1. 光学检测概述：从“看见”到“看懂”
各位好，我是老张。在光学检测这行摸爬滚打了十几年，今天咱们聊聊这门课的开篇——光学检测到底是什么，为什么它这么重要。
说白了，光学检测就是用“光”来做质检。你想想看，人眼能看到的细节有限，而且看久了会累、会出错。但机器不会。光学检测系统就像一双永不疲倦的“电子眼”，能把产品表面的瑕疵、尺寸的偏差、装配的对错，统统揪出来。
核心定义：光学检测是利用光源、镜头、相机和图像处理算法，对被测物体进行非接触式测量与缺陷识别的技术。它把“光信号”变成“数字信号”，再把“数字信号”变成“判断结果”。
1.1 为什么我们需要光学检测？
我刚开始做工程师那会儿，工厂里还大量靠人工目检。一条产线上十几个工人，拿着放大镜看电路板焊点。效率低不说，漏检率还高。后来我参与了一个项目，帮一家手机厂商做屏幕检测——人工检一块屏要30秒，漏检率在5%左右。上了光学检测系统后，每块屏只要2秒，漏检率降到0.1%以下。
这就是光学检测的价值：
- 速度快——每秒能处理几十甚至上百个产品
- 精度高——微米级的缺陷也逃不过
- 一致性——不会像人一样受情绪、疲劳影响
- 非接触——不会刮伤或污染被测物体
- 可量化——每个检测结果都有数据可追溯
我的经验：有一次在半导体封装厂，客户要求检测芯片表面的划痕，深度要控制在0.5微米以内。人工目检根本做不到，最后我们用共聚焦显微镜+机器视觉的方案搞定了。所以记住：光学检测不是“替代人眼”，而是“超越人眼”。
1.2 光学检测在工业4.0中的角色
工业4.0讲的是“智能制造”、“数字孪生”、“数据驱动”。光学检测在这其中扮演什么角色？我个人的理解是——它充当了“感知层”的核心传感器。
你想想看，一条智能产线要自动调整工艺参数，前提是什么？得知道当前产品做得好不好。谁告诉它？就是光学检测系统。它把检测结果实时反馈给MES（制造执行系统），MES再调整设备参数，形成闭环。
| 工业4.0层级 | 光学检测的作用 | 典型应用 |
|---|---|---|
| 感知层 | 采集产品外观、尺寸、位置数据 | 在线AOI、3D轮廓测量 |
| 网络层 | 将检测数据上传至工业物联网 | 检测结果实时上报 |
| 决策层 | 基于检测数据做工艺优化 | SPC统计过程控制 |
| 执行层 | 自动剔除不良品或调整设备 | 机械手分拣、参数自适应 |
我记得有一次去一家汽车零部件厂，他们的活塞环生产线已经做到了“全闭环”——光学检测发现某个尺寸偏大0.01mm，系统自动通知磨床补偿，整个过程不到1秒。这就是工业4.0要的效果。
避坑指南：我曾经见过一个项目，客户花大价钱上了光学检测系统，但数据没跟产线联动，检测结果只是打印出来贴在产品上。这其实只发挥了光学检测20%的价值。记住：检测不是目的，改善才是。
1.3 光学检测系统的基本组成
一套典型的光学检测系统，说白了就四个部分：光源、镜头、相机、图像处理单元。咱们一个一个说。
1.3.1 光源——给“眼睛”打好光
光源是光学检测的“第一道关”。光打不好，后面再好的相机也白搭。我见过太多工程师把精力花在算法上，结果光源没选对，图像质量一塌糊涂。
常见的光源类型：
- 环形光源——适合检测焊点、字符、划痕
- 背光源——适合测量外形尺寸、边缘轮廓
- 同轴光源——适合高反光表面，如晶圆、镜面
- 条形光源——适合大面积、长条状物体
- 点光源——配合显微镜做高倍率检测
选光源时，我习惯先问三个问题：被测物体是什么材质？表面是光滑还是粗糙？要检测的特征是亮场还是暗场？这三个问题想清楚了，光源类型基本就定了。
1.3.2 镜头——决定“视力”好坏
