铝压铸件 X-ray 气孔与夹杂检测：单图 <2 秒实现产线级判废

在铝压铸件生产中，内部气孔与夹杂等缺陷严重影响产品质量。微链道爱 DaoAI 凭借先进技术，实现快速准确的 X-ray 检测，为行业带来新的解决方案。

行业背景与用户场景：铝合金压铸作为底盘、转向、新能源结构件的主流工艺，在工业生产中占据重要地位。然而，在压铸过程中，由于金属液的流动特性、模具的设计和工艺参数等多种因素，极易在压铸件内部形成气孔、缩松与夹杂等缺陷。这些缺陷在外观上完全不可见，但却直接削弱了零件的强度与气密性，给产品的性能和质量带来了极大的隐患。对于零部件生产厂家而言，确保产品质量符合标准是至关重要的。他们需要对压铸件进行内部探伤检测，以找出这些隐藏的缺陷，避免不合格产品流入市场。传统的检测方法是采用 X-ray 对压铸件进行探伤，然后由人工进行读片判断。但随着生产规模的扩大和生产节拍的加快，这种传统方法逐渐难以满足企业的需求。

痛点深挖：为什么难

从速度维度来看，人工读片速度慢是一个显著问题。一般情况下，人工读片一张 X-ray 图像可能需要数分钟甚至更长时间，这与压铸产线的高节拍生产完全不匹配。压铸产线通常每分钟能够生产多个压铸件，而人工读片的速度远远跟不上这个节奏，导致生产效率低下。例如，一条每分钟生产 5 个压铸件的产线，如果人工读片每个需要 3 分钟，那么就会造成大量的产品积压，影响整个生产流程。

在准确性方面，人工读片存在很大的主观差异。不同的检测人员对缺陷的判断标准可能不同，即使是同一个检测人员，在长时间读片后也容易出现疲劳，导致微小气孔等缺陷被漏判。据统计，人工读片的漏判率可能达到 10% -15%，这意味着有相当一部分存在缺陷的产品可能会被误判为合格产品，流入市场，给企业带来潜在的质量风险。

从成本角度分析，人工读片需要大量的人力投入，而且为了保证检测的准确性，还需要对检测人员进行专业培训，这增加了企业的人力成本和培训成本。此外，由于人工读片效率低下，可能需要增加额外的检测时间和设备，进一步提高了企业的生产成本。

造成这些问题的根本原因在于人工读片是一种基于经验和主观判断的方法。人类的视觉和认知能力存在一定的局限性，在面对大量的 X-ray 图像和微小的缺陷时，容易出现疲劳和误判。而且，人工读片的标准难以统一，不同的人可能会因为个人经验和判断习惯的不同而得出不同的结论，这就导致了检测结果的不一致性和不准确性。

技术原理

微链道爱 DaoAI 将深度学习 AI-AOI 引入 X-ray 检测环节。其核心算法是基于卷积神经网络（CNN），这种算法能够自动从大量的数据中学习到特征和规律。首先，模型在大量带标注的探伤图像上进行训练，这些图像包含了各种类型的气孔、缩松、夹杂等内部缺陷，模型通过学习这些缺陷的灰度与形态特征，能够准确地识别和定位缺陷。在成像方面，X-ray 设备能够穿透压铸件，获取内部结构的图像。这些图像被传输到 DaoAI 系统中，系统利用训练好的模型对图像进行分析和处理。

与传统的人工读片方法相比，DaoAI 具有明显的优势。传统方法依赖于人工的经验和主观判断，而 DaoAI 是基于数据和算法的客观分析，能够避免主观差异和疲劳带来的影响。而且，DaoAI 的推理速度非常快，单张图像的推理时间能够控制在 2 秒以内，这使得它能够直接嵌入压铸产线节拍，实现内部缺陷的在线全检。而传统的人工读片只能进行离线抽检，无法满足大规模生产的需求。

