Html code will be here
Я даю Согласие на обработку файлов cookie в соответствии с Политикой конфиденциальности. В случае отказа от обработки cookie я проинформирован о необходимости прекратить использование Сайта или отключить файлы cookie в настройках браузера.
Методы контроля дефектов в металлообработке
31 августа 2026
Деталь может выглядеть готовой, а через месяц дать трещину в узле. Причина обычно в дефекте, который не заметили на линии. Отдел ОТК физически не успевает осмотреть каждую заготовку с одинаковым вниманием, особенно на высокой скорости конвейера.
В статье разберём, какие дефекты металла встречаются чаще всего, какими методами их ищут и почему производители переходят на контроль дефектов машинным зрением.
В статье разберём, какие дефекты металла встречаются чаще всего, какими методами их ищут и почему производители переходят на контроль дефектов машинным зрением.
Какие дефекты появляются при
обработке металла
Какие дефекты появляются при обработке металла
Виды дефектов поверхности металла делятся на несколько групп. Разберем каждую из них.
Дефекты механической обработки металла:
Дефекты механической обработки металла:
- царапины на металле — остаются от неправильной подачи инструмента или загрязненной оснастки;
- сколы металла — откалываются кромки при резке или штамповке;
- задиры металла — появляются из-за трения инструмента о заготовку на высокой скорости;
- заусенцы после обработки — острые кромки на срезе, которые чаще всего не убирают при черновой обработке;
- вмятины металла — след от удара или неправильной транспортировки заготовки.
Дефекты термической обработки металла:
- окалина металла — темный слой оксидов, который образуется при нагреве;
- наплывы металла — застывший излишек расплава на сварном шве или отливке;
- деформация и трещины от неравномерного охлаждения.
Внутренние и литейные дефекты:
- раковины металла — пустоты внутри отливки от воздуха или газа;
- пористость металла — мелкие поры по всему объему детали, которые снижают прочность;
- трещины на металле — от внутренних напряжений или усталости материала.
Часть этих дефектов видна глазу, часть скрыта внутри заготовки. От этого зависит, какой метод контроля подойдёт.
Методы неразрушающего
контроля качества металлов
Методы неразрушающего контроля качества металлов
Для поиска поверхностных и внутренних дефектов на производстве применяют методы неразрушающего контроля (НК). Они позволяют проверить изделие без его повреждения. Заводы используют разные методы неразрушающего контроля в зависимости от типа детали, объёма партии и того, что нужно найти: поверхностный брак или скрытую полость.
- Визуальный контроль металла.Самый старый и самый доступный способ. Контролер осматривает деталь глазами, иногда с лупой или эндоскопом. Подходит для большинства изделий, но зависит от внимания человека, условий освещения и скорости проверки. Виды визуального контроля металла включают осмотр невооруженным глазом, с оптическим увеличением и с подсветкой под углом для выявления царапин.
- Ультразвуковой контроль.Датчик отправляет волну внутрь металла и ловит отражение от полости или трещины. Хорошо находит внутренние дефекты металла, но требует контакта с поверхностью и обученного оператора.
- Магнитопорошковый метод.Деталь намагничивают, наносят порошок, дефект проявляется скоплением частиц. Работает только с ферромагнитными материалами.
- Капиллярный (цветной) метод.На поверхность наносят проникающую жидкость, она затекает в трещины и проявляется под специальным составом. Метод чувствительный, но медленный для потокового производства.
- Радиографический контроль.Просвечивание рентгеном или гамма-излучением показывает раковины и поры внутри отливки или сварного шва. Метод точный, но требует защиты персонала и специального помещения.
- Вихретоковый контроль.Электромагнитное поле реагирует на изменения в структуре металла у поверхности. Метод работает быстро, но чувствителен к геометрии поверхности, расстоянию между датчиком и изделием, а также свойствам материала.
Каждый из этих способов проверен десятилетиями. Однако большинство из них требуют отдельной операции контроля, участия специалиста или физического контакта с изделием. Поэтому встроить такие методы непосредственно в быстро движущуюся производственную линию бывает сложно.
Заполните форму, чтобы узнать больше о внедрении
системы ML Sense
системы ML Sense
Заполните форму, чтобы узнать больше о внедрении
системы ML Sense
системы ML Sense
Контроль машинным зрением: как это работает
Искусственный интеллект в контроле качества решает именно задачу скорости. Камера снимает деталь на линии, нейросеть анализирует кадр и за доли секунды определяет, есть дефект или нет.
