1、光学检测概述：什么是光学检测、光学检测的应用领域、光学检测与机器视觉的关系

大家好，我是老张。在光学检测这行摸爬滚打了十几年，今天咱们聊聊这门技术的入门第一课。

光学检测，说白了就是「用光来检查东西」。你想想看，人眼也是靠光看世界的。但机器比人眼强在哪？它看得更细、更快、更稳定，而且不会累。

1.1 光学检测的核心逻辑

我习惯把光学检测拆成三个环节：打光 → 成像 → 分析。缺一个都不行。

• 打光：光源怎么选？环形光、同轴光、背光、结构光……每种光对应不同的缺陷类型。
• 成像：相机和镜头怎么搭？分辨率、帧率、景深，这些参数决定了你能看到多小的缺陷。
• 分析：图像来了，怎么判断好坏？阈值分割、边缘检测、模板匹配，甚至现在用深度学习。

嗯，这里要注意：很多人一上来就研究算法，结果发现图像拍出来就是糊的。我早期吃过这个亏——光源角度调不对，再好的算法也白搭。

1.2 光学检测的应用领域

光学检测几乎覆盖了所有现代制造业。我挑几个重点领域说说。

半导体

这是光学检测最「卷」的领域。晶圆上的缺陷可能只有几十纳米。我记得有一次帮客户做晶圆表面颗粒检测，光源波长选不对，小颗粒根本看不见。后来换了短波长光源，配合暗场照明，才把问题搞定。

消费电子

手机屏幕、摄像头模组、外壳划痕……这些你每天摸的东西，出厂前都要过光学检测这一关。我做过一个手机中框检测项目，六面都要拍，每分钟要检60个。当时最头疼的是反光——金属面太亮，怎么打光都过曝。后来用了偏振片，才把高光压下去。

汽车

汽车零部件的检测要求很高。发动机缸体、活塞环、刹车盘，任何一个缺陷都可能是安全隐患。我印象最深的是一个刹车盘裂纹检测项目——裂纹只有0.1mm宽，普通光源根本拍不出来。最后用了线阵相机配合高亮线光源，才把裂纹「揪」出来。

医疗

医疗领域的光学检测更「讲究」。注射剂里的异物、药片的包衣均匀度、手术器械的清洁度……这些直接关系到人的生命安全。我建议做医疗检测的朋友，一定要把光源的稳定性和相机的信噪比放在第一位——漏检的代价太大了。

1.3 光学检测与机器视觉的关系

很多人搞不清这两个概念。我打个比方你就明白了：机器视觉是「大脑」，光学检测是「眼睛」。

• 机器视觉：更宽泛，包括图像采集、处理、识别、测量、定位等。它解决的是「机器怎么看见并理解世界」的问题。
• 光学检测：是机器视觉的一个子集，专注于「质量检测」这个场景。它更强调光源设计、成像系统优化、缺陷判据的准确性。

说白了，机器视觉可以干很多事——引导机器人抓取、读二维码、测量尺寸。而光学检测只干一件事：判断产品是好是坏。

我曾经遇到一个客户，说「我要上一套机器视觉系统」。结果聊深了才发现，他就是要检测螺丝有没有拧到位。这就是典型的光学检测需求，不需要复杂的视觉定位，把光源打好、拍清楚、判断拧紧角度就够了。

1.4 本章知识结构

下面这张图是我自己画的，把光学检测的核心逻辑和知识体系串起来了。你跟着这个框架学，不会迷路。

这张图你看懂了吗？从上往下看：光学检测是核心，往下分三大环节——打光、成像、分析。再往下是四大应用领域。最底下是光学检测与机器视觉的关系——它是机器视觉在质检领域的「专业选手」。

1.5 本章小结

这一章我们聊了三个事：

1. 光学检测是什么——用光做非接触式测量，核心是打光、成像、分析。
2. 它用在哪——半导体、消费电子、汽车、医疗，每个领域的要求都不一样。
3. 它和机器视觉的关系——机器视觉是大脑，光学检测是眼睛，专攻质量检测。

我个人觉得，光学检测入门最难的不是技术，而是「建立感觉」——什么样的缺陷用什么光、什么相机、什么算法。这种感觉需要项目喂出来。别急，后面几章我会带你一步步建立这种「检测直觉」。