簡介機器視覺工業(yè)缺陷檢測的那些事是一份面向工業(yè)視覺檢測工程師及學習者的知識梳理PDF文檔聚焦工件尺寸測量、表面缺陷檢測與Logo標識識別等典型場景。內容系統(tǒng)覆蓋視覺系統(tǒng)硬件選型包括LED、螢光燈、鹵素燈等光源特性與背向、前向、同軸、低角度等照明方式的選擇要點也講解了相機、鏡頭、圖像采集卡的關鍵參數(shù)與匹配思路圖像處理部分則涉及去噪、增強、邊緣檢測、模板匹配等常用算法及主流算法庫有助于讀者建立從硬件搭建到算法落地的完整認知。壓縮包內共1個PDF文件大小1.26MB便于離線閱讀。目前已有1188人學習適合剛入門機器視覺或需系統(tǒng)性梳理缺陷檢測知識的從業(yè)人員參考能幫助縮短設備選型與圖像調試的摸索過程。1. 機器視覺工業(yè)缺陷檢測一條劃痕怎么從看不見變成看得清工業(yè)缺陷檢測的現(xiàn)場常常是這樣同樣一條0.2mm寬的金屬劃痕在環(huán)形光下清晰得刺眼換到同軸光下就消失不見。這不是算法能力的問題而是光源、相機、鏡頭三個硬件環(huán)節(jié)在成像階段就已經決定了結果。機器視覺的完整鏈路——光源、相機、鏡頭、圖像采集卡、圖像處理算法、缺陷識別——每一步都在壓縮不確定性選型錯誤往往無法用后期算法補救。這份梳理正好覆蓋了這條鏈路硬件怎么選、參數(shù)怎么算、圖像處理在什么場景下用哪一類算法、Halcon和OpenCV各自的邊界在哪。剛接手視覺項目、需要在一周內給出硬件選型方案的工程師或者想系統(tǒng)補一遍傳感器、鏡頭參數(shù)和算法選型邏輯的從業(yè)者都能直接照著用。2. 光源選型先定照明方式再挑燈型、顏色與波長光源是視覺系統(tǒng)里最便宜、卻最容易被低估的硬件。兩千塊的燈能解決的問題最后可能要花兩萬塊在相機和算法上補。選型順序我習慣固定成三步先定照明方式再定燈型最后考慮光源顏色、波長和表面反光處理。反過來做基本都會翻車。打光這活兒圈里常說是玄學其實背后就是這幾種光路邏輯把邏輯理清了剩下的是測試。2.1 背向、前向、結構與頻閃四種照明方式的選擇邏輯照明方式決定圖像的基本面貌。背向照明把被測物放在光源和相機之間光線繞物體邊緣進入鏡頭圖像呈現(xiàn)為黑白分明的輪廓對比度非常高但表面細節(jié)幾乎全部丟失。這種方式的典型用途是尺寸測量比如檢測工件的長寬高、外輪廓、通孔位置因為輪廓邊緣清晰測量特征提取最穩(wěn)定。我一般會提醒項目成員背光圖能測尺寸但別指望同一張圖既測輪廓又看劃痕那是兩套照明方案。前向照明是光源和相機位于被測物同一側安裝最方便也是缺陷檢測的主力。它照射的是物體表面光線經表面反射進入鏡頭劃痕、斑點、孔洞、焊點這類表面特征會被亮度差異顯現(xiàn)出來。前向照明的難點在于反光控制表面越光滑鏡面反射越強越容易局部過曝。結構光照明是把光柵或線光源投射到被測物上利用光柵畸變解調出物體三維信息適合做平整度檢測、凹凸測量這類需要高度信息的場景。頻閃光照明則用高頻率光脈沖照射物體相機與光源同步采集常用于高速運動物體的抓拍避免運動模糊。四種方式的分工很清晰測尺寸找背光看表面缺陷找前向量化凹凸找結構光高速抓拍找頻閃。提示選擇照明方式時先回答兩個問題——你要檢測的是輪廓還是表面要檢測的物體是靜止還是運動的答案直接決定背光還是前向。2.2 穹形、環(huán)形、條形、同軸光四種燈型的應用場景照明方式定了之后再選燈型。穹形光源是半球形漫射結構光線從各個角度均勻打在物體表面專門對付球型或曲面物體、金屬鏡面這些容易產生定向反光的表面。玻璃瓶、滾珠、小工件表面、塑料或鋁制容器上的缺陷檢測用穹形光效果最穩(wěn)因為漫射把鏡面反光打散表面亮度均勻缺陷反而更突出。