Процесс строится так:
Процесс строится так:
- Промышленная камера и промышленное освещение формируют четкий кадр детали в потоке.
- Нейросеть анализирует изображение и локализует участки с признаками возможных дефектов.
- Модель определяет тип обнаруженного дефекта: царапина, скол, пора, трещина или другое отклонение.
- Система сверяет размер и расположение дефекта с допуском и решает, деталь годная или бракованная.
- Данные уходят в отчёт или сразу на автоматическую сортировку детали по конвейеру.
Для промышленного контроля важно не только обнаружить дефект, но и свести к минимуму два типа ошибок: пропуск настоящего дефекта и ложную тревогу, когда исправная деталь ошибочно признается браком. Поэтому при внедрении особое внимание уделяют качеству обучения модели и ее проверке на реальных производственных данных.
Автоматическое обнаружение дефектов работает в режиме контроля в реальном времени, без остановки линии и без смены операторов по сменам. Машинное зрение позволяет встроить контроль непосредственно в производственный поток и автоматически проверять каждую деталь без отдельной операции контроля. Для обнаружения внутренних дефектов по-прежнему применяются ультразвуковой, радиографический и другие методы неразрушающего контроля.
Автоматическое обнаружение дефектов работает в режиме контроля в реальном времени, без остановки линии и без смены операторов по сменам. Машинное зрение позволяет встроить контроль непосредственно в производственный поток и автоматически проверять каждую деталь без отдельной операции контроля. Для обнаружения внутренних дефектов по-прежнему применяются ультразвуковой, радиографический и другие методы неразрушающего контроля.
Почему производители выбирают ML Sense
ML Sense — платформа Nord Clan для контроля качества металлических изделий и других видов продукции на основе машинного зрения и нейросетей. Продукт входит в реестр российского программного обеспечения.
Что отличает ML Sense от других решений на рынке:
Что отличает ML Sense от других решений на рынке:
- Готовое проверенное решение.Мы реализовали более 50 проектов для крупных компаний, а платформа ML Sense неоднократно признана лучшим решением для промышленности и лучшим ИИ-решением на профессиональных отраслевых конкурсах.
- Проектируем систему машинного зрения.Проектируем систему с учётом скорости линии, особенностей технологического процесса и условий цеха. Это позволяет встроить контроль качества в действующее производство без длительных простоев.
- Проверенные компоненты и оборудование.Подбираем камеры, объективы и освещение под размеры деталей, скорость движения, тип поверхности и условия эксплуатации. Благодаря этому система сохраняет стабильную точность в реальных производственных условиях.
- Обучение модели на данных конкретного производства.Дообучаем модель на изображениях деталей и дефектов заказчика. Это позволяет системе учитывать особенности конкретной продукции и точнее обнаруживать дефекты, чем модели, обученные только на универсальных наборах данных.
- Сопровождение после запуска.По мере появления новых типов дефектов или изменения условий производства мы дообучаем модель, чтобы сохранить стабильную точность контроля.
- Опыт внедрения в крупных компаниях.Работали с производствами разного масштаба и знаем, как встроить контроль в уже действующий технологический процесс без длительной остановки конвейера.
Кейс: контроль металлопроката
на производстве «Техностиль»
Кейс: контроль металлопроката на производстве «Техностиль»
«Техностиль» — один из крупнейших российских производителей сэндвич-панелей и рулонной стали с полимерным покрытием. Компания выпускает материалы для промышленных, коммерческих и инфраструктурных объектов.
После размотки рулона металла специалисты ОТК искали дефекты вручную: определяли рулеткой расстояние до повреждения, замеряли его, фотографировали и заполняли отчёт по регламенту. Только после этого бобину с браком отправляли поставщику металла на разбор.
Перед началом проекта команда Nord Clan выехала на производство и обследовала участок контроля. Камеры разместили в точке изгиба листа: там дефекты заметнее из-за отражения света и изменения геометрии металла.
Главной технической сложностью стало то, что во время движения рулон металла смещался относительно камеры. Из-за этого часть поверхности могла выходить из зоны анализа, а дефекты по краям полотна — оставаться незамеченными. Мы разработали умное кадрирование: алгоритм сам определяет границы полотна и на ходу корректирует область анализа, а заодно следит за шириной проката по всей длине бобины.
