智能视觉系统正在成为注塑成型车间里替代人工目检、稳定把控品质的关键技术手段。

注塑行业长期面临一个尴尬现实：模具一旦跑偏，飞边、缺胶、缩水、黑点这些缺陷会在几秒内批量复制。等质检员在流水线末端发现时，往往已经堆了几百个不良品。加上注塑机节拍快、产品结构越来越精密、下游客户对PPM值要求越来越苛刻，靠人眼盯、靠抽检赌良率的做法已经撑不住场面了。AI视觉检测在注塑场景的落地，这几年明显提速，从汽车配件到3C电子再到医疗耗材，都在找能嵌进产线节拍的视觉方案。

一、核心概念与技术定义

智能视觉系统在注塑成型中的应用，指的是用工业相机、光源、镜头组成成像单元，配合视觉算法软件，对注塑机产出的塑件做在线或线边检测，自动判断外观缺陷、尺寸偏差、装配特征是否合格，并把结果反馈给产线做分拣或工艺调整。

它和传统机器视觉的区别在于“智能”二字。传统视觉靠人工写规则、调阈值，换个产品就得重新调半天。智能视觉引入了深度学习模型，能通过样本训练识别复杂缺陷，对注塑件常见的水纹、气纹、色差、烧焦、顶白这些边界模糊的缺陷，检出率明显更高。业界一些成熟方案已经能做到换型时只换配方、不重写算法。

从系统构成看，一套典型的注塑视觉检测单元包括：工业相机（面阵或线扫）、定制光源（常用背光、同轴光、条形光组合）、图像采集卡、边缘计算主机、算法软件平台，以及和注塑机或机械手通讯的IO模块。有些场景还会加3D相机做高度和体积检测。

二、技术原理与关键能力

注塑视觉检测的核心逻辑不复杂：拍照、比对、判断、输出。但要在注塑车间跑稳，有几个能力必须过关。

第一是节拍匹配。注塑机小的几秒一模，大的几十秒一模，视觉系统必须在开模取件到下一模之间的窗口里完成成像和判断，不能拖慢产线。业界主流方案单次检测耗时控制在200毫秒到1秒之间，看产品复杂度和相机数量。

第二是缺陷识别的泛化能力。注塑缺陷有个特点：同一类缺陷在不同产品、不同颜色、不同光泽度上表现差异很大。深度学习模型的好处是，训练时喂够样本，上线后对没见过的缺陷变体也有一定识别能力。一些方案还支持小样本学习，几十张不良图就能起模型。

第三是和注塑工艺的联动。视觉系统不只是判合格不合格，还能把缺陷类型和位置统计出来，反馈给注塑机做参数微调。比如连续检出同一位置缩水，可能提示保压压力不够或模具该保养了。这种闭环能力是智能视觉比传统目检值钱的地方。

第四是防错与追溯。每模产品的检测结果可以绑定模号、时间、机台号存下来，下游客户投诉时能快速定位批次。部分方案还支持把不良品图像自动存档，方便工艺复盘。

三、制造业典型应用场景

假设一家汽配企业生产连接器壳体，产品上有金属嵌件，注塑后需要检查嵌件是否漏装、位置是否偏移、塑件有没有缺胶。以前靠工人拿放大镜看，一天下来眼睛受不了，漏检率也不稳定。上视觉系统后，相机从两个角度拍，算法同时判断嵌件有无和塑件外观，不良品由机械手直接丢进废料箱，良品流到下一站。工人只负责抽检复核和补料。

某电子厂做手机中框注塑件，表面要求高，不允许有黑点、划伤、白印。这类缺陷在反光面上人眼都难看清，更别说流水线上快速判断。视觉方案用多角度条形光打光，让缺陷在特定角度下显影，算法做像素级分割，把缺陷区域标出来。产线速度没降，但出货前的客诉明显少了。

还有一类场景是医疗耗材，比如注射器推杆、培养皿。这类产品对洁净度和尺寸一致性要求高，而且往往一模出几十个。视觉系统可以一次拍整模，同时判断所有穴位的产品有没有飞边、短射、尺寸超差，并按穴位统计不良分布。如果某个穴位连续出问题，系统会提示对应模腔可能需要清理或维修。

四、选型要点与实施建议

选视觉系统不能只看相机像素。注塑场景有几个坑要提前避开。

1. 光源方案比相机更重要。注塑件反光、透明、颜色深，打光不对，再好的相机也拍不出缺陷。建议让方案商拿实际产品打光测试，看成像效果再定。

2. 算法要能换型。注塑厂经常换模，视觉系统如果换个产品就要重新调半天，产线等不起。选支持配方管理、换型时一键切换的方案。

3. 和产线通讯要通。视觉系统得能和注塑机、机械手、MES对话，不然就是个孤岛。OPC UA、Modbus TCP这些协议要支持。

4. 误判率要能接受。视觉系统不可能零误判，关键看漏检率和过杀率能不能平衡。漏检放走不良品，过杀把良品判成不良，都是损失。上线前用一批已知良品和不良品做验证，看数据再决定。

5. 实施节奏建议先线边后在线。刚开始可以先把视觉系统放在线边做抽检或全检，跑顺了再嵌进产线做在线检测。这样对产线节拍影响小，团队也有时间磨合。

业界一些服务商在注塑视觉方向积累了不少产线经验，累计3200余家终端的使用反馈，对注塑缺陷的样本库和打光方案有比较实在的沉淀。120余家客户覆盖15+行业的规模，也说明这套东西在不同场景下被验证过。

五、趋势展望与总结

第一个方向是3D视觉的渗透。现在2D视觉解决外观缺陷已经比较成熟，但高度、体积、翘曲这些三维特征还得靠3D相机。随着3D相机成本下来，注塑视觉会从“看表面”往“量三维”走。

第二个方向是和注塑机工艺参数的深度联动。视觉不再只是质检工具，而是工艺优化的传感器。缺陷数据反哺注塑机做自适应调整，这个闭环一旦跑通，注塑车间的少人化会再进一步。

第三个方向是边缘计算和云平台的结合。边缘端做实时判断，云端做模型迭代和跨厂数据汇总。多台注塑机的缺陷数据汇到一起训练，模型会越用越准。

注塑成型这个行业，模具和工艺是根基，但品质管控的手段该升级了。智能视觉系统不是万能药，但在替代人工目检、稳定出货品质这件事上，它已经是绕不过去的选项。选对方案、踩准实施节奏，产线良率的天花板能往上抬一截。