環(huán)形光源是通用性最強的首選多用于集成電路料帶與管腳字符檢測、金屬工件刻印字符、光滑表面劃痕、瓶口尺寸或裂痕檢測。環(huán)光安裝簡單、價格親民但要注意它對傾斜表面會產生亮度不均遇到曲面工件需要換穹形。條形光源是從側面打光的照明方式常用角度是45度側光能避開正面照射的強烈反光同時對邊緣部分實現(xiàn)高亮照明。LCD缺陷檢測、包裝文字檢測、包裝膜破損檢測、紙張質量檢測、常規(guī)印刷質量檢測、制造物裂紋檢測、電子部件形狀識別和大小測量、各種線陣檢測都是條形光的典型戰(zhàn)場。同軸光的原理是光路與鏡頭同軸光線垂直照射后再垂直反射進入鏡頭圖像效果為明亮背景上的黑色特征。它特別適合反光厲害的平面物體能加強有角度差異的表面特征比如劃痕、凹陷、壓印同時減少陰影。金屬、玻璃等光潔表面的劃痕和瑕疵檢測芯片和硅片的破損檢測金屬件上的沖壓字符檢測線路板焊點與符號檢測集成電路管腳字符檢測都用同軸光。另外還有入射角度不同帶來的效果差異高角度照射圖像整體較亮適合表面不反光的物體低角度照射背景黑、特征白能突出輪廓和表面凹凸變化多角度照射圖像柔和適合曲面。下表是常用燈型的速查對照。燈型成像特點典型場景穹形光源漫射均勻消除定向反光球面/曲面缺陷、金屬鏡面、玻璃瓶、滾珠環(huán)形光源環(huán)狀照明通用性強管腳字符、金屬刻印、光滑劃痕、瓶口檢測條形光源45度側光邊緣高亮LCD缺陷、紙張檢測、裂紋、線陣方案同軸光亮背景黑特征減少陰影金屬玻璃劃痕、芯片破損、焊點字符2.3 光源顏色、波長與漫射三個容易忽略的細節(jié)燈型選完之后還有三個細節(jié)直接影響成像對比度。第一是光源顏色與背景顏色的關系。使用與被測物同色系的光會使圖像變亮比如紅光照射紅色物體物體更亮使用與被測物相反色系的光會使圖像變暗比如紅光照射藍色物體物體變暗藍光照射黃色物體呈現(xiàn)黑色。這個規(guī)律在做彩色物體缺陷檢測時非常實用——想突出某個顏色特征就選同色系光想把背景壓暗就用反色系光。第二是波長選擇。波長越長穿透能力越強波長越短擴散能力越強。紅外穿透力強適合檢測透光性差的物體比如棕色口服液里面的雜質檢測紫外對表面細微特征敏感適合檢測對比不夠明顯的地方比如食用油瓶上的文字檢測。如果工件表面反光嚴重則優(yōu)先選漫射光源多角度漫射照明能讓表面整體亮度均勻圖像背景柔和檢測特征不受背景干擾。注意光源顏色不能靠肉眼判斷最終效果必須以相機采集后的灰度直方圖為準?，F(xiàn)場經常出現(xiàn)肉眼看得很清楚、相機一拍對比度極低的情況這會直接影響后續(xù)閾值分割的穩(wěn)定性。3. 相機與鏡頭分辨率、幀率、接口的選型計算相機和鏡頭決定了圖像的空間分辨率和清晰度是整個視覺系統(tǒng)里參數(shù)計算最密集的部分。相機的任務是把光信號變成數(shù)字圖像鏡頭負責把視野映射到芯片靶面上。選型時要看的參數(shù)很多但真正決定方案是否成立的只有幾個分辨率算夠不夠、幀率跟不跟得上產線節(jié)拍、接口和鏡頭匹不匹配。圖像采集卡在這個環(huán)節(jié)的作用也要先搞清楚——它承擔A/D轉換、圖像傳輸、采集控制部分卡還帶FPGA或DSP做圖像處理?，F(xiàn)在千兆網(wǎng)口和USB3.0相機已經把采集功能做進相機本體獨立采集卡只在模擬相機、Camera Link或需要多相機并行觸發(fā)的場合才是必要的。3.1 面陣與線陣、CCD與CMOS按檢測任務選相機形態(tài)面陣相機一次采集一整幅二維圖像適合靜態(tài)或低速場景視場有限尺寸測量和一般缺陷檢測用面陣最方便。線陣相機則是一行一行地掃描用行頻表示速度單位為KHz比如12KHz表示相機1秒鐘最多采集12000行圖像數(shù)據(jù)。