Систему интегрировали с 1С. Теперь на каждый найденный дефект нужного типа и размера ML Sense формирует акт: тип дефекта, размеры, координаты на листе и фото. Точное положение дефекта определяет энкодер на валу, синхронизированный с системой.
Систему запустили в промышленную эксплуатацию через 3 месяца после старта проекта, без остановки производственной линии. Проверка бобины и подготовка отчета раньше занимали 2 рабочих дня. Сейчас от запуска сессии контроля до готового отчета проходит не больше 20 минут. Подробнее о кейсе: Контроль качества металлопроката на производстве «Техностиль».
После размотки рулона металла специалисты ОТК искали дефекты вручную: определяли рулеткой расстояние до повреждения, замеряли его, фотографировали и заполняли отчёт по регламенту. Только после этого бобину с браком отправляли поставщику металла на разбор.
Перед началом проекта команда Nord Clan выехала на производство и обследовала участок контроля. Камеры разместили в точке изгиба листа: там дефекты заметнее из-за отражения света и изменения геометрии металла.
Главной технической сложностью стало то, что во время движения рулон металла смещался относительно камеры. Из-за этого часть поверхности могла выходить из зоны анализа, а дефекты по краям полотна — оставаться незамеченными. Мы разработали умное кадрирование: алгоритм сам определяет границы полотна и на ходу корректирует область анализа, а заодно следит за шириной проката по всей длине бобины.
Систему интегрировали с 1С. Теперь на каждый найденный дефект нужного типа и размера ML Sense формирует акт: тип дефекта, размеры, координаты на листе и фото. Точное положение дефекта определяет энкодер на валу, синхронизированный с системой.
Систему запустили в промышленную эксплуатацию через 3 месяца после старта проекта, без остановки производственной линии. Проверка бобины и подготовка отчета раньше занимали 2 рабочих дня. Сейчас от запуска сессии контроля до готового отчета проходит не больше 20 минут. Подробнее о кейсе: Контроль качества металлопроката на производстве «Техностиль».
Что меняется на производстве после внедрения
Диагностика дефектов металла с помощью машинного зрения снижает долю ручного труда на участке ОТК и снижает человеческий фактор при осмотре каждой детали. Оператор переключается на анализ отчётов и настройку допусков, а не на непрерывный визуальный осмотр.
Контроль качества металлообработки становится понятным: система фиксирует, сколько деталей прошло проверку, какой процент брака и на каком этапе он появляется чаще. Это помогает найти узкое место в технологическом процессе, а не только отбраковать готовую деталь.
Инспекция металлических изделий машинным зрением работает одинаково стабильно в первую и в последнюю смену, без потери внимания к концу рабочего дня.
Контроль качества металлообработки становится понятным: система фиксирует, сколько деталей прошло проверку, какой процент брака и на каком этапе он появляется чаще. Это помогает найти узкое место в технологическом процессе, а не только отбраковать готовую деталь.
Инспекция металлических изделий машинным зрением работает одинаково стабильно в первую и в последнюю смену, без потери внимания к концу рабочего дня.
Когда машинного зрения недостаточно
Машинное зрение эффективно обнаруживает поверхностные дефекты: царапины, сколы, вмятины, трещины, загрязнения, нарушения геометрии и другие визуально различимые отклонения. Однако внутренние дефекты — например, поры, раковины или трещины в объёме материала — невозможно выявить только по изображению поверхности. Для этого применяют ультразвуковой, радиографический и другие методы неразрушающего контроля. На практике эти технологии часто дополняют друг друга: машинное зрение обеспечивает сплошной автоматический контроль поверхности, а методы НК используют для проверки внутренних дефектов или выборочного контроля изделий.
Как узнать, подойдёт ли решение вашему производству
Каждая линия отличается по скорости, освещению и типу дефектов, поэтому готового шаблона под все производства нет. Мы смотрим на конкретный участок, тип детали и текущий процесс ОТК, а потом предлагаем конфигурацию камер и освещения под конкретное производство.
Оставьте заявку на сайте ML Sense, и мы разберем ваш случай на бесплатной консультации: покажем, какие дефекты система найдёт на вашей линии и сколько займёт внедрение.
Оставьте заявку на сайте ML Sense, и мы разберем ваш случай на бесплатной консультации: покажем, какие дефекты система найдёт на вашей линии и сколько займёт внедрение.
