AI注塑缺陷预测闭环：视觉分级与参数自适应补偿

注塑缺陷多由多参数耦合引起，短射、飞边、熔接痕常在同一工艺窗口边缘相互转化，单靠人工调机难以稳定复现。本阶段实验以「缺陷可预测、参数可自适应」为目标，搭建从机台数据到闭环调节的链路。

数据层：同步采集射胶速度、螺杆位置、模腔压力、料筒温度与周期曲线，按模次对齐；视觉工位对每模制品做外观分级，形成带标签的模次数据集，覆盖短射、飞边、熔接痕与缩痕四类。

模型层：以时序特征叠加工艺设定值为输入，用轻量梯度提升树输出缺陷概率，并对关键工艺量给出调整方向与幅度。预测结果不下发机台直接执行，而是给出参数微调区间，由自适应模块按保守步长逐模逼近。

要点一（进展）：试模数据集上四类缺陷的模次级识别准确率约 0.89，短射可提前 3~5 模预警。
要点二（数据与计划）：引入自适应补偿后，试模到稳定工艺窗口的平均迭代次数由 17 次降至 9 次；下一步补充不同材料批次与模具的迁移验证，并评估长周期漂移下的再标定策略。