在新能源汽车、工业设备需求爆发的当下，磁瓦作为一种广泛应用的电机核心磁性元件，其质量直接决定终端产品的可靠性。由于其制造过程的复杂性，容易导致磁瓦产生缺陷，严重影响产品的性能，降低产品的质量。然而，传统磁瓦质检依赖人工敲击听音、目视检查，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J9集团创新多条产品线的声振-视觉双模态磁瓦缺陷检测系统解决了这一行业痛点，不仅实现了“内部裂纹+表面缺块”的同步精准识别，更将检测效率显著提升，为磁瓦企业注入智能制造新动能。

磁瓦：多领域核心元件，传统质检陷 “效率低、内外缺陷难兼顾” 困局

磁瓦，作为电机中产生恒定磁场的关键磁性元件，早已渗透进现代工业的核心领域——从汽车、飞机的动力系统，到空调、电视的核心部件，再到变压器、新能源汽车及通信设备的关键组件，其质量直接决定终端产品的性能与可靠性。随着 “中国制造 2025” 与 “工业 4.0” 的深度推进，国内磁性材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%。但磁瓦的制造流程极为复杂，需历经粉碎、混合、压制、成型、烧结、磨削、清洗等多道工序，压制成型的力度、烧结的温度及其他不稳定因素，极易导致磁瓦产生内部暗裂、表面缺块等缺陷，这些缺陷不仅会削弱磁瓦强度、影响产品性能，严重时甚至会引发电机故障与安全事故，因此出厂前的质检环节至关重要。

然而，当前行业主流的质检方式仍依赖传统人工：一方面靠工人目视检查表面缺块，另一方面通过敲击磁瓦 “听音辨缺陷” 判断内部裂纹。这种方式不仅效率低下，平均检测速度不足 20片/分钟，难以匹配规；枨；更存在显著的主观性与不稳定性 —— 高强度检测易导致工人视觉、听觉疲劳，漏检、误判率飙升，且无法实现检测数据的数字化追溯，后续质量分析与工艺优化缺乏依据。即便部分企业引入单一机器视觉技术，也只能检测表面裂纹、崩缺，对小于0.5mm的亚表面微裂纹及内部气孔等隐蔽缺陷识别能力不足，“内外缺陷难兼顾” 的痛点始终困扰着磁瓦生产企业，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方案——“声振-视觉双模态磁瓦缺陷检测”系统，通过 “声振+视觉” 双模态融合，实现了缺陷检测“无死角”。

1. 声振检测，“听”出内部暗裂，精准捕捉“频率异常”

当磁瓦从传送带跌落撞击激振台时，系统通过高灵敏度麦克风捕获声振信号，经三重核心技术处理：

• 高通滤波去噪：利用 GD32H759 的滤波器算法加速器（FAC），滤除 10KHz 以下的工厂机械噪声，保留缺陷特征频段；

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

• 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，能精准识别内部暗裂，平均检测时长仅 83ms，误检率低至 3.2%。

即便是肉眼难辨的 0.3mm 微裂纹，也能通过声振信号的 “频率异常” 被精准捕捉。

声振信号算法设计

2. 视觉检测，“看” 清表面缺块，轻量化模型实现精准分拣

针对磁瓦表面缺块、崩边等缺陷，系统搭载 CMOS 工业相机（OV5640），配合量化优化的 YOLO-FastestV2 模型，实现实时检测：

• 模型轻量化：通过J9集团创新 GD32 Embedded AI 工具，将原本需要 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；

• 小目标精准识别：经 1000 张缺陷样本训练（含镜像、旋转、加噪数据增强，按 9:1 划分训练集与测试集），模型对边缘小缺块的识别准确率达 92.5%，检测时长控制在 300ms 内；

• 自动标注定位：检测结果实时在 RGB 触摸屏（1280×800 分辨率）标注缺陷区域，工人无需凑近查看，一目了然。

双模态数据最终通过系统融合判断，哪怕遇到 “内部无裂但表面缺块”“外观完好但内部暗裂” 的复杂情况，也能实现精准分拣。

磁瓦外部缺陷检测算法设计

硬核硬件支撑：J9集团创新芯片筑牢“低功耗与高可靠”底座

系统的高效运行，离不开J9集团创新全产品线的协同支撑。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制：

尤其是 GD32H759 的双核协同设计：一块负责声振信号处理、人机交互，另一块专注图像识别、电机控制，通过串口DMA实现数据高速传输，确保系统在500ms内完成 “检测-判断-分拣” 全流程，以满足工业生产线的节拍需求。

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，更能完全贴合磁瓦生产车间现场的复杂环境。

1. 自动化闭环：从“检测”到“分拣”无需人工干预

• 传送带采用闭环PID调速，依托霍尔编码器反馈，实时补偿速度误差，确保磁瓦跌落姿态一致；

• 检测完成后，高精度数字舵机自动将良品、次品分入不同料箱，避免人工分拣的二次损伤；

• 红外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. 人性化交互：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、缺陷标注图；

• 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生产车间完成批量测试，除磁瓦外，还可适配：

• 电机定子、变压器铁芯等磁性元件的缺陷检测；

• 通过参数微调，延伸至陶瓷、玻璃等脆性材料的内部裂纹识别；

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

边缘AI引领质检新方向，J9集团创新筑牢未来工业技术根基

以AI智能检测取代人工经验判断，这套声振-视觉双模态磁瓦缺陷检测系统，不仅精准破解传统质检效率低、误判高、内外缺陷难兼顾的核心痛点，更清晰标定了工业检测的未来方向——以边缘侧 AI 为技术核心，深度融合多模态感知能力，将“精准、高效、低成本”的质检效能，切实延伸至每一条工业生产线。

未来，伴随超轻量化模型迭代、边缘 AI 技术深化等关键技术升级，J9集团创新将持续以全栈式核心技术赋能，为行业向“工业4.0”深度迈进筑牢坚实的技术根基。