線陣方案適合大幅面連續(xù)運動的物體比如紙張、薄膜、金屬板材的表面檢測——產品是長條形且連續(xù)運動的線陣相機加編碼器是最常見的做法。芯片類型的選擇相對明確。CCD傳感器圖像質量高、靈敏度高、對比度高但存在Blooming現(xiàn)象、不能直接訪問每個像素、沒有片上處理功能適合高速動態(tài)測量。CMOS傳感器把光敏元件、放大器、A/D轉換器、存儲器、數(shù)字信號處理器和計算機接口控制電路集成在一塊硅片上體積小、結構簡單、片上處理功能多、低功耗、沒有Blooming現(xiàn)象、能直接訪問單個像素、動態(tài)范圍可達120dB、幀率可以更高缺點是一致性差、光靈敏度差、噪聲大。CMOS的隨機讀取特性還支持矩形感興趣區(qū)域AOI讀出針對較小AOI時可以獲得更高幀率?，F(xiàn)實中CCD用于動態(tài)測量CMOS用于低速或靜態(tài)測量但全局曝光CMOS現(xiàn)在已經能勝任動態(tài)測量而且CMOS是趨勢。對比項CCDCMOS成像質量高一般價格較貴便宜功耗較高低動態(tài)測量適合低速/靜態(tài)適合全局曝光亦可趨勢當前主流正在趕上未來方向3.2 相機參數(shù)逐個理清分辨率、像元深度、信噪比與動態(tài)范圍分辨率是相機最基本的參數(shù)由芯片靶面排列的像元數(shù)量決定。面陣相機用水平×垂直兩個數(shù)字表示比如1920(H)×1080(V)前面是每行的像元數(shù)量后面是像元行數(shù)。行業(yè)里常用多少K來表示分辨率1K即10242K即2048。幀頻和行頻對應采集速度面陣相機用fps表示每秒最多采集多少幀線陣相機用KHz表示每秒采集多少行。實際應用中相機速度需要滿足運動物體的成像要求而幀率首先受芯片設計最高時鐘限制。像元深度定義灰度由暗到亮的灰階數(shù)。8bit相機0代表全暗、255代表全亮10bit有1024個灰階12bit有4096個灰階。從8bit升到10bit或12bit確實能增強測量精度但代價是系統(tǒng)速度下降、集成難度提高線纜增加、尺寸變大所以要慎重。噪方面散粒噪聲由有效信號帶來、符合泊松分布不可避免噪聲平方等于信號均值相機固有噪聲來自讀出電路和信號處理放大電路每臺相機不一樣數(shù)字相機A/D轉換時還會產生量化噪聲量化位數(shù)越高噪聲越低。信噪比是有效信號平均灰度值與噪聲均方根的比值代表圖像質量。動態(tài)范圍表明相機探測光信號的范圍可用倍數(shù)、dB或Bit表示動態(tài)范圍越大對光照強度的適應能力越強。3.3 分辨率怎么算從視野和檢測精度反推最低像素分辨率選型是一個純計算過程。核心公式是相機像素精度單方向視野范圍大小/相機單方向分辨率反過來就是相機單方向分辨率單方向視野范圍大小/理論精度。舉個例子檢測物體表面劃痕物體大小為10×8mm要求檢測精度0.01mm假設拍攝視野范圍12×10mm那么相機最低分辨率應該是(12/0.01)×(10/0.01)1200×1000約120萬像素。這里有一個關鍵的穩(wěn)定性原則如果一個像素對應一個缺陷系統(tǒng)一定極不穩(wěn)定因為隨便一個干擾像素點都可能被誤認為缺陷。為了提高系統(tǒng)的精準度和穩(wěn)定性最好讓缺陷面積覆蓋3到4個像素以上。按這個標準上面的例子要選130萬像素乘以3以上即最低不能少于300萬像素通常采用300萬像素的相機為最佳。我也見過有人抱著亞像素不放說要做到零點幾的亞像素精度但真有那個需求靠的是算法和光學放大而不是盲目降分辨率。