冲压钣金AI缺陷检测：车身覆盖件的开裂、起皱与表面缺陷

冲压是汽车制造业中最古老、最快、最不容差错的工艺之一。一次压机循环把一块平整的钢或铝坯料在几秒内成形为车门、引擎盖、翼子板或结构件。该工艺也以非常具体的方式频繁产生缺陷。高应变区的开裂。深拉区域的起皱。模具磨损造成的划痕。模具寿命周期内回弹引起的尺寸漂移。

检测之所以困难，正是因为工艺很快：零件大、反光强、几何复杂。人工下线检测能抓到明显失效，但经常漏掉细微缺陷，最终在车身车间出问题，更糟的情况下问题随车出厂。AI视觉在不拖慢压机的前提下，于产线节拍（典型240件/分钟）下解决了一致性问题。

本文是面向冲压钣金AI检测的实用缺陷目录，按缺陷类别给出检测方案，并附车身覆盖件项目的部署指引。

缺陷目录

开裂与撕裂

当材料减薄超过成形极限时产生，通常出现在深拉转角、小圆角或材料晶向过渡处。开裂是冲压中安全等级最高的缺陷，也是产线节拍下最容易漏检的缺陷。可见裂纹宽度往往不到0.5mm。

检测方案：50到100 µm像素尺寸的高分辨成像，配合面向开裂几何训练的CNN。最新研究采用ResNet18架构，在冲压件开裂缺陷上达到99.9%的分类精度。生产部署在实时推理中也常常达到这一水平。

起皱

深拉区域的压缩失稳，通常沿压边过渡或法兰边出现。A级面上的外观起皱客户会判退。承力区的功能性起皱会损害碰撞性能。

检测方案：用光度立体提取表面法向图，配合针对起皱拓扑训练的分类器。完整照明架构请参见我们的冲压边缘缺陷的光度AI视觉。

划痕与模痕

由模具磨损、模具表面污染或物料搬运损伤造成。A级面上深度超过0.1mm的划痕需要返修或报废。检测方案：结构光照明加上按划痕方向（顺纹理与横纹理产生不同视觉特征）训练的AI分类器。

凹陷与表面波浪

来自压机工装、传输系统接触或操作搬运的局部凹陷或波浪起伏。在喷漆后的深色与金属漆面上尤为可见。检测方案：3D成像或光度立体，配合具备深度感知的分类器和按位置定的容差带。

回弹与尺寸漂移

材料弹性回复在零件离模后引起尺寸偏移。回弹是工艺固有的；模具磨损过程中尺寸随时间漂移才是检测难点。检测方案：纯2D AI视觉不足以胜任；需搭配结构光或激光三角测量进行测量级尺寸检测。AI视觉系统负责缺陷检测，计量系统跟踪尺寸漂移。

边缘缺陷：毛刺、颈缩、断裂边

修边与冲孔工序会产生毛刺与边缘断裂，影响下游装配。颈缩（边角处的局部减薄）在产线节拍下尤其难发现。检测方案：沿零件周边采用切线方向、高像素密度的成像，并使用按工装实际边缘缺陷分类法训练的分类器。

孔与修边特征缺陷

冲孔位置偏、孔径小，或冲头磨损导致孔边撕裂。修边特征轮廓不到位。检测方案：特征定位分类器加上对照CAD模型的尺寸测量。

反光表面为何是难点

车身覆盖件本就被设计为反光面。这正是检测之所以困难的原因。A级面上1mm的凹陷在平直照明下不可见，但在掠射光下一目了然。决定能否抓到缺陷的是照明架构，而非AI模型。

冲压件检测中主导的三种照明策略：

光度立体。多光位、单相机。通过差分照明重建表面法向图。最适合强反光面上的凹陷、起皱与表面波浪。照明硬件复杂度中等，但检测站占地紧凑。

结构光三角测量。投射图案、多角度成像。重建完整3D几何。最适合在同一工位同时需要缺陷检测与尺寸测量的场景。比光度立体更慢、更贵。

偏振照明。交叉偏振照明可消除表面眩光、暴露基底缺陷。最适合表面反射占主导的喷漆线检测，对原始冲压检测则有些冗余。

对典型车身覆盖件项目而言，光度立体是合适的起点。当某些零件需要在同一工位同时进行尺寸测量和缺陷检测时，再有选择地加入结构光。

冲压产线上检测该放在哪里

三个检测点能带来更划算的"每相机检出率"经济效益：

成形工序之间。对于多工序操作（深拉、整形、修边、冲孔），在工序之间检测可在二次工序固化缺陷之前抓到开裂与起皱，节省下游返修。

修边后、转运前。最常见的部署点。热环境稳定，可设多个照明角度，便于实现完整零件可见性。

回弹稳定后的最终尺寸检查。开模后回弹会持续数秒。下线尺寸检测捕获的是下游工序实际收到的最终零件几何。

生产数据与经济账

冲压产线上工业AI视觉系统的目标指标：

对于一条年产800万件、单件$40的典型一级供应商冲压产线，将流向车身车间的漏检率下降30%，按零件项目不同，每年每条产线可节省返修与报废成本约$80,000到$200,000。

训练数据为何比想象中容易

Open Stamped Parts Dataset及类似行业数据集提供了数千张已标注的冲压图像，可用于初始训练的引导。真实生产数据则在每个缺陷类别1到2周的导入窗口内采集。对于稀有缺陷（低于1/10,000），合成缺陷生成可补齐空缺。

冲压钣金特别适合合成数据增强，因为缺陷类别在不同零件项目间视觉一致。开裂就是开裂，不论它出现在丰田凯美瑞的车门还是福特F-150的翼子板上。即使视觉上下文（油漆颜色、表面纹理、料厚）变化，缺陷物理也会延续。

如何起步

更多关于汽车AI视觉部署节奏的内容，参见AI视觉如何降低汽车缺陷与汽车行业页。