注塑件毛刺修不完？视觉检测 + 自动分拣，把后处理人手砍掉一半

做注塑的朋友都懂，毛刺这东西就像牛皮癣 —— 模具用久了会有、参数波动会有、材料换批次也会有。不大，但烦。

以前的做法是：下机后人工挑一遍，有毛刺的挑出来，安排工人用刀片修、用砂纸磨。修完再检一遍，没问题了才出货。一圈下来，人力占了成本大头，还经常修过头把件搞废了。

今天聊聊我们给一家家电塑胶件厂做的毛刺视觉检测方案，以及这东西到底能省多少事。

毛刺为什么让人头疼？

塑胶件的毛刺问题，说起来不复杂，但处理起来很折腾：

位置不固定：分型面、顶针位、浇口附近、滑块接缝处，哪儿都可能跑毛刺

大小不一：有的是薄薄一层飞边，有的是一坨明显的胶屎，处理方式不一样

时有时无：同一模次里可能一半有一半没有，跟模具温度、注射压力、保压时间都有关系

修毛刺费人：一个熟手一天修不了多少件，还容易割手，年轻人不爱干

最麻烦的是，有些毛刺藏在凹槽或柱子内侧，肉眼不仔细看根本发现不了，流到客户那边组装时才暴露 —— 卡扣卡不紧、缝隙对不齐，整批退回来。

视觉检测怎么识别毛刺？

很多人觉得毛刺不规则，视觉检测不好做。其实关键在两点：打光和算法。

打光要让毛刺 "现形"。 塑胶件表面通常有反光，普通光源打上去，毛刺和基体混在一起，算法分不清。我们用低角度环形光配合同轴光，从侧面把毛刺的边缘打亮，在画面里形成明显的明暗对比 —— 有毛刺的地方一条亮线，没毛刺的地方一片均匀，算法一眼就能判出来。

算法分两路走。 尺寸和位置固定的区域（比如分型面、柱子边缘），用传统视觉算法做轮廓对比，速度快、稳定；形状不规则、位置不固定的区域，用 AI 深度学习模型，把各种毛刺样本训练进去，不管长在哪儿、什么形状都能识别。

检测完直接分拣。 设备和产线对接，OK 件流到下一道工序，有毛刺的件自动分到 "待修" 料盒，特别严重的直接判废。不需要人再一个个挑了。

客户上线后的真实变化

这家客户做的是家电外壳和内部结构件，原来每条线配 2 个人专门挑毛刺 + 修毛刺，3 条线 6 个人。

上了视觉检测设备后：    

挑毛刺的人没了。 设备自动识别自动分拣，原来 6 个人的活，现在 1 个人负责 3 台设备的看护和换型

修毛刺的效率高了。 分到 "待修" 盒里的件，工人不用再判断有没有毛刺、在哪儿，直接修就行，速度快了将近一倍

漏检基本杜绝。 以前人工挑，一天下来眼花了就漏，设备每分钟 300 件的节奏，标准永远一致，客户投诉率降了八成

数据能反推模具状态。 哪套模具毛刺率突然升高，数据一看就知道，提前安排修模，不用等出了批量不良才发现

客户算了笔账：设备投入半年多就回本了，省下来的人工费是纯利润，品质稳了之后客户还加了订单。

几个实在的建议

做了不少塑胶件检测项目，有几点体会：

1. 先拿来样测，别光听报价。 不同塑胶材料（ABS、PC、PP、尼龙）反光特性不一样，颜色深浅也影响成像，必须实测才知道方案行不行。

2. 毛刺标准要量化。 什么程度算毛刺、多长算合格，不能靠 "看着不顺眼"，得跟客户一起定一个可测量的标准，设备才能稳定执行。

3. 别想着一步到位全检所有项。 先把最痛的毛刺问题解决，再逐步加尺寸检测、缺胶检测、缩水检测，设备扩展性留好就行。

塑胶件毛刺这事，本质是模具和工艺的问题，但在模具完美之前，检测这道关得先把住。视觉检测不是万能的，但它能把 "靠人眼盯" 变成 "靠数据管"，这一步迈出去，品质和成本两头都受益。