机器视觉光学检测基础与系统构建 - 第1节

一、光学检测概述：什么是光学检测

光学检测，说白了就是用「机器眼睛」代替「人眼」来做质检。我经常跟刚入行的朋友讲：光学检测的本质，就是让相机、镜头和光源组合成一个视觉系统，去捕捉物体表面的光信号，再通过算法判断这个产品「行」还是「不行」。

你想想看，人眼能分辨的灰度级大概只有 64 级，而工业相机轻松就能达到 256 级甚至更高。再加上我们可以在紫外、红外、甚至特定波长的单色光下成像——这些是人眼根本看不到的信息。

1.1 光学检测的基本流程

我在项目中跑过上百个检测方案，流程基本都逃不出下面这几步：

1. 照明——用特定角度和波长的光照射被测物
2. 成像——相机采集反射/透射/散射光信号
3. 预处理——去噪、增强对比度、校正畸变
4. 特征提取——找边缘、测尺寸、识别纹理
5. 判定——跟标准模板或阈值比对，输出 OK/NG

嗯，这里要注意：照明设计往往决定了整个项目的成败。我见过太多方案，算法写得再漂亮，光源没选对，拍出来的图就是一团糊，神仙也救不了。

二、光学检测的应用领域

光学检测的应用范围非常广。我挑四个最典型的行业来讲，也是我这些年接触最多的领域。

2.1 半导体行业

半导体制程对缺陷的容忍度极低。晶圆上的一个颗粒、一条划痕，可能直接导致整颗芯片报废。

• 晶圆缺陷检测：表面颗粒、划伤、晶体位错
• 光刻对准检测：套刻精度、线宽测量
• 封装检测：焊球缺失、裂纹、空洞

2.2 PCB 行业

PCB 检测是光学检测最成熟的应用之一。一块手机主板上有上千个焊点，人工目检根本看不过来。

注意，AXI 严格来说不算光学检测，但很多产线把它归在 AOI 体系里。我个人习惯把「纯光学」和「辐射成像」分开讲，避免混淆。

2.3 面板行业

液晶面板、OLED 屏幕的检测，核心是像素级缺陷的捕捉。一个亮点、暗点、 Mura（亮度不均），在纯黑画面下肉眼很难发现，但光学系统可以轻松识别。

• 亮点/暗点检测：单像素失效
• Mura 检测：亮度均匀性分析
• 划伤/压伤：表面物理损伤

我记得有个项目，客户要求检出 0.1mm 的划痕。当时我选用了高角度暗场照明，配合线扫相机，最终检出率做到了 99.7%。

2.4 锂电行业

锂电池的极片涂布、隔膜、电芯封装，每一步都需要光学检测。尤其是极片表面缺陷，比如金属颗粒、涂层脱落，一旦流入下一工序，可能造成电池短路甚至起火。

三、光学检测 vs 人工目检

这个问题我几乎每次培训都会被问到。直接上对比表：

你可能会问：既然光学检测这么好，为什么还有人工目检？

原因很简单：光学检测不擅长处理「模糊逻辑」。比如一个划痕，人眼可以判断「这个划痕虽然深，但不在功能区域，可以接受」。而机器需要明确的阈值——深 0.1mm、长 0.5mm 以上才算缺陷。这个阈值设定，本身就是一门学问。

我曾经在一个汽车电子项目里，客户坚持要全自动检测，结果误杀率太高，产线天天停。后来改成「AOI 初筛 + 人工复判」的模式，误杀率从 8% 降到了 0.5%，效率反而提升了 3 倍。

所以，光学检测不是万能药，但它是现代制造业不可或缺的「标准配置」。理解它的边界，比理解它的能力更重要。