塑料的强度、柔韧性和耐久性使其成为无数应用的理想选择，从节能电子产品和更轻、更省油的汽车，再到提高患者安全的一次性医疗设备。在所有情况下，质量控制对于确保塑料件的性能符合预期至关重要。到2020年，这一挑战因疫情影响变得更加复杂。塑料加工商不得不应对消费者需求波动、劳动力短缺、供应链波动以及新的工作场所安全规定。这场完美风暴给试图在生产高质量产品的同时保持机器利用率和生产线效率的制造商带来了前所未有的负担。

消费需求波动

COVID-19来袭时，由于消费者活动的萎缩，许多注塑商看到一些零件的大批量订单需求减少。与此同时，一次性塑料制品的需求激增。这些产品多年来一直是环保组织关注的焦点，但面对疫情，消费者更关注这些一次性产品所提供的卫生和安全性。与此同时，塑料制品制造商对原型和小批量医疗级设备以及基本工人用品的需求增加。

提高和降低各类产品的产量意味着调整质量控制要求和过程。对于大批量生产来说，通常由人工操作员对一小部分产品进行目视检查。有时，个别零件的检查甚至是由客户在将零件纳入装配之前进行的。另外，小批量和新产品需要快速、增加的质量检查协议，即能够检查每个部件并跟踪检查过程，有时只需要很少的现场基础设施或专业知识。

生产线质量检验自动化

注塑机和其他塑料加工者面临着比以前更多的产品组合，需要迅速调整其质量检验规程。过去执行检查的人工操作员无法满足要求，尤其是医疗器械零件，通常需要严格的质量协议。考虑到不可预测的消费者需求的新常态，成功的关键在于灵活性，以及增加“一双眼睛”

以全球汽车塑料市场为例，去年全球汽车塑料市场的价值超过350亿美元。许多注塑商正在运行几十条生产线，每一条生产线都有自己的机器视觉来进行质量控制。他们面临着如何有效地处理生产线转换和修改的挑战。而许多塑料零件的表面检查本质上是主观的，这一评估很难单靠机器视觉来完成。

人工智能（AI）让制造商可以量化以前由操作人员随意定性或主观判断的缺陷。表面检查可能会有指导方针，但它们是通过视觉识别的，并不是标准化的，因为定制机器视觉系统的编程十分复杂。人工智能和深度学习促进了这种标准化，并推动了比以往任何时候都更快、更便宜、更准确的自动化检查。塑料制造商可以快速将Vision AI软件与常见的自动化协议集成，例如GigE Vision标准摄像机和Modbus TCP。通过连接到制造商的现有硬件，Vision AI提供了极大的灵活性来处理生产线的数量变化、劳动力限制、更高的检验率和更严格的质量要求。

随着世界重新发现塑料独特的多功能性，以应对新的挑战，人工智能和机器学习可以帮助制造商加快检验过程，减少错误和误报，并在没有人的情况下进行质量控制检查。