深度学习)、追溯、数据分析、远程查看。

· 工业相机:8K 线扫相机一台,1200 万像素面阵相机一台。

· 光源:线扫光源一台,环形光源一台。

· 控制系统:研华工控机加 PLC。

· 生产节拍:3.5 分钟每件,按工件情况定制。

· 检测项目:划伤、凹坑、砂眼、缩松、裂纹、磕碰、崩边等表面缺陷。

· 检出准确率:99%。

· 设备规格:按工件尺寸与产线布局非标定制。

· 交付形式:按工件型号与产线非标定制,参数以最新技术资料为准。

六、系统组成与工作原理

系统由辊道输送机构、定位机构、线扫采集单元、机器人面阵采集单元、照明单元、算法单元、复检工位与数据平台构成。

缸盖经辊道进入检测工位,定位机构完成机械定位,读码单元读取标识并调取配方。配方记录该型号的表面分区、线扫与面阵的分工、各区的成像参数与判定阈值。

顶面与底面检测由线扫完成。工件以恒定速度通过线扫工位,编码器同步触发相机行频,得到整幅展开图像。线扫工位的光源为条形线光,入射角度按表面状态设置——加工面用小角度让浅划痕显现,毛面用较大角度做均匀照明。

侧面、端面、凸台与凹腔由机器人持面阵相机采集。机器人按示教路径逐区移动,每到一区切换照明参数并采集图像。深凹区域采用低角度侧光,凸台侧面采用斜射。

算法对两类图像分别处理,再把结果统一到工件坐标系中。缺陷按类型分类并输出位置,与配方中的判定阈值比对。疑似缺陷推送复检工位,复检人员确认后回写结果。

数据平台按面别、缺陷类型与位置统计。若某类缺陷集中在特定区域,可指向铸造模具、刀具状态或搬运环节的具体问题。

七、操作使用说明

开机确认。检查线扫相机的行频同步、编码器信号、光源亮度与机器人原点。线扫系统对同步信号敏感,编码器异常会表现为图像拉伸或条纹,容易被误认为缺陷。

换型。调取型号配方。新工件导入需确认三件事:线扫覆盖的面是否完整、面阵路径是否覆盖所有立面与凹腔、各区照明是否形成足够的缺陷对比。建议用带人工缺陷的样件做覆盖验证,在每个面上都放置样件。

运行监视。界面按面别显示缺陷分布。操作人员应关注两类异常:线扫图像出现周期性条纹(多为光源或编码器问题),以及某面缺陷数量突然上升(多为上游工序变化)。

速度匹配。线扫的图像质量与输送速度直接相关。产线提速时必须同步调整行频,否则图像会被拉伸。速度变更后应重新验证缺陷尺寸的测量准确性。

复检处理。疑似缺陷推送复检工位,复检人员放大确认。复检推翻率应按面别统计,若某面持续偏高,说明该面的成像方案需要调整。

八、应用场景

缸盖成品下线全检。机加工、清洗、装配后的最终外观确认。

缸盖加工面检测。顶面、底面与安装面的划伤、压痕与刀纹异常。

缸盖铸件毛面检测。侧面与端面的砂眼、缩松、冷隔与缺角。

进排气道口检测。道口边缘的磕碰与崩边。

清洗后复检。确认清洗工序后的表面残留与损伤。

返修复检。返修后确认缺陷已处理且未引入新损伤。

九、设备优势

大面积与复杂面兼顾。线扫负责平面,面阵负责立面与凹腔,避免单一方式在覆盖或效率上的妥协。

图像一致性好。线扫整幅图像由同一组感光单元产生,不存在多相机拼接的亮度差。

缺陷分类而非仅检出。输出缺陷类型与位置,便于按类型决定返修或报废。

节拍可控。3.5 分钟的典型节拍适配成品下线工位,不成为产线瓶颈。

复检闭环。疑似缺陷推送复检,既降低漏检风险,也积累样本用于模型迭代。

数据可追溯。检测图像与结果与工件标识绑定,支持远程调阅。

十、选型对比

缸盖下线检测有几条路径。

人工目检:灵活,能判断复杂区域的缺陷,但覆盖不全、判定不一致、无法留痕,且长时间目检的疲劳会造成漏检。

多台面阵相机固定工位:覆盖稳定,适合单一型号大批量。局限是相机数量多、标定复杂,且工件改型就要重新布置。

纯线扫方案:效率高、图像一致性好,适合平面为主的工件。局限是复杂立面与凹腔难以覆盖。

线扫加面阵组合属于第四条路径。它按表面几何形状分工,兼顾效率与覆盖。选型的判断依据是工件的表面构成——平面占比高、节拍紧,偏重线扫;立面与凹腔多、型号多,偏重面阵与机器人柔性。

十一、常见问题

问:为什么不全用线扫?