镜头相当于人眼的晶状体。它决定了成像的清晰度、视场大小、景深范围。
几个关键参数：
| 参数 | 说明 | 选型建议 |
|---|---|---|
| 焦距 | 决定视场角和放大倍率 | 小视场选长焦，大视场选短焦 |
| 光圈 | 控制进光量和景深 | 高精度检测用小光圈（大景深） |
| 畸变 | 图像边缘的变形程度 | 测量类应用选低畸变镜头 |
| 分辨率 | 镜头能分辨的最小细节 | 匹配相机的像素尺寸 |
我的习惯：选镜头时，我会先确定相机的靶面尺寸和像素大小，然后反推镜头的放大倍率。比如相机是2/3英寸，像素3.45μm，要检测0.01mm的缺陷，那镜头放大倍率至少得0.3x以上。这个计算不能省。
1.3.3 相机——把光变成电信号
相机是光学检测的“视网膜”。它把光信号转换成数字信号，交给后面的处理单元。
相机主要分两类：
- 面阵相机——像普通拍照一样，一次拍一张完整的图。适合检测单个零件、小面积区域。
- 线阵相机——一行一行地扫描，拼成一张大图。适合检测连续运动的物体，比如卷材、布匹、印刷品。
选相机时，我重点关注三个指标：
- 分辨率——决定了能看清多小的细节。一般用像素数表示，比如500万、1200万。
- 帧率——决定了检测速度。产线跑得快，相机就得拍得快。
- 传感器类型——CCD噪声低、动态范围大；CMOS速度快、成本低。现在高端CMOS已经追上CCD了。
1.3.4 图像处理单元——真正“看懂”图像
光源、镜头、相机负责“看见”，图像处理单元负责“看懂”。它通常是一台工控机，里面跑着图像处理算法。
处理流程大致是：
- 图像采集——从相机拿到原始图像数据
- 预处理——去噪、增强对比度、校正畸变
- 特征提取——找边缘、测尺寸、识别字符
- 判断决策——跟标准模板比对，输出OK/NG
- 结果输出——发送信号给PLC或MES
这里我多说一句：很多人以为图像处理就是“跑个算法”，其实硬件选型同样重要。CPU要够快，内存要够大，最好配个GPU做加速。我曾经在一个项目中，算法写得没问题，但工控机太慢，导致检测节拍跟不上产线速度，最后换了台高性能工控机才解决。
1.4 光学检测系统的整体架构
下面这张图是我自己总结的光学检测系统架构，从硬件到软件，从采集到决策，一目了然。
1.5 一个简单的检测流程示例
光说不练假把式。咱们拿一个最简单的案例——检测螺丝是否拧到位——来走一遍流程。
# 伪代码：螺丝拧紧检测流程
1. 触发拍照（传感器检测到螺丝到位）
2. 光源点亮（环形光，亮度80%）
3. 相机采集图像（500万像素，灰度图）
4. 图像预处理（高斯滤波去噪，阈值分割）
5. 特征提取（找螺丝头部轮廓，计算中心位置）
6. 判断：螺丝头部高度是否在标准范围内？
- 是 → 输出OK
- 否 → 输出NG，触发报警
7. 结果记录到数据库，供SPC分析这个流程看起来简单，但实际项目中坑不少。比如螺丝表面反光太强，导致轮廓提取不准；或者产线震动导致图像模糊。这些都需要在系统设计时提前考虑。
我曾经踩过的坑：有个项目检测手机中框的平面度，我选了高分辨率相机和远心镜头，自认为万无一失。结果现场一跑，发现产品表面有油污，导致反光不均匀，测量数据波动很大。后来加了同轴光源和偏振片才解决。所以记住：光学检测不是“买最好的硬件”就完事了，要针对实际工况做系统设计。
1.6 本章小结
这一章咱们把光学检测的“骨架”搭起来了：
- 光学检测是用光做质检，核心是“非接触、高速度、高精度”
- 在工业4.0中，它是感知层的核心，为智能决策提供数据
- 一套系统由光源、镜头、相机、图像处理单元四部分组成，缺一不可
- 选型时要综合考虑被测物体特性、检测精度、产线速度