AI注塑缺陷预测定制：缩痕气纹与自适应补偿

本实验室近期的工作重心，是把注塑缺陷预测从「事后抽检」推进到「过程内预警」。做法是同步采集螺杆位移、注射压力、模腔压力与模温曲线，按注射—保压—冷却分段切分后，训练以工艺阶段为条件的时序模型，输出短射、缩痕、银纹三类常见缺陷的发生概率，并给出可执行的补偿方向，如保压压力与切换点、模温分区设定。

阶段进展：在自有试验线上，模型对短射与缩痕的提前识别召回率约 0.9，单模次推理耗时低于 150 ms，可跟上常规成型节拍；按建议调整参数后，首件合格率由约 82% 提升至 91%，试模轮次平均减少 1~2 轮。

下一步：重点验证闭环补偿在换料、换模后的稳定性，并补充翘曲类缺陷的建模，避免模型只在单一工况下有效。