一、行业背景

缸体与缸盖是发动机上体量最大、加工内容最密集的两个零件。一个缸体上既有铸造形成的毛面，也有大量经过铣削、镗削与磨削的机加工面——顶面、底面、两侧安装面、主轴承座面、缸孔口周边，以及各种加工过的凸台与孔口端面。这些面的表面质量，决定了后续装配、密封、配合与整机外观。

表面缺陷的来源贯穿整个工艺链。铸造环节会带来砂眼、缩松、渣孔、冷隔与缺角；机加工环节可能留下刀纹异常、毛刺与崩边；工序间搬运与工装夹持会造成磕碰、划伤与压痕；清洗不彻底则残留铁屑与型砂。这些缺陷的性质不同，但共同点是——一旦流入装配环节，处理成本会显著上升。

传统做法是人工目检加灯光台。问题集中在三个层面。一是覆盖不全：缸体缸盖结构复杂，顶面与侧面之外还有大量内凹区域、加工凸台与孔口，人工在有限节拍内很难逐面看全。二是判定不一致：砂眼与磕碰的严重程度需要经验判断，同一件工件在不同班次、不同检验员手上可能得出不同结论。三是难以留痕：人工目检通常只能做签字确认，无法形成缺陷位置与类型的结构化记录，工艺改进缺乏数据支撑。

这也是在线视觉检测在缸体缸盖产线上逐步替代人工目检的直接原因——不是因为人看不出缺陷，而是因为人的覆盖能力、判定一致性与数据沉淀能力都无法满足批量生产的要求。

二、产品概述

华耐视硕士系列缸体缸盖加工面缺陷检测设备，面向发动机缸体、缸盖的整件表面质量在线检测。设备采用辊道输送配合机器人的结构，在工件流转过程中完成各加工面的图像采集与缺陷判定。

设备覆盖的表面包括顶面、底面、两侧安装面、主轴承座面、缸孔口周边、加工凸台与孔口端面等区域，同时对铸件毛面上的明显缺陷做检出。可识别的缺陷包括划伤、磕碰、压痕、砂眼、缩松、渣孔、冷隔、缺角、崩边、毛刺、刀纹异常以及表面残留物。识别准确率达 99%。

设备功能包括读码、机器视觉检测、人工复检、追溯、缺陷数据分析与远程查看。按典型配置，设备采用 500 万至 2000 万像素面阵相机，部分方案配 8K 线扫相机做大面积连续覆盖；光源为大光源组、条光组或超大尺寸高亮光源；控制系统为工控机加 PLC。检测节拍按工件情况定制，可做到 45 秒级，也可按工艺要求放宽至数分钟。

三、核心技术亮点

毛面与加工面的混合表面成像。缸体缸盖不是单一表面状态的工件——同一件上既有粗糙的铸造毛面，也有接近镜面的机加工面，两者的反射特性差异极大。系统按区域配置成像参数：毛面区域采用大光源组做均匀漫射照明，突出砂眼与缩松的凹陷特征；加工面区域切换条光组，以特定入射角度让浅划痕与压痕形成明暗对比。两套参数在同一工件上分区生效，避免用一套参数兼顾两类表面时的相互妥协。

大面积表面的完整覆盖。缸体缸盖的检测面积大，单相机难以在一次采集内覆盖。系统采用机器人持成像单元沿表面分区扫描，或用 8K 线扫相机配合工件匀速通过做连续采集。线扫方案适合顶面、底面这类大面积平面，效率高且图像拼接后整体一致性好；机器人方案适合侧面、内凹与凸台这类需要变换视角的区域。两种方式可按工件的表面构成组合使用。

镜面加工面的高光抑制。机加工后的顶面与底面属镜面加工面，直接正射会造成大面积过曝，把浅划痕完全掩盖。系统采用条光组配合斜入射角度，让缺陷的斜面形成明暗过渡，同时通过光强调节避免平整区域进入饱和。这一环节对成像质量的影响最大，也是视觉检测能否替代人工目检的关键。

