随着新能源汽车和半导体产业持续增长，一个关键环节正被愈加关注：零部件质检。检测标准日趋严苛，传统依赖人工经验和抽检的模式，逐渐成为产品质量、产能爬坡的隐性瓶颈，而加持了 AI 的超声质检，正成为新解法。
10 月 12 日，在 2026 中国国际工业博览会（CIIF）上，海康威视凭借 AI 超声检测技术荣获 " 工业自动化奖 "，印证了这一智能化手段的实效性。
据了解，海康威视创新对超声原始信号进行 AI 建模、定量分析与分类识别，就像是把一位会读波的专家直接 " 装 " 进了设备，可以精确地读出零部件的缺陷。这将过去依赖人工经验的 " 技术活 "，变成了标准化、自动化的智能流程，真正把技术使用门槛降了下来，把产业价值提了上去。
看得清、读得懂
超声大模型对原始信号精准解析
就像读懂人体超声需要专业的医生，工业零部件的超声检测同样需要持证上岗的专业人员。高门槛导致超声技术长期以来主要应用于航空航天等特种行业，难以向更广阔的工业场景普及。
面向这一行业需求，海康威视依托深厚的成像与信号处理积累技术，全栈自研了超声无损检测系列产品，不仅解决了 " 看得清 " 的成像难题，更在行业内首次对超声原始信号进行 AI 建模、定量分析与分类识别，让设备 " 读懂 " 波形背后的质量信息。
但要让 AI 读懂产品质量，必须先解决三个难点：信号里的 " 杂波 " 多，微弱缺陷容易被盖住，漏检率高；换一种材料，原来的算法就不灵了，泛化能力差；复杂工件上的缺陷，识别和定量分析困难。
为此，海康威视通过自主研发的知识增强信号重建网络与超声大模型，从四个维度解决了超声质检的核心难题：一是自适应噪声分离，滤除环境干扰，让微弱缺陷信号清晰可辨；二是将资深检测人员的读波经验嵌入算法，赋予 AI" 老工程师 " 般的判断力；三是通过自监督预训练与少样本迁移，使模型具备 " 举一反三 " 的跨材料、跨工件泛化能力；四是实现自动定量分析，精准计算缺陷的位置、大小、类型、面积及焊深，相控阵识别精度达 0.1 毫米，对 MLCC 等微型元件可识别 5 微米级缺陷，比头发丝还细数十倍。
" 现在，单靠 AI 超声产品就能独立完成全流程判读，不仅无损检测，而且效率高、精度高。" 海康威视超声产品负责人表示，AI 超声检测在典型场景中已能实现 100% 全流程自动判读。
产线上 " 边采边检 "
缺陷识别准确率≥ 99.5%
凭借在线读波，超声检测也得以从实验室直接 " 搬 " 到产线。以新能源汽车零部件检测的落地应用为例，AI 深度学习算法实现缺陷类型、位置和尺寸的端到端自动判定，单工件检测效率提升 60% 以上，复杂工件检测效率提升 1 倍以上，使超声无损检测由抽检升级为满足批量全检节拍，显著减少人工判图及重复检测成本。
此外，采用 "AI 分析板卡 + 非标设备集成 " 的灵活部署模式，企业总体投入较直接采购整机降低 50% 以上；通过减少破坏性金相抽检，样件及物料损耗降低 80%，并进一步减少返工、报废和质量处置成本，形成可持续的降本增效价值。在某实际落地应用项目中，新能源汽车零部件的缺陷识别准确率≥ 99.5%，漏检率≤ 0.5%。
目前，海康超声已形成超声显微镜、三轴 / 四轴 / 六轴自动化设备、智能超声一体机、便携式设备及多类型探头的系列化产品，在汽车搅拌摩擦焊、MLCC 和风机复合材料叶片等典型场景落地应用。
" 在智能制造加速渗透的今天，质量检测已不再是产线的最后一环，而是决定产业竞争力的关键一役。" 海康威视超声产品负责人表示，" 我们相信，这种‘ AI+ 制造’的深度协同，将为中国工业的高质量发展注入源源不断的智慧动能。"