典型应用场景

• 底盘压铸件检测：底盘是汽车的重要组成部分，其质量直接关系到行车安全。在底盘压铸件检测中，DaoAI 能够快速准确地检测出内部的气孔、缩松和夹杂等缺陷。难点在于底盘压铸件结构复杂，缺陷可能隐藏在各个部位，而且一些微小的缺陷可能对产品性能产生重大影响。DaoAI 通过高精度的算法和快速的推理能力，能够在复杂的结构中准确地定位和识别这些缺陷。
• 转向系统压铸件检测：转向系统的压铸件需要具备高精度的性能，任何内部缺陷都可能影响转向的准确性和可靠性。DaoAI 可以对转向系统压铸件进行全面检测，自动定位缺陷并按尺寸、数量、位置给出判废结论。检测的难点在于转向系统压铸件的精度要求高，一些微小的气孔和夹杂可能难以被发现，DaoAI 利用其深度学习模型的强大特征提取能力，能够检测到微米级的缺陷。
• 新能源结构件压铸件检测：新能源汽车的快速发展对结构件的质量提出了更高的要求。新能源结构件压铸件中的气孔和夹杂等缺陷可能会影响电池系统的稳定性和安全性。DaoAI 能够实时在线检测这些缺陷，确保产品质量。难点在于新能源结构件的材料和工艺较为特殊，缺陷的形态和特征可能与传统压铸件有所不同，DaoAI 通过大量的样本训练，能够适应不同的材料和工艺，准确检测出缺陷。
• 发动机零部件压铸件检测：发动机是汽车的核心部件，其零部件的质量至关重要。DaoAI 可以检测发动机零部件压铸件中的气孔和夹杂等缺陷，保证发动机的正常运行。检测的难点在于发动机零部件的工作环境恶劣，对强度和气密性要求极高，任何微小的缺陷都可能导致严重的后果，DaoAI 凭借其高灵敏度的检测能力，能够有效检测出潜在的缺陷。

落地案例

某中型零部件厂，主要生产汽车底盘、转向系统和新能源结构件等铝压铸件。该厂之前采用传统的人工读片方法进行 X-ray 检测，但随着订单量的增加，生产节拍加快，人工读片的效率和准确性问题日益突出。在引入微链道爱 DaoAI 解决方案后，上线过程较为顺利。首先，微链道爱团队对该厂的 X-ray 设备进行了对接和调试，确保系统能够正常获取图像。然后，利用该厂已有的探伤图像数据对模型进行了针对性的训练，使其能够更好地适应该厂的产品特点。经过一段时间的测试和优化，DaoAI 系统正式上线运行。

上线前，该厂人工读片的效率低下，每天只能检测约 200 个压铸件，漏判率达到 12%，读片结果的一致性较差。上线后，DaoAI 系统实现了内部缺陷的在线全检，单张图像推理时间小于 2 秒，每天能够检测的压铸件数量增加到 1000 个以上，漏判率降低至 2%，读片结果的一致性大幅提高。

DaoAI 让铝压铸件检测从离线、靠经验的人工读片，转变为在线、量化的自动判废，提升了生产效率和产品质量。

微链道爱解决方案与产品

微链道爱 DaoAI 解决方案主要包括深度学习 AI-AOI 模型、数据处理系统和与 X-ray 设备的对接模块。深度学习 AI-AOI 模型是整个系统的核心，它经过大量标注图像的训练，能够准确识别气孔、缩松、夹杂等内部缺陷，并按尺寸、数量、位置给出判废结论。数据处理系统负责对 X-ray 图像进行预处理、特征提取和分析，确保模型能够高效准确地处理数据。与 X-ray 设备的对接模块则实现了系统与 X-ray 设备的顺畅连接，使得图像能够实时传输到 DaoAI 系统中进行处理。

该产品具有以下特点：一是推理速度快，单张图像推理时间小于 2 秒，能够匹配压铸产线的高节拍；二是缺陷识别准确，能够自动定位和分级气孔、缩松、夹杂等内部缺陷；三是判废标准统一，按尺寸、数量、位置进行量化判定，消除了主观差异；四是可产线部署，能够与各种 X-ray 设备对接，告别离线人工读片。

量化成效

通过采用微链道爱 DaoAI 解决方案，企业在多个方面取得了显著的量化成效。在检测效率方面，检测速度提升了 400%以上，从每天检测 200 个压铸件提高到 1000 个以上，大大缩短了检测周期，提高了生产效率。在准确性方面，漏判率从 12%降低至 2%，误报率降低了 30%，有效提高了产品的质量和可靠性。此外，缺陷数据还为压铸工艺参数调整提供了量化支撑，帮助企业优化生产工艺，进一步提高产品的质量和生产效率。

本文由人工智能生成。文中客户案例为基于产品真实能力的模拟场景，成效数字为示例性质；官方标定口径以产品页为准。