矽膠包膠件的 AI 視覺檢測：打光、樣本與判據怎麼定

矽膠包膠件的外觀檢測長期靠人：燈下轉一圈，看缺膠、看溢膠、看氣泡。問題不是工人不認真，而是這類件軟、半透明、啞光面又容易反光，同一件在不同角度下樣子都不一樣；再加上二十幾秒一件的節拍，判定標準會隨疲勞漂移。

AI 視覺檢測這兩年在矽膠件上真正落地的部分，不是"萬能檢測"，而是把缺陷拆開：哪些能用成像解決，哪些只能靠結構設計與工藝去防。這篇講矽膠視覺檢測繞不開的三件事——缺陷怎麼分檔、打光怎麼定、判據與樣本怎麼建，最後給一條能照著走的落地順序。

一、先把缺陷分成三檔

相機不解決定義問題。做矽膠視覺檢測前先把缺陷列清楚，按"能不能被看見"分成三檔，比先挑算法有用得多。

這張表最大的用處是砍需求：把第三檔從"視覺專案"裡劃掉，驗收指標才不會寫成"零缺陷"。而第二檔要先有判據文件，否則同一批件兩個人能標出兩個結果。

二、打光決定上限

矽膠件難拍在三點：半透明會讓光透過去，啞光面在斜射下會發亮，軟材質在治具上會被壓變形。算法再好，打光不對也救不回來。矽膠視覺檢測的成像方案，八成在打光這一步就定了。

• 背光：輪廓類缺陷的首選，缺膠、通孔堵、毛邊外擴都看得清，順帶解決定位。
• 低角度暗場：凸起、凹坑與分型線錯位，表面紋理的輕微起伏在這裡最明顯。
• 同軸光：平面細刮痕與淺壓痕，只有正反射才看得見。
• 偏振片加漫射穹頂：壓掉表面高光，半透明件配背光時尤其必要。

做法上別急著買設備：先在產線取三五十件（含良品與已知不良），用手機或工業相機在幾種光位下各拍一輪，選出能穩定複現缺陷的那一種，再談相機分辨率與鏡頭。這一步花的是一天時間，省的是後面三個月的返工。

三、樣本與標注：良品永遠比缺陷多

矽膠視覺檢測的缺陷樣本不足，是專案最現實的約束。三條路可以並行：從歷史客訴與返修品裡找、按缺陷機理做人工缺陷樣件、用良品圖做合成。合成樣本只能擴充訓練集，驗證集必須是真實件——否則模型在真件上的表現沒有參考價值。

標注一致性比數量更關鍵。同一條刮痕，兩個人標出來的邊界可能差一倍。先寫一份判據文件（多長、多深、在哪個面算不合格），讓標注與終檢用同一份；邊界樣本單獨留一組，專門驗證模型在"差一點就超差"時的判斷。截圖時要把穴號、班次與材料批號一起記下來，否則後面分不清是模具問題還是來料問題。

四、節拍、定位與追溯

矽膠件是軟的，上料時容易被壓扁或翻轉，矽膠視覺檢測的定位不能只靠模板匹配。常見做法是治具定型加背光取輪廓，讓每個件的姿態一致；多穴模具還要按穴號分區，出問題能回到具體型腔。

節拍上，一件多工位比一臺相機拍全部更穩：頂面、側面、端子面分開拍，單工位曝光時間短，運動模糊少。剔除機構要與產線節拍對齊，否則判了不良也來不及吹掉。檢測結果寫進批次記錄，和模號、穴號、班次、材料批號放在一起，追溯才成立。

五、誤判經濟學：漏檢與過殺

矽膠視覺檢測沒有"零誤判"。閾值收緊，漏檢少、過殺多；放鬆則相反。過殺的代價是複檢人力與產線停頓，漏檢的代價是客訴與返工，兩者不在一個量級，但要一起算。

可操作的做法是：用一批已知結果的真件跑出漏檢率與過殺率曲線，再按驗收口徑（AQL 或雙方約定的缺陷率）選工作點，把過殺率控制到複檢工位吃得下。上線後每月回溯一次誤判樣本，把新的邊界樣本補進驗證集；模型漂移不是故障，而是常態。

六、落地順序

1. 列缺陷清單並分三檔，明確哪些不進視覺專案；
2. 用真實件做打光試驗，定成像方案與工位數量；
3. 採三百到五百件，覆蓋各穴號與班次，標注出邊界樣本；
4. 離線跑漏檢與過殺曲線，與品質部門一起定閾值；
5. 小批量上線，保留人工複檢通道，按月回溯。

結論

矽膠視覺檢測的成敗，多數不在算法，而在缺陷定義、打光與判據這三步。把"看得見的缺陷"交給設備，把"看不見的"交給結構設計與抽檢，檢測才真的省錢。反過來，一上來就追"全缺陷自動判"，最後往往得到一個過殺率高到沒人願意用的系統。

站內延伸：拉拔、剖切與老化驗證見研發檢測，分型面與排氣結構見模具成型，缺陷與工藝參數的對應關係可對照液態矽膠冷流道與計量混合；技術方向的全景見矽膠橡膠行業最新技術。