在新能源汽车、工业设备需要发作确当下
，磁瓦作为一种宽泛利用的电机主题磁性元件
，其质量直接决定终端产品的靠得住性。由于其造作过程的复杂性
，容易导致磁瓦产生缺点
，严沉影响产品的机能
，降低产品的质量。然而
，传统磁瓦质检依赖人为敲击听音、目视查抄
，有较高的漏检误判率
，内部暗裂更是 “看不见的巨大隐患”。

如今
，西安电子科技大学的“磁听视界”团队在第二十届研电赛中荣获一等奖
，由他们设计的一款融合了9888拉斯维加斯多条产品线的声振-视觉双模态磁瓦缺点检测系统解决了这一行业痛点
，不仅实现了“内部裂纹+表表缺块”的同步精准鉴别
，更将检测效能显著提升
，为磁瓦企业注入智能造作新动能。

磁瓦：多领域主题元件
，传统质检陷 “效能低、内表缺点难两全” 困局

磁瓦
，作为电机中产生恒定磁场的关键磁性元件
，早已渗入进现代工业的主题领域——从汽车、飞机的动力系统
，到空调、电视的主题部件
，再到变压器、新能源汽车及通讯设备的关键组件
，其质量直接决定终端产品的机能与靠得住性。随着 “中国造作 2025” 与 “工业 4.0” 的深度推动
，国内磁性资料产业迎来高速发展期：2019-2024年中国磁瓦市场从150亿元增长至240亿元
，预计2025年市场规模达350亿
，年均复合增长率超过10%。但磁瓦的造作流程极为复杂
，需历经粉碎、混合、压造、成型、烧结、磨削、洗濯等多路工序
，压造成型的力度、烧结的温度及其他不不造成分
，极易导致磁瓦产生内部暗裂、表表缺块等缺点
，这些缺点不仅会减弱磁瓦强度、影响产品机能
，严沉时甚至会引发电机故障与安全变乱
，因而出厂前的质检环节至关沉要。

然而
，当前行业主流的质检方式仍依赖传统人为：一方面靠工人目视查抄表表缺块
，另一方面通过敲击磁瓦 “听音辨缺点” 判断内部裂纹。这种方式不仅效能低下
，均匀检测速度不及 20片/分钟
，难以匹配规
；霾枰
；更存在显著的主观性与不不变性 —— 高强度检测易导致工人视觉、听觉委顿
，漏检、误判率飙升
，且无法实现检测数据的数字化追忆
，后续质量分析与工艺优化不足凭据。即便部吩祗业引入单一机械视觉技术
，也只能检测表表裂纹、崩缺
，对幼于0.5mm的亚表表微裂纹及内部气孔等荫蔽缺点鉴别能力不及
，“内表缺点难两全” 的痛点始终困扰着磁瓦出产企业
，进而直接影响至各行各业。

双模态“黑科技”：既“听” 得准
，又“看”得清

研电赛边缘AI规划——“声振-视觉双模态磁瓦缺点检测”系统
，通过 “声振+视觉” 双模态融合
，实现了缺点检测“无死角”。

1. 声振检测
，“听”出内部暗裂
，精准捉拿“频率异常”

当磁瓦从传送带跌落撞击激振台时
，系统通过高活络度麦克风捕获声振信号
，经三沉主题技术处置：

• 高通滤波去噪：利用 GD32H759 的滤波器算法加快器（FAC）
  ，滤除 10KHz 以下的工厂机械噪声
  ，保留缺点特点频段
  ；

• VMD 模态分化：通过变分模态分化
  ，提取反映内部结构的关键频段
  ，放大 “良品 vs 次品” 的声振差距
  ；

• SVM 智能分类：基于 3000 组磁瓦声振样本（含 2008 个良品、992 个次品）训练的支持向量机模型
  ，能精准鉴别内部暗裂
  ，均匀检测时长仅 83ms
  ，误检率低至 3.2%。