實際選型時還要加上光照不穩(wěn)定余量和溫度漂移余量我一般會在理論值基礎上再乘2到3倍。3.4 鏡頭選型視場、焦距、景深與光學接口鏡頭選型要同時盯住五個參數(shù)視場、工作距離、景深、焦距、接口。視場是充滿相機采集芯片的物體部分選型時視野要略大于被測物體給運動控制留余量。工作距離是從鏡頭前部到受檢驗物體的距離要確認現(xiàn)場是否有安裝空間、距離是否可調。焦距的計算公式是f工作距離/視野范圍長邊×CCD長邊焦距大小直接影響成像效果——焦距越小景深越大但畸變越大漸暈現(xiàn)象越嚴重會使像差邊緣照度降低。景深和焦距、光圈、物距三者相關光圈越小景深越大拍攝距離越大景深越大焦距越短景深越大。對景深有要求的項目盡可能使用小光圈在選擇放大倍率的鏡頭時項目許可下盡量選低倍率鏡頭。光圈用F值表示如f1.4、f2、f2.8光圈越大圖像亮度越高、景深越小、分辨率越高。光學放大倍率用PMAGCCD Size/FOV計算。另外幾個規(guī)律值得記住同檔次的固定焦距鏡頭比變焦鏡頭分辨率高短焦鏡頭邊緣分辨率一般低于中心長焦鏡頭中心比邊緣分辨率低光波波長越短得到的圖像分辨率越高所以精密尺寸及位置測量系統(tǒng)盡量采用短波長的單色光照明。鏡頭接口是現(xiàn)場最容易踩坑的地方。常用接口有C口、CS口、F口C型接口后截距17.526mmCS型接口后截距12.5mmF型接口46.5mm。C型鏡頭與C型攝像機、CS型鏡頭與CS型攝像機可以配合使用C型鏡頭與CS型攝像機之間增加一個5mm的C/CS轉接環(huán)可以配合使用CS型鏡頭與C型攝像機無法配合使用。M42鏡頭適配器源于高端攝像標準相機的Z軸均依據(jù)適配器優(yōu)化過一般情況下不要輕易拆卸鏡頭適配器。接口類型后截距接口形式C口17.526mm螺口CS口12.5mm螺口F口46.5mm卡口4. 圖像處理算法與算法庫預處理、分割與缺陷識別的選型邏輯硬件成像之后進入軟件環(huán)節(jié)。圖像處理的完整流程分三步預處理讓缺陷特征更明顯分割把缺陷從背景里分離出來特征提取加分類器判斷是哪種缺陷。很多項目把精力全放在最后一步的分類器上實際上前面兩步沒做扎實后面再好的算法也白搭。預處理對圖像數(shù)據(jù)進行加工使我們需要的特征更加明顯檢測處理根據(jù)圖像特征對損傷、尺寸進行檢測——這是整個軟件鏈路的基本分工。4.1 預處理灰度變換、直方圖均衡化與濾波的取舍預處理的目標是突出目標特征、抑制無關信息。灰度變換包括線性灰度變換、分段線性灰度變換和非線性灰度變換核心邏輯是把感興趣的灰度區(qū)間拉伸增大缺陷與背景的對比度。直方圖增強包括直方圖統(tǒng)計和直方圖均衡化均衡化把灰度分布拉開適合整體偏暗或偏亮的圖像。但要注意光照不均的現(xiàn)場使用直方圖均衡化容易放大背景噪聲這是常見的誤用場景。降噪濾波是預處理里最需要分寸感的部分。鄰域平均法和加權平均法簡單但會模糊邊緣中值濾波對椒鹽噪聲效果好且能較好保留邊緣均值濾波和高斯濾波適合平滑高斯噪聲但會模糊細節(jié)雙邊濾波在去噪的同時保留邊緣是表面缺陷檢測里比較穩(wěn)妥的選擇。邊緣銳化常用梯度銳化、Roberts算子、Laplace算子、Sobel算子。實際項目中劃痕檢測最常見的是Sobel或Canny找邊緣配合中值濾波去噪。我一般會提醒缺陷檢測里不要過度降噪中值濾波加輕高斯足夠了過度平滑會把細小劃痕也抹掉。4.2 分割與特征閾值、邊緣、Blob與LBP分割是把缺陷從背景中分離出來的關鍵步驟。閾值分割分三種固定閾值分割適合背景和缺陷灰度分離明顯的情況OTSU最優(yōu)閾值分割能自動計算閾值是最常用的起點自適應閾值分割適合光照不均、背景灰度漸變的場景比如紙張、薄膜表面。