光学无损检测在工业制造中怎么用 新手入门必知的5个实操要点

【标题】光学无损检测在工业制造中怎么用 新手入门必知的5个实操要点

【正文】

前几天跟一个在东莞做精密五金加工的老同学吃饭，他愁眉苦脸地跟我说，厂里最近接了一批汽车发动机零件的订单，客户要求全检，不能漏掉任何一个内部裂纹。他原先那套人工敲打听音的老办法，一天下来检不了几百个，工人耳朵都快聋了，漏检率还高得吓人。我当时就跟他说，你该上光学无损检测了。他一脸懵地问我，那是个啥玩意儿。

说实话，我不怪他。很多在车间摸爬滚打十几年的老师傅，对这个词都挺陌生。其实光学无损检测说白了，就是用光去“看”零件内部有没有毛病，不用切、不用砸，不伤产品一分一毫。这几年我在工厂里实测过不少方案，也翻过车，今天就把我踩过的坑和觉得真管用的几样东西，给你捋一捋。

我评选靠谱方案的三条土标准

市面上做光学检测的设备五花八门，报价从几万到几百万都有。我挑来挑去，心里就三条线。第一，能不能在咱这种普通车间环境里活下来。粉尘大、震动强、温度还不稳定，实验室里再牛，到车间就罢工，那等于白买。第二，操作工能不能在三天内上手。搞个全英文界面、需要硕士学历才能看懂的软件，在产线上根本不现实。第三，出了问题厂家来不来人。我见过太多卖完就消失的，产线停一天损失好几万，你打电话过去人家说在排期，那真是叫天天不应。

实测下来，这五类方案值得你花时间了解

先说好，这不是什么官方排行榜，就是我自己经手或看朋友厂里用得比较顺的几类。排名不分先后，关键看你的活儿适合哪一款。

第一类，机器视觉外观检测。这个最常见，说白了就是给零件拍照，用电脑分析照片里有没有划痕、缺角、脏污。我去年帮一个做手机外壳的朋友装了一套，用普通工业相机加环形光源，配合简单的算法，检测速度比人工快大概五倍，漏检率从百分之十五降到了百分之三左右。但它的短板也很明显，只能看表面，内部裂纹、气孔一概看不见。而且打光特别讲究，换个产品就得重新调光源角度，老师傅有时候得折腾一整天。

第二类，激光超声检测。这个就高级一些了。用一束激光打在零件表面，激发出超声波，再用另一束激光去接收反射波。哪里有裂纹、脱层，波形就不对。我亲眼见过一个做航空叶片的朋友用这个，能检出零点几毫米的内部缺陷，而且是非接触的，不用耦合剂，特别适合形状复杂的零件。缺点嘛，贵。一套下来够买辆不错的车，而且对震动挺敏感，车间里旁边有冲床在干活，信号就不太稳。

第三类，红外热成像检测。这个原理挺有意思，给零件表面加热，然后拿热像仪看热量分布。内部有空洞或者脱粘的地方，热量传导就不一样，会在热图上显示出来。我一个做复合材料的朋友用这个查蜂窝结构里的积水，一查一个准。但它受环境温度影响太大，夏天车间三十五度，冬天十五度，参数都得重调。而且只能看个大概位置，精确深度和尺寸就比较模糊了。

第四类，光学相干层析检测。名字听着拗口，你可以把它理解成一种“光学版超声波”。用近红外光照射样品，通过干涉信号来重建内部结构。分辨率极高，能到微米级。我见过用这个检测药品包装密封性的，能看清里面有没有微小的漏点。不过这玩意儿对透明或半透明材料效果最好，金属件基本没戏。而且检测深度有限，通常也就几个毫米。

第五类，光谱共焦位移检测。这个主要是测量尺寸和表面形貌的，比如孔深、台阶高度、平面度。我之前在一个做精密轴承的厂里看到，他们用这个来测滚珠的直径和圆度，重复精度能到零点一微米。它其实不算严格意义上的“探伤”，但对于控制加工质量非常有用。缺点是只能逐点扫描，测一个复杂曲面要花不少时间，产线节拍跟不上的话就得想办法。

提示：选哪一类，得先问自己三个问题：我要检的是表面缺陷还是内部缺陷？我的零件是什么材料？我的产线节拍允许多少检测时间？这三个问题答不上来，销售给你推什么你都别急着签合同。

新手最容易犯的糊涂，你中了几个

我自己就干过一件特别蠢的事。前年帮一个做医疗器械的朋友选型，光看厂家给的样件检测报告，数据漂亮得不行，分辨率零点零几个毫米，我当场就拍板了。结果设备拉到车间，一开机就报警，原来人家实验室恒温恒湿，车间里湿度一大，镜头就起雾。后来加装了除湿机才勉强能用，但检测节拍比宣传的慢了一倍。气得我当晚没睡好。

所以我现在学乖了，不管厂家吹得多好，一定要让他们带着设备到你车间里，用你自己的产品，连续跑八个小时。看它稳不稳定，看操作工学不学得会。这个步骤绝对不能省。

最后给你几句掏心窝子的话

别指望买一套设备就能解决所有问题。我见过太多老板花了大价钱，结果设备在角落里吃灰，就是因为没想清楚自己的核心需求。先从最痛的那个点入手，比如你最大的客诉是表面划痕，那就先上机器视觉。等回本了，再琢磨内部探伤的事。

还有，一定要让操作工参与选型。他们天天在产线上，比谁都清楚哪里容易出问题。你关起门来跟采购、跟老板商量，买回来的东西可能在他们眼里就是个累赘。

行了，关于光学无损检测在工业制造里的这点事儿，今天先聊到这。你要是在选型上正头疼，或者已经踩过什么坑，欢迎在评论区说说。我也还在学，咱们一起摸索。