AI注塑缺陷预测定制：缩痕翘曲与参数自适应

本实验室围绕「塑料注塑AI工艺优化系统定制：缺陷预测与参数自适应」方向，完成了一轮以缺陷预测为核心、参数微调为闭环的阶段性验证。做法上不追求端到端黑箱，而是把模腔压力、螺杆位移、料筒与模温时序等可采集信号作为输入，分别建立缩痕与翘曲的多标签判别模型和厚度偏差回归模型，再以预测残差驱动保压压力、保压时间与模温的小步长修正。

进展与数据：
1）在内部两台机台、四副模具上积累约3.2万模次标注数据，缩痕判别的召回率约0.86，翘曲引起的厚度偏差回归MAE约0.03 mm，模型对未见过的工艺窗口组合仍保持可用精度。
2）自适应模块限定在工艺安全边界内调整，单次修正幅度受限且可回滚，避免把一次误判放大为批量不良。

下一步计划：引入在线熔体黏度估计，缓解材料批次波动带来的分布漂移，并验证跨机台迁移的可行性，重点观察换料与换模后的收敛速度。