残留物与缺陷的区分。加工面上可能残留铁屑、型砂与切削液痕迹，这些在图像中与真实缺陷形态相似。系统结合形貌特征与位置关系做区分——真实缺陷与基体连续、有明确的边界与深度特征，残留物则多呈松散附着状态。对确认为残留物的区域，系统不判为缺陷但会记录，便于清洗工序追溯。

按功能区域的判定标准。缸体缸盖的不同表面承担不同功能，对缺陷的容忍度不同。系统支持按区域配置判定标准：密封与配合相关的表面从严判定，安装面按装配要求判定，外观面按外观标准判定。分区标准的意义在于——同样的一个压痕，出现在密封面上是必须拦截的缺陷，出现在非功能面上则可能可以放行，用一套标准判定会造成不必要的不良与返工。

四、主要功能

· 加工面缺陷识别：划伤、磕碰、压痕、崩边与刀纹异常。

· 铸造缺陷识别：砂眼、缩松、渣孔、冷隔与缺角。

· 毛刺检测：加工边缘与孔口毛刺的识别与定位。

· 残留物识别与记录：区分残留铁屑、型砂与真实缺陷。

· 多区域成像方案：按表面状态分区配置成像与照明参数。

· 分区判定标准：按表面功能配置不同的判定阈值。

· 缺陷位置定位：输出缺陷在工件上的区域与坐标。

· 多型号配方管理：按缸体缸盖型号管理检测方案与判定标准。

· 读码与型号识别：读取工件标识并调取对应配方。

· 人工复检与标记：支持人工复判并留存样本用于算法优化。

· 缺陷数据分析：按缺陷类型与位置统计并输出报表。

· 数据追溯：检测记录与工件标识绑定归档。

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，及发动机制造行业。

· 对应工件：柴油与汽油发动机缸体、缸盖。

· 设备类型：辊道输送加机器人，或线扫连续采集。

· 设备描述：可用于批量在线检测缸体缸盖各加工面与铸件表面的划伤、磕碰、砂眼、缩松、缺角等缺陷。

· 设备功能：读码、机器视觉检测（深度学习）、人工复检、追溯、缺陷数据分析、远程查看。

· 工业相机：500 万至 2000 万像素面阵相机；大面积平面可配 8K 线扫相机。

· 光源：大光源组、条光组、超大尺寸高亮光源或线扫光源。

· 控制系统：工控机加 PLC。

· 生产节拍：45 秒至数分钟，按工件情况定制。

· 设备规格：按工件尺寸与产线布局非标定制。

· 正确率：99%。

· 交付形式：按工件型号与产线节拍非标定制，参数以最新技术资料为准。

六、系统组成与工作原理

系统由输送与定位机构、机器人执行机构或线扫采集机构、成像单元、照明单元、算法判定单元、分拣机构与数据管理平台构成。

缸体或缸盖经输送线进入检测工位，定位机构完成机械定位并识别工件型号。控制系统调取对应配方，配方中记录该型号的表面分区、各区的成像参数与判定标准。

采集按分区推进。大面积平面优先用线扫相机在工件匀速通过时连续采集，得到整幅无拼接痕迹的展开图像；侧面、内凹与凸台区域由机器人持面阵相机按路径逐区扫描。各区切换时照明同步切换：毛面用大光源组漫射，加工面用条光组斜射。

算法判定单元对图像做缺陷检出与分类，并按缺陷所处区域调用对应的判定标准——密封与配合面从严，安装面按装配要求，外观面按外观标准。同时算法对残留物与真实缺陷做区分，残留物单独记录而不计入缺陷判定。

判定结果驱动分拣机构分流，并写入数据管理平台与工件标识绑定。平台按缺陷类型与位置统计，若同类缺陷集中出现在特定区域，可指向铸造模具、刀具状态或搬运环节的具体问题，为工艺改进提供方向。