基于邊界的分割用Canny邊緣檢測、輪廓提取和邊界跟蹤適合劃痕、裂紋、毛刺這類線狀缺陷。Hough變換直線和圓檢測多用于定位和幾何尺寸測量。區(qū)域生長、區(qū)域歸并與分裂、聚類分割屬于區(qū)域分割方法分水嶺分割常用于粘連目標的分離。特征提取決定缺陷怎么描述。幾何特征包括位置與方向、周長、面積、長軸與短軸、距離形狀特征用Blob分析計算矩形度、圓形度、不變矩、偏心率、多邊形描述、曲線描述直方圖特征包括均值、方差、能量、熵計算簡單具有平移和旋轉不變性對顏色像素的精確空間分布不敏感在表面檢測、缺陷識別中應用廣泛。LBP局部二值模式對光照變化造成的灰度變化有較強魯棒性在表面缺陷檢測、指紋識別、光學字符識別、人臉識別及車牌識別領域都有應用而且計算簡單可用于實時檢測。選特征的原則是能用一個特征分清的不要用兩個Blob分析先做再看缺陷的灰度屬性最后才考慮紋理特征。4.3 缺陷分類與算法庫Halcon、OpenCV的現(xiàn)實對比缺陷目標識別算法方面?zhèn)鹘y(tǒng)方法包括貝葉斯分類、K最近鄰KNN、人工神經網(wǎng)絡ANN、支持向量機SVM、K-means等。樣本量不大時SVM在缺陷分類任務上表現(xiàn)穩(wěn)定K-means適合無監(jiān)督聚類打標先聚類再人工標注是快速建立缺陷樣本集的有效技巧。深度學習方案現(xiàn)在是熱門方向但傳統(tǒng)方法在缺陷樣本有限、要求可解釋性的場景下仍然有不可替代的地位。算法庫選型是項目落地時最現(xiàn)實的問題。Halcon底層功能算法多、運算性能快、功能齊全、容易上手、開發(fā)項目周期短但它是非開源商業(yè)軟件價格大概10K到15K一個加密狗。OpenCV功能算法相對少一些但開源、可用于商用開發(fā)周期較長有些算法要自己寫。我的經驗是項目周期短、預算允許、算法復用場景多的直接選Halcon做研究、做原型、想控制授權成本的走OpenCV路線但要做好自己寫算法的心理準備。行業(yè)里做視覺集成的公司比如大恒圖像、凌云光、大族激光、康耐視、基恩士各家的方案也都是在這類庫基礎上做的二次開發(fā)。對比項HalconOpenCV開源情況非開源商用收費開源可商用功能算法多且底層相對較少開發(fā)周期短易上手較長部分算法需自寫適用對象商用項目研究、原型、低成本方案5. 避坑記錄打光、選型和現(xiàn)場調試的五次翻車這一章是梳理資料時對照現(xiàn)場經歷整理出來的踩坑記錄。每一條都有人付過學費現(xiàn)象、原因、解決思路寫清楚能幫你在方案階段就繞開。5.1 同軸光下金屬劃痕時有時無現(xiàn)象同軸光下檢測同一塊鋁板劃痕亮度不穩(wěn)定有時候清晰可見有時候幾乎消失導致漏檢率波動。原因同軸光對表面角度差異敏感劃痕方向、深度和角度的變化會改變反射光路。劃痕方向與光路平行時反射光無法進入鏡頭對比度驟降。解決改用低角度條形光并做旋轉角度測試或者用同軸光加一組側光輔助形成多角度照明組合。打光方案必須在樣品上實測確認不能只看廠商給的效果圖。5.2 高分辨率相機一上產線幀率就掉現(xiàn)象標稱500萬像素30fps的相機實際采集只有十幾幀產線上產品連續(xù)通過時頻繁漏檢。原因分辨率與幀率此消彼長500萬像素全幅讀出的時間遠高于小分辨率相機帶寬不足也會限制傳輸GigE相機接到百兆網(wǎng)卡或USB3.0相機經過Hub幀率都會掉。解決按產線節(jié)拍反推最低幀率再選相機。不需要全幅輸出時用CMOS的AOI感興趣區(qū)域讀出幀率能明顯提升。同時檢查接口帶寬GigE接千兆網(wǎng)卡USB3.0直連主板不經過Hub。