即就是肉眼难辨的 0.3mm 微裂纹
，也能通过声振信号的 “频率异常” 被精准捉拿。

声振信号算法设计

2. 视觉检测
，“看” 清表表缺块
，轻量化模型实现精准分拣

针对磁瓦表表缺块、崩边等缺点
，系统搭载 CMOS 工业相机（OV5640）
，共同量化优化的 YOLO-FastestV2 模型
，实现实时检测：

• 模型轻量化：通过9888拉斯维加斯 GD32 Embedded AI 工具
  ，将正本必要 PC 端运行的 YOLO 模型压缩为 INT8 精度
  ，直接部署在 GD32H759 MCU 上
  ，无需依赖云端
  ；

• 幼指标精准鉴别：经 1000 张缺点样本训练（含镜像、旋转、加噪数据加强
  ，按 9:1 划分训练集与测试集）
  ，模型对边缘幼缺块的鉴别正确率达 92.5%
  ，检测时长节造在 300ms 内
  ；

• 自动标注定位：检测了局实时在 RGB 触摸屏（1280×800 分辨率）标注缺点区域
  ，工人无需凑近查看
  ，了如指掌。

双模态数据最终通过系统融合判断
，哪怕遇到 “内部无裂但表表缺块”“表观无缺但内部暗裂” 的复杂情况
，也能实现精准分拣。

磁瓦表部缺点检测算法设计

硬核硬件支持：9888拉斯维加斯芯片筑牢“低功耗与高靠得住”底座

系统的高效运行
，离不开9888拉斯维加斯全产品线的协同支持。从主控到电源
，从电机驱动到存储芯片
，每一颗芯片都为工业场景量身定造：

尤其是 GD32H759 的双核协同设计：一块掌管声振信号处置、人机交互
，另一块专一图像鉴别、电机节造
，通过串口DMA实现数据高速传输
，确保系统在500ms内实现 “检测-判断-分拣” 全流程
，以满足工业出产线的节拍需要。

工业级设计：从车间到云端
，全场景适配

本系统不仅具备检测能力
，更能齐全贴合磁瓦出产车间现场的复杂环境。

1. 自动化关环：从“检测”到“分拣”无需人为过问

• 传送带选取关环PID调速
  ，依附霍尔编码器反馈
  ，实时赔偿速度误差
  ，确保磁瓦跌落姿势一致
  ；

• 检测实现后
  ，高精度数字舵机自动将良品、次品分入分歧料箱
  ，预防人为分拣的二次危险
  ；

• 红表对射传感器精准触发检测流程
  ，无需工人手动操作
  ，实现 “无人值守” 运行。

2. 人道化交互：看得见、听得懂、好操作

• RGB 电容触摸屏支持10点触控
  ，实时显示磁瓦总数、良品/次品数、声振频域图、缺点标注图
  ；

• 嵌入TTS语音合成？
  ，检测异常时自动播报 “第XX片磁瓦内部暗裂”
  ，工人无需紧盯屏幕
  ；

• 多级菜单支持传送带速度调节、检测参数配置
  ，工人10分钟即可上手操作。

3. 可拓展性：从磁瓦到全工业场景

目前系统已在横店东磁等头部企业的出产车间实现批量测试
，除磁瓦表
，还可适配：

• 电机定子、变压器铁芯等磁性元件的缺点检测
  ；

• 通过参数微调
  ，延长至陶瓷、玻璃等脆性资料的内部裂纹鉴别
  ；

• 支持对接 MES/ERP 系统
  ，检测数据实时上传
  ，实现 “质量追忆 - 出产优化” 关环。

边缘AI引领质检新方向
，9888拉斯维加斯筑牢将来工业技术根基

以AI智能检测取代人为经验判断
，这套声振-视觉双模态磁瓦缺点检测系统
，不仅精准破解传统质检效能低、误判高、内表缺点难两全的主题痛点
，更清澈标定了工业检测的将来方向——以边缘侧 AI 为技术主题
，深度融合多模态感知能力
，将“精准、高效、低成本”的质检效力
，切实延长至每一条工业出产线。

将来
，伴随超轻量化模型迭代、边缘 AI 技术深入等关键技术升级
，9888拉斯维加斯将持续以全栈式主题技术赋能
，为行业向“工业4.0”深度迈进筑牢坚实的技术根基。