七、操作使用说明

设备运行以自动检测为主，操作人员的工作集中在开机确认、运行监视与换型。

开机时确认气源、电源与机器人原点状态正常，检查镜头与光源出光面清洁度。加工面检测对镜面污染敏感，且工件本身可能带有切削液残留，建议把光学清洁与气源确认列入班前点检项。

运行中通过界面监视检测结果。界面按表面分区显示缺陷分布，操作人员可直观看到缺陷集中在哪个面、哪一侧。若残留物记录数量明显上升，应反馈至清洗工序核查清洗效果，而不是调整检测算法——残留物属于工艺问题，用算法屏蔽会掩盖真实的质量隐患。

换型时在界面选择缸体或缸盖型号调取配方，无需修改程序。新导入型号需完成三件事：划分表面区域、配置各区成像参数、设定分区判定标准，然后用带人工缺陷的样件验证覆盖完整性与检出能力。这一准备工作的质量直接决定投运后的表现，建议留足验证时间。

八、应用场景

缸体机加工后检测。缸体在加工中心完成顶面铣削、缸孔镗削与孔系加工后的整件表面质量确认。

缸盖机加工后检测。缸盖底面、顶面、进排气道口与气门座圈周围区域的缺陷检测。

铸件入厂检验。对铸造毛面上的砂眼、缩松、渣孔与缺角做批量筛查，把缺陷拦在机加工之前，避免在已投入加工成本的工件上继续加工。

清洗后复检。清洗工序完成后确认各面无残留物，把清洗不彻底的问题在装配之前拦截。

装配前最终确认。在装配工序之前做最后一道外观确认，减少装配后返工。

返修复检。对返修后的工件执行复检，确认缺陷已处理且未引入新损伤。

九、设备优势

整件覆盖而非单面覆盖。系统覆盖顶面、底面、侧面、凸台与孔口等全部主要加工面，避免人工目检只能看重点面、其余靠抽看的覆盖缺口。

毛面与加工面同一套系统处理。按区域切换成像与照明参数，不需要为铸造面和机加工面分别配置设备，减少工位数量与工件转运。

大面积高效采集。线扫方案适合顶面底面这类大面积平面，机器人与面阵方案负责复杂区域，两者组合在效率与覆盖之间取得平衡。

分区判定减少无效不良。按表面功能配置判定标准，避免用统一标准判定所有表面造成的过度判废与不必要的返工。

区分残留物与真实缺陷。残留物单独记录并反馈清洗工序，既不掩盖工艺问题，也不把它误判为工件缺陷。

检测数据可追溯。缺陷按类型与位置结构化记录，支持按区域统计与工艺归因，而不只是给出合格或不合格的结论。

十、选型对比

缸体缸盖的表面检测有几条常见路径。

人工目检加灯光台是传统方式。检验员在强光下逐面观察，对明显的磕碰、划伤与缺角有效。局限在于覆盖不全与判定不一致：结构复杂的区域难以在节拍内看全，砂眼与压痕的严重程度判定依赖经验，且难以形成结构化记录。

三坐标测量是尺寸与形位精度的主要手段，但它测的是几何量而非表面质量。表面缺陷检测与尺寸测量通常分设备进行，各司其职。

视觉表面检测在装配之前拦截外观缺陷，输出缺陷类型、位置与所属区域，既能减少下游返工，又能为工艺改进提供数据。它对微小缺陷的检出能力依赖成像方案与算法，需针对毛面与加工面两类表面分别设计。其边界在于——视觉检测判的是表面状态，无法替代密封、压力这类功能试验。

华耐视硕士系列属于第三类。实际应用中通常与功能试验配合：视觉检测在前拦表面缺陷，功能试验在后做性能确认。对质量要求严格的发动机产线，视觉检测的价值体现在覆盖完整性、判定一致性与质量数据沉淀三方面。

十一、常见问题

问：铸造毛面和机加工面能在一台设备上检吗？

答：可以。系统按区域切换成像与照明参数——毛面用大光源组做均匀漫射，加工面用条光组斜射。两类表面共用同一套输送、定位与数据平台。建议在方案阶段分别提供毛面与加工面的样件，验证两类表面的检出能力。