5.3 C接口鏡頭裝不上CS接口相機現(xiàn)象鏡頭擰上去之后成像模糊或者根本擰不到底現(xiàn)場誤以為鏡頭壞了。原因C接口后截距是17.526mmCS接口是12.5mm兩者相差5mm。C型鏡頭裝在CS型攝像機上鏡片到芯片的距離不對無法合焦。解決C型鏡頭配CS型攝像機時加一個5mm的C/CS轉接環(huán)即可CS型鏡頭配C型攝像機則無法配合。采購時把鏡頭接口和后截距寫清楚別只看都是螺口。5.4 彩色相機做灰度缺陷檢測誤檢率偏高現(xiàn)象檢測白色塑料表面的黑色臟污用彩色相機轉灰度后誤檢率比預期高缺陷邊界模糊。原因彩色相機使用Bayer插值將顏色信息轉為灰度時會引入偽彩色和馬賽克噪聲缺陷邊界被插值算法模糊彩色成像為還原顏色本身就需要犧牲一定的空間分辨率。解決不涉及顏色判斷的缺陷檢測直接用黑白相機加對應波長的單色光比彩色相機轉灰度更穩(wěn)定。只有需要區(qū)分顏色缺陷時比如Logo印刷色彩錯誤才用彩色相機。5.5 視野邊緣發(fā)暗導致漏檢現(xiàn)象畫面中心缺陷清晰靠近視野邊緣的缺陷對比度明顯下降邊緣區(qū)域出現(xiàn)漏檢。原因光源尺寸小于視野范圍光線在邊緣衰減鏡頭自身的漸暈和像差進一步加重了邊緣亮度不均。解決光源尺寸選擇要求略大于視野保障整個視野內光線均勻鏡頭靶面尺寸不能小于相機芯片尺寸2/3英寸鏡頭無法支撐1英寸以上靶面必要時做平場校正或多點光源補償。6. 選型實戰(zhàn)從需求表到參數(shù)表的完整推導用一個具體場景把前面的選型邏輯串起來。假設要檢測手機中框鋁合金表面的劃痕工件尺寸約120mm×60mm要求檢出0.05mm以上的劃痕生產節(jié)拍2秒一件工作距離固定200mm中框表面高反光。第一步算視野。工件120×60mm四周留10mm余量視野定為140×80mm。第二步算分辨率。單方向分辨率等于視野除以理論精度140/0.05280080/0.051600相乘約450萬像素。按缺陷覆蓋3到4個像素的穩(wěn)定性原則理論值要再乘3倍所以實際選型不低于1200萬像素。如果成本受限退一步的方案是500萬像素配合更高倍率鏡頭縮小視野但檢測穩(wěn)定性要重新驗證。第三步選相機形態(tài)。工件是取放位靜態(tài)拍照節(jié)拍2秒選面陣CMOS全局曝光為佳黑白相機——金屬劃痕檢測不涉及顏色判斷黑白加單色光更穩(wěn)。第四步算鏡頭焦距。假設選1/1.8英寸黑白CMOS靶面約7.2mm×5.4mm焦距f工作距離/視野長邊×CCD長邊200/140×7.2≈10.3mm取12mm定焦。第五步算曝光時間。像素當量視野長邊/水平像素數(shù)500萬相機水平方向約2448像素當量約0.057mm/pixel。如果抓拍瞬間有0.5m/s的運動速度不出現(xiàn)拖影的條件是t≤像素當量×1.5/運動速度即t≤0.057×1.5/500≈0.000171秒約1/5800秒。這意味著光源亮度必須足夠高才能在這個快門速度下保證圖像正常曝光。第六步定光源方案。鋁合金高反光表面主光源用同軸光增強劃痕凹陷特征再配一組低角度條形光突出輪廓雙光源組合。裝夾前用真實樣品試拍看灰度直方圖確認缺陷與背景灰度差是否大于30個灰度級、有無過曝區(qū)域、邊緣有無暗角。這套流程走下來選型表就齊了1200萬像素黑白CMOS面陣相機、12mm定焦鏡頭、同軸光加低角度條形光、快門不低于1/5800秒。從那以后我每次做視覺選型都強制先走一遍這條推導鏈——視野、分辨率、幀率、焦距、曝光時間、光源所有參數(shù)寫進表里再下單硬件到貨第一件事也是按這個表逐項驗證。這套流程能幫你在方案階段就消滅掉一大半的現(xiàn)場問題。希望幫到你。本文還有配套的精品資源點擊獲取