缸体36处区域、十多种缺陷，判定从经验搬进81项标准库，40秒节拍里逐项比对完还不漏
发动机缸体在铸造环节就要过一道外观关：36 处检测区域，砂孔、裂纹、划痕等十多种缺陷，全表面覆盖。人工检查的问题是双重的——覆盖不全，标准还不统一。同一个砂孔，老师傅判可接受，换个人可能判返修；判完也留不下可查的记录，出了问题只能凭印象回溯。
判定标准从经验搬到标准库
核心不是某一台设备，而是一个标准库：81 项检测标准，覆盖缺陷类型、位置、尺寸等多个维度，系统在图像上自动逐项比对。这一步改变的是判定性质：从人看着像不像缺陷，变成这一项标准过不过。尺度统一之后，不同班次的结论才可比，检测结果也才有资格作为工艺改进的输入。标准库的持续维护是方案长期有效的关键，新缺陷样本要及时纳入。
三维形貌让深度参与判定
高精度智能摄像头、三维扫描设备与多角度灯光模拟配合，生成缸体表面的三维立体图像。与平面图像相比，立体图像把形貌信息带进了判定：缺陷的深度、凸起的高度，都成了可用的判据。砂孔和表面污渍在平面上可能都表现为暗点，在立体图像上，一个是有深度的凹陷，一个只是表面附着，二维灰度很难稳定分开。
36 处区域怎么保证不漏
36 处区域的覆盖要求逐区域落实，任何区域遗漏都会留下检测漏洞。做法是把区域清单化：每个区域对应哪几项标准、用什么视角与灯光，在方案阶段就固定下来。这与拍全景再找缺陷的思路不同，全景图看着覆盖广，判定时容易漏掉没有对应标准的区域。区域清单化之后，覆盖是否完整是可以核对的。
多角度灯光是给缺陷打光
砂孔、裂纹、划痕的光学特性不同：砂孔是凹坑，要侧向光才出阴影；裂纹细长，与光照方向的关系决定它显不显；划痕浅，靠反射差异才看得见。多角度灯光模拟针对这些特性设计，提升缺陷与背景的区分度。灯光参数的标定直接影响缺陷显现效果，是这类方案部署的重点，不是附属调试。
40 秒与产线输送的衔接
单件检测节拍 40 秒，与缸体铸造产线节奏匹配，以现场验收结果为准。缸体逐件通过检测区，检测软件与输送控制联动，合格放行、异常分流，流转不因检测中断。节拍内要完成立体成像、81 项标准比对与判定，成像与比对必须并行，不能等全部图像采完再算。
砂孔发生率降了 33%，说明什么
缺陷拦截率超 99%，检测准确率由 C 级跃升至 A 级，单件检测时间下降 40%、单项人力成本下降 66%，砂孔发生率降低 33%，全程可追溯，以现场验收结果为准。最后一个数字最值得注意：砂孔发生率下降不是检测环节的功劳，而是检测数据反馈到铸造工艺后的结果——缺陷按类型与区域统计后，工艺端才知道调哪里。这条闭环能否形成，取决于检测数据是否结构化、可回溯。
选型先看缺陷类型与检测区域数量，据此配置扫描与灯光方案及标准库，并为新缺陷预留空间；再看标准库的维护机制，谁更新、按什么周期复核。前者决定能不能上线，后者决定三年后还有没有用。适用于缸体铸造等大件外观检测，也可延伸至其他铸件。
标准库怎么养下去
81 项标准是怎么来的？
来自该缸体的外观判定要求，按缺陷类型、位置、尺寸等维度分解成可逐项比对的条件。标准库不是通用模板，是按工件定制的。
三维扫描比二维拍照强在哪？
强在深度信息参与判定。凹坑、凸起这类形态缺陷在二维图像上只能靠明暗推断，在三维数据里是直接量出来的。
标准库会不会过时？
会。工艺改了、缺陷谱变了，标准就要跟着更新。没有维护机制的标准库，运行一段时间后判定会逐渐与实际质量要求脱节。