问：顶面那么大，能一次拍全吗？

答：大面积平面建议用 8K 线扫相机配合工件匀速通过做连续采集，可以得到整幅无拼接痕迹的图像，效率也高于多相机拼接。若产线结构不适合匀速通过，可用面阵相机加机器人分区扫描，覆盖同样完整但节拍会长一些。具体方案按工件尺寸与节拍确定。

问：残留铁屑会被误判成缺陷吗？

答：系统结合形貌与位置特征区分残留物与真实缺陷，残留物单独记录而不计入缺陷判定。若残留物记录数量上升，建议优先核查清洗工序，而不是调高判定阈值。

问：镜面加工面的反光会不会影响检测？

答：会，这是这类工件检测的主要难点。系统采用条光组配合特定入射角度的照明方案，让缺陷斜面形成明暗对比，同时避免平整区域过曝。具体效果建议以实物工件验证。

问：不同表面的判定标准能不一样吗？

答：可以。系统支持按表面区域配置判定标准，密封与配合面从严，安装面按装配要求，外观面按外观标准。分区标准的意义是让判定贴近各表面的实际功能，减少统一标准造成的过度判废。

问：检测节拍会影响产线吗？

答：节拍与工件尺寸、需覆盖的表面数量及检测项目数相关。线扫方案做大面积覆盖时效率较高，复杂区域用机器人扫描会占用更多时间。设备可按产线节拍定制，方案阶段可提供实测数据。

问：检测记录能用于追溯吗？

答：可以。检测结果与工件标识绑定归档，支持按缺陷类型与位置检索，可与 MES、质量管理系统对接。

十二、维护保养

维护重点在光学洁净度、区域配置与机器人精度三方面。

光学方面，每班次清洁镜头与光源出光面。加工面检测使用的是特定角度的条光，光源角度偏移会直接影响缺陷的对比度表现，应定期复核角度设置。检查光源亮度衰减，亮度下降会降低浅划痕的检出能力。线扫方案还需检查光源的均匀性——线扫对光照一致性比面阵更敏感，局部亮度不均会直接反映在图像上。

配置方面，工件改型或加工面结构变更时，需同步更新表面区域划分、成像参数与判定标准，并做试运行验证。区域定义错误会造成判定标准错用，且在检测结果上不易被察觉，是这类设备最隐蔽的失效方式。

机械方面，检查机器人重复定位精度与输送定位机构精度。工件位置偏移会造成表面在图像中的位置发生整体漂移，影响与实际区域的对应关系。线扫方案需重点检查输送速度的稳定性——速度波动会造成图像在运动方向上的拉伸或压缩。

系统方面，定期备份检测配方与算法模型，记录每次调整的内容与原因。模型更新后必须重新执行样件验证并留存记录。

十三、总结与展望

缸体缸盖的表面质量管控，难点不在于单个缺陷难以识别，而在于表面数量多、状态差异大、人工在有限节拍内无法逐面看全。把整件表面的检出转成在线全检，并让判定标准按表面功能分层，是这类工件质量管控的基础动作。

华耐视硕士系列缸体缸盖加工面缺陷检测设备，覆盖顶面、底面、侧面、凸台与孔口等主要加工面以及铸件毛面，按区域切换成像方案处理毛面与加工面两类表面状态，支持分区判定标准，并区分残留物与真实缺陷，识别准确率达 99%，检测数据可与 MES、质量管理系统对接。

后续发展有三个方向。一是缺陷判定与表面功能进一步关联，通过缺陷的位置、尺寸与形貌特征评估其对密封、配合与外观的实际影响，让分区判定从人工设定标准走向基于功能的量化评估。二是检测数据与铸造、机加工、清洗工艺参数关联，把缺陷按区域的分布与模具状态、刀具磨损、清洗条件建立统计关系，从检出缺陷走向减少缺陷。三是检测记录纳入工件全生命周期质量档案，为发动机的装配质量追溯与在役状态评估提供数据基础。