2. 包装缺陷类型与检测需求分析

在包装线机器视觉项目中，真正决定系统成败的往往不是相机像素或算法模型本身，而是对缺陷类型的准确梳理和对检测需求的量化定义。同一台设备，检测“封口夹料”与检测“印刷套色偏移”所需的成像方案、光源角度、算法策略完全不同。因此，在选型与开发之前，必须先把缺陷讲清楚、把指标定清楚。

一、常见缺陷分类与成因

包装线缺陷通常可归为六大类，每类的成因和视觉表现差异明显：

• 印刷缺陷：包括漏印、脏点、套色偏移、颜色偏差、字符模糊。多由印版磨损、油墨黏度波动、套印机构误差引起，表现为图案缺失、色差或边缘毛刺。
• 封口缺陷：夹料、虚封、皱褶、封口偏移、气泡。常见于热封温度/压力不稳、薄膜跑偏、封刀磨损，视觉上表现为封边区域纹理异常或透明通道。
• 异物：包装内部或表面的毛发、碎屑、金属屑、虫体。来源为车间环境、原料带入或设备磨损，尺寸往往很小，对分辨率要求最高。
• 缺件：多袋装产品少装、说明书/干燥剂/吸管缺失。由下料机构卡料或计数错误导致，需结合包装结构判断“应有而无”。
• 位置偏移：标签贴偏、图案跑位、封口位置偏移。源于送料张力波动、定位光电误触发，表现为几何位置超出公差带。
• 标签错误：错标、混标、条码/批号错误。多因换产未清线或标签卷混用，属于“内容型”缺陷，需OCR/OCV或条码比对。

从检测难度看，异物和印刷脏点属于“小目标、低对比度”问题，缺件和标签错误属于“逻辑判断”问题，位置偏移属于“几何测量”问题，封口缺陷则常介于纹理与几何之间。这一分类直接决定了后续成像与算法的分工。

二、检测精度与节拍要求

精度要求通常由最小缺陷尺寸反推。工程上常用经验规则：要稳定检出某尺寸缺陷，缺陷在图像中至少应占据3～5个像素。设最小缺陷物理尺寸为 d（mm），则所需空间分辨率约为 d/4（mm/像素）。例如要求检出0.2 mm的脏点，则分辨率应优于0.05 mm/像素；若视野宽度为100 mm，则水平像素数需达到约2000像素，对应500万像素级相机较为稳妥。

节拍要求则决定曝光与处理预算。设产线速度为 v（m/s）、单次检测覆盖长度为 L（mm），则单件可用时间约为 L/v。以每分钟300袋、袋长150 mm为例，单件周期约200 ms，扣除通信与执行机构响应，算法处理预算通常需控制在50～80 ms以内。这要求算法轻量化，或采用触发分区的多相机并行方案。

三、误检率与漏检率指标定义

两个核心指标必须严格定义，否则验收时极易扯皮：

• 漏检率（False Negative Rate）：实际有缺陷但被判为合格的比例，漏检率 = 漏检缺陷数 / 实际缺陷总数。它直接关系流出风险，是质量红线。
• 误检率（False Positive Rate）：实际合格但被判为缺陷的比例，误检率 = 误判合格品数 / 实际合格品总数。它决定停机和人工复检成本。

需要注意，误检率的分母是“合格品总数”而非“全部产品”，这与“过杀率”在统计口径上可能不同，合同中必须写明。此外还应约定测试样本量、缺陷样本覆盖类型和判定置信度，例如“在不少于5000件、覆盖全部缺陷类型的样本上，漏检率≤0.5%，误检率≤2%”。

四、从缺陷清单到检测需求表

把上述分析落成可执行的需求，建议为每类缺陷建立一行记录，至少包含：缺陷名称、最小可接受检出尺寸、判定公差、成像方式、算法策略、漏检/误检目标。例如“封口夹料”一行可写：最小检出0.5 mm夹料，封边区域纹理异常即判NG，采用低角度环形光，算法用局部纹理方差+阈值分割，漏检率≤0.3%。

需要强调的是，指标必须在真实样本上验证，且样本应包含边界品（如刚好在公差边缘的偏移）。边界品的判定规则若不在需求阶段写清，后期算法调参与验收都会陷入反复。把缺陷分类、成因、精度节拍和误检漏检口径四件事在项目启动时一次性对齐，后续的相机选型、光源设计和算法开发才有稳定依据。