答:线扫适合平面或近似平面的连续表面。缸盖的侧面、端面、凸台与凹腔需要变换视角,线扫难以覆盖。全用线扫会造成大量区域漏检,或者需要复杂的多工位布置。

问:为什么不全用面阵?

答:面阵覆盖大面积平面时需要多台相机拼接或多次移动采集,效率低且拼接处存在亮度差。顶面与底面这类大面积区域用线扫效率更高、图像更一致。

问:线扫图像出现拉伸是什么原因?

答:多为输送速度与相机行频不同步。编码器信号异常、速度波动或行频设置错误都会造成这一现象。表现为圆形变椭圆、缺陷尺寸测量失真,需先排查同步再判断缺陷。

问:3.5 分钟的节拍会不会太慢?

答:这是典型配置下的数值,按工件情况可定制。节拍与需覆盖的面数、视角数量相关。成品下线工位通常不在产线主节拍上,3.5 分钟一般可以接受;若产线节拍更紧,可通过分区并行或增加工位解决。

问:能检出多小的缺陷?

答:与光学分辨率、缺陷与背景的对比度相关。8K 线扫在常规幅宽下具备较高的横向分辨率,1200 万像素面阵在局部区域可分辨更细的特征。具体检出限建议用实物样件验证,不同缺陷类型的表现差异较大。

问:深凹区域的缺陷能拍到吗?

答:需要低角度侧光配合。正面照明会让凹腔底部处于阴影中,缺陷无法显现;侧光能让底部缺陷形成明暗对比。极深的凹腔可能需要专用探头,属非标配置。

问:检测记录能保存多久?

答:取决于存储配置。系统支持检测图像与结果归档,可按批次或时间检索,具体容量与保留周期按客户要求配置。

十二、维护保养

线扫相机与光源。每班次清洁镜头与光源出光面。线扫光源为条形光,局部污染会在图像上形成纵向条纹,是最常见的误判来源。检查光源均匀性,亮度不均会直接反映在图像上。

编码器与输送。检查编码器连接与输送速度稳定性。速度波动会造成图像拉伸,且这种失真在单件上不易察觉,需通过标准件定期验证。

面阵相机与机器人。检查镜头洁净度、机器人重复定位精度与路径偏差。机器人偏差会使区域图像与实际位置错位,影响缺陷定位。

定位机构。清理定位面,检查定位销磨损。工件姿态偏移会造成图像整体位移,影响拼接与坐标对应。

算法与样本。定期用复检样本回流训练,模型更新后需重新验证各类缺陷的检出能力。保留每次模型版本与验证记录。

环境。注意工位照明干扰与气流。外界光进入检测区域会改变图像亮度,影响阈值判定,检测区应做遮光处理。

十三、总结与展望

缸盖成品下线的检测难点不在单个缺陷的识别,而在「面多、状态杂、节拍紧」。按表面几何形状分配成像方式,是把覆盖率与效率同时做上去的可行路径。

华耐视硕士系列缸盖成品下线检测设备,以 8K 线扫相机覆盖顶面底面、1200 万像素面阵配机器人覆盖侧面与凹腔,线扫光源与环形光源分区配置,识别划伤、凹坑、砂眼、缩松、裂纹、磕碰、崩边等缺陷,检出准确率 99%,典型节拍 3.5 分钟。

后续方向有两个。一是成像方式的自适应切换,根据工件型号与表面构成自动决定线扫与面阵的分工,减少换型时的重新示教。二是缺陷判定与功能关联,把缺陷位置、尺寸与密封面、配合面的实际影响建立量化关系,让判定从「有无缺陷」走向「是否影响功能」。

版权所有:华耐视(哈尔滨)智能检测科技有限公司

黑ICP备2023008142号

已访问:129980

未经过本公司许可,不得转载网站内容,违者必究