家电外壳与塑料件外观检测常见问题

热水器外壳的划痕、水壶表面的脏污、冰箱门板上的凹坑，虽然都属于外观问题，检查方式却各有重点。工业视觉需要先把缺陷清楚地拍出来，再根据产品质量标准判断。南京海研科技的家电外观检测业务与大面积表面微小缺陷检测能力，可为相关需求提供检测思路与方案评估。

热水器外壳上的划痕怎么自动检测？

可以通过工业相机采集热水器外壳图像，识别划痕与正常表面的差异，再按约定的质量标准判断。首先要确定检查哪些区域，以及什么程度的划痕需要判为不合格；随后配置相机和光源，让不同位置的划痕能够清楚呈现。对于外壳面积大、划痕细小的情况，需要兼顾表面覆盖和图像细节。海研具备大面积表面微小缺陷检测能力，可结合外壳材质、形状和生产节拍评估具体方案。

水壶生产线上，能用视觉自动检测壶身脏污吗？

可以检查图像中清楚可见的壶身脏污。检测前需明确检查范围，例如壶身、壶盖或底座，并用正常样品和脏污样品确定允许与不允许的表面差异。对于不锈钢水壶，还要让脏污与反光、正常表面纹理区分开来。完成成像和判定标准确认后，可将脏污检查配置为生产线上的检测任务，按区域判断产品是否符合外观要求。

热水器外壳是圆筒形的，怎么检查一整圈有没有划伤？

整圈检查需要让圆筒外壳的待检表面都进入相机视野。常见思路包括从多个方向拍摄，或在产品转动过程中分段采集图像，再汇总各区域的检测结果。方案设计时要检查相邻拍摄区域的衔接，避免在视角交界处留下未覆盖区域。海研工业AI视觉检测平台可承载相应检测任务，并管理相关配置与结果；整圈成像仍需相机、光源和机械结构共同配合。

不锈钢水壶反光很强，表面划伤还能用相机检测吗？

强反光表面的划伤可以开展视觉检测评估，关键是让划伤与正常反光在图像中形成稳定差异。需要结合实际水壶调整照明方式、相机角度和产品姿态，观察不同位置、不同方向的划伤是否都能呈现。在获得有效图像后，再配置检测规则或AI模型。评估时应同时使用正常水壶和划伤样品，检查反光是否会被误判，以及细小划伤是否容易遗漏。

冰箱门板上的小凹坑、压痕，能自动检测吗？

可以针对冰箱门板上的凹坑、压痕开展外观检测。检测重点是利用合适的成像条件，让表面形变与正常门板表现出可辨识的差异，并根据位置、范围和外观影响程度判断是否合格。不同颜色、涂层和纹理的门板需要分别确认成像效果。如果要求进一步测出凹坑深度，还需配置相应的测量方案，不能仅凭发现表面异常就给出深度结论。

洗衣机外壳上的细小划伤，人工容易漏掉，怎么自动检查？

可以先按外壳结构划定检测区域，再通过相应成像配置覆盖待检表面，识别其中的细小划伤。平面、转角和边缘的观察条件可能不同，需要分别检查图像是否清晰、区域是否覆盖完整，并采用明确的缺陷判定标准。海研的大面积表面微小缺陷检测能力面向这类需求，可结合实际划伤样品、外壳结构和产线运行方式进行配置评估。

空调面板上的黑点、脏污，能在生产线上检测吗？

可以将黑点和脏污检查设置在生产线的指定检测位置，由相机采集面板图像并完成判断。首先要明确多大的黑点、哪个区域的脏污需要判为不合格，再根据面板的输送状态安排拍摄。产品在移动中还是停留时采集、检测位置是否稳定、图像处理能否配合生产节拍，都需要在实际运行条件下确认。不同型号的面板可使用对应的检测区域和判定配置。

黑色塑料外壳上的划痕不明显，AI能识别吗？

能否识别，首先取决于划痕在采集图像中是否能够与正常表面区分。黑色外壳上的划痕可能只在特定观察角度下比较明显，因此应先调整照明和拍摄角度，让划痕特征呈现出来，再用正常样品与不同程度的划伤样品进行识别测试。AI模型可以学习图像中的差异，但成像环节仍需提供足够清晰的缺陷信息。

注塑件表面的黑点、杂色，能用视觉检查吗？

可以针对注塑件表面可见的黑点、杂色进行视觉检查。需要先区分产品允许的颜色和纹理变化，与不允许出现的异常，再明确检测区域和合格标准。不同颜色、材质或型号的注塑件，可以采用相应的检测参数或模型。海研工业AI视觉检测平台支持按产品型号管理这些配置，便于在切换产品时调用对应任务。

家电外壳上的掉漆、涂层破损，能自动检查吗？

对于表面可见的掉漆和涂层破损，可以通过图像检查异常区域与正常涂层之间的差异。检测时应明确检查位置、允许的外观差异，以及破损范围达到什么程度需要判为不合格。不同底材和涂层颜色会影响异常的呈现，需要结合实际样品确定成像方式。这类检查主要针对可见外观；涂层厚度、附着力等指标，需要采用对应的测量或检验方法。