韩国蔚山国立科学技术院（UNIST）的研究团队近日取得重大突破，成功开发出一款创新的高精度AI智能质检系统，将传统长达12分钟的检测过程大幅缩短至不足3秒。这一前沿技术能够在连续制造过程中实现微米级实时缺陷识别，为高速生产环境下的全自动在线质量控制奠定了坚实基础。
摘要：在汽车等金属制品的大规模生产过程中，连续焊接与装配工艺尤为关键。最终产品需经过多个焊接阶段，而每一阶段的累积错位都可能导致产品残余应力过高或尺寸偏差。以往为解决这些问题，往往需进行设计修改或成本高昂的后处理。传统尺寸检测方法——无论是人工方式还是自动化手段——均难以跟上大规模生产节奏，原因在于它们依赖点对点测量，效率较低。尽管基于3D视觉的方法部分解决了这一问题，但其成本较高，且多适用于宏观检测场景。
为应对这一行业痛点，UNIST研究团队提出了一项基于机器学习的智能夹具方案，可在生产过程中实现微米级尺寸质量的实时监控，且完全无需中断连续制造流程。该系统可直接集成于连续装配焊接生产线中，将检测时间由12分钟压缩至2.79秒，并可即时识别500微米级别的尺寸误差。在商业汽车制造商的实际生产线演示中，该系统展示出在大规模生产中实现子组件全面检查的能力，预计可广泛适用于所有采用装配夹具的制造领域，具有颠覆质检流程的巨大潜力。
智能夹具的核心创新：微米级质量监控
该技术由UNIST机械工程系郑仁斗教授团队主导开发，通过机器学习驱动的智能夹具实现无干扰、高精度的微米级尺寸监控。系统集成了先进的异常检测算法与3D打印传感帽，可在数秒内识别微小尺寸误差，大幅提升检测效率与准确性。
在装配过程中，夹具能够精确固定零件。其接触面配备有柔性3D打印传感帽，可依据零件表面特征发生微变形。AI算法通过分析这些变形模式，可准确检测出异常，实现零件尺寸缺陷的实时判断。
与传统方法耗时约12分钟相比，该系统仅需2.79秒即可完成全部检测，最小可识别500微米的缺陷，真正实现了高分辨率的质量控制。该系统还可无缝嵌入自动化产线，全程无需停产。
通过易于解读的热图可视化缺陷
缺陷识别结果通过直观的热图呈现，操作人员可快速定位缺陷位置并评估严重程度，从而及时采取纠正措施，有效减少返工时间。
该AI模型仅需基于正常无缺陷产品的数据进行训练，无需大量缺陷样本或人工标注，显著降低了实施门槛。系统维护需求低、设计可扩展，可广泛应用于汽车、电子、航空航天及家电等对装配精度要求极高的领域。
郑仁斗教授表示：“该技术可大幅减少质检人力与时间成本，同时提高整体质量可靠性。通过减少缺陷与优化检测流程，预计每年可为企业节省数亿韩元。”
该项研究成果已于2025年7月10日在线发表于《制造系统期刊》（Journal of Manufacturing Systems，影响因子14.2，JCR排名前1%）。论文信息：Seobin Park, Taekyeong Kim, Kyeong Min Kim等，“Quick dimensional inspection for continuous welding and assembly using machine-learning-powered smart jig,” J. Manuf. Syst., (2025)。
