AI气密性检测定制：压降曲线与泄漏孔径判定

气密性检测（IP67/IP68）在产线上多用直压法或差压法，判定逻辑往往只是一条固定阈值：压降超过 X Pa 即判漏。问题在于同一个合格件，夏季与冬季车间的压降能差出数倍——温度变化、夹具密封圈老化、工件容积公差、塑料件受压形变，都会叠加到压降读数上，带来误判与大量复测工时。 一次典型的气密性 AI 定制，可以拆成三件事： 1. 曲线特征化。以 50~100 Hz 同步采集压力与温度，按充气、稳压、测试、排气四段切分曲线，提取稳压段压降斜率、残差标准差、温补后当量泄漏率、压力回复时间等十余个特征。温度补偿不追求物理精确，而是用同批次刚性标准件做在线基线，抵消容积与工装差异。 2. 判定与孔径估算。合格判定用轻量分类模型，输出概率而非硬阈值，便于按误判成本调整分界；泄漏孔径则用回归模型给出区间估计（如 0.05~0.1 mm），配合流量标定块校准，帮助产线区分“微漏可放行”与“必须返修”。 落地时有两点容易踩坑：夹具换型后需重新采集 30~50 个标准件样本刷新基线，否则模型会随工装漂移；模型与 PLC 的交互只保留判定结果与置信度，不介入原有安全联锁，避免异常时产线失控。