2、工业视觉基础：成像原理、光源选择、镜头与相机类型、图像采集关键参数

在边缘AI工业视觉项目中，算法模型只是最终决策的“大脑”，而图像采集系统则是“眼睛”。如果眼睛看到的画面本身模糊、过曝、反光或畸变，再强大的深度学习模型也无法从中提取有效特征。本章将系统梳理工业视觉的物理基础与硬件选型逻辑，帮助你在搭建缺陷检测项目时，从源头保证图像质量，为后续算法处理奠定可靠的数据基础。

2.1 成像原理与光学基础

工业视觉的成像本质上是光与被测物体相互作用后，由传感器记录光强分布的过程。理解这一物理过程，是正确选择光源和镜头的前提。当光线照射到物体表面时，会发生反射、折射、吸收和散射四种基本现象。对于缺陷检测而言，我们最关心的是反射和散射——因为缺陷区域（如划痕、凹坑、污渍）与正常区域在反射特性上存在差异，这种差异最终转化为图像中的灰度或颜色变化。

在工业场景中，成像模型通常遵循朗伯反射模型和镜面反射模型的叠加。朗伯反射指光线均匀散射，图像灰度与观察角度无关，适合检测表面纹理和颜色差异；镜面反射则遵循反射角等于入射角的规律，适合检测光滑表面的划痕和凹凸。实际缺陷检测中，需要根据缺陷类型选择合适的光路设计，使缺陷区域与背景产生最大的灰度对比度。

2.2 光源选择：类型、颜色与照明方式

光源是工业视觉系统中成本最低但影响最大的组件。一个设计良好的光源方案，可以让原本复杂的算法问题变得简单；反之，糟糕的光源会让简单的检测任务变得几乎不可能完成。光源选择的核心目标是：最大化缺陷特征与背景的对比度，同时最小化环境光的干扰。

2.2.1 光源类型与适用场景

2.2.2 光源颜色与波长选择

光源颜色的选择基于一个简单原理：相同颜色的光会被物体吸收或反射，不同颜色的光则产生灰度差异。例如，检测红色PCB板上的黑色字符时，使用红色光源会使板面变亮、字符变暗，形成高对比度；而使用蓝色光源则可能使两者灰度接近。对于彩色物体，通常选择与背景颜色相同的光源来压暗缺陷，或选择与缺陷颜色相同的光源来增强缺陷亮度。

在边缘AI项目中，光源控制还需要考虑与相机触发的同步。工业场景通常使用频闪照明——在相机曝光瞬间点亮高亮度LED，持续时间仅几微秒到几毫秒。这种方式既保证了足够的曝光量，又避免了持续照明带来的发热和能耗问题。频闪频率需要与相机帧率严格匹配，否则会出现亮度不均或图像闪烁。

2.3 镜头与相机类型

镜头决定了成像的视场大小、景深范围和畸变程度，相机则决定了图像的分辨率、帧率和动态范围。两者需要根据检测精度要求和产线节拍协同选型。

2.3.1 镜头选型关键参数

• 焦距（f）：决定视场角和工作距离的关系。短焦距（6mm/8mm）适合大视场近距离检测，长焦距（25mm/35mm）适合小视场远距离检测。计算公式：视场宽度 = 传感器靶面宽度 × 工作距离 / 焦距。
• 光圈（F值）：控制进光量和景深。小光圈（F8-F16）景深大，适合表面有高度差的物体；大光圈（F1.4-F2.8）进光量大，适合高速拍摄但景深小。
• 畸变：广角镜头普遍存在桶形畸变，长焦镜头存在枕形畸变。精密测量场景需选择低畸变镜头（畸变率<0.1%）或通过标定校正。
• 接口类型：C接口（法兰距17.526mm）和CS接口（法兰距12.5mm）是工业相机主流标准，两者不能直接互换，需加转接环。

2.3.2 相机类型对比

在边缘AI场景中，CMOS传感器因其高帧率、低功耗和集成度优势，已成为主流选择。选择相机时需关注像元尺寸——像元越大，感光性能越好，但分辨率会降低。例如，500万像素相机搭配2.4μm像元，适合检测0.1mm以上的缺陷；而2000万像素搭配1.35μm像元，可检测0.05mm的细微划痕，但对光照均匀度要求更高。

2.4 图像采集关键参数与调试流程

图像采集参数的设置直接影响后续算法的输入质量。在边缘AI项目中，这些参数通常通过SDK或配置文件进行设置，需要根据实际场景反复调试。

2.4.1 核心参数详解

1. 曝光时间：决定传感器积累光子的时长。曝光过短会导致图像偏暗、噪声增大；曝光过长会导致运动模糊。对于静止物体，通常设置为5-20ms；对于运动物体，需保证物体在曝光时间内的位移小于一个像素。
2. 增益（Gain）：模拟或数字放大信号。增益越高，图像越亮但噪声也越大。优先通过增加光源亮度来提升图像亮度，增益尽量控制在1-2倍以内。
3. 白平衡：彩色相机需要校正不同色温光源下的颜色偏移。工业场景建议使用手动白平衡，以标准白板为参考。
4. 触发模式：分为自由运行（连续采集）和外触发（硬件触发）。产线检测必须使用外触发，通过光电传感器或编码器信号同步采集，确保每次拍摄位置一致。

2.4.2 参数调试操作流程

1. 固定相机和光源位置，调整镜头光圈至中间值（F4-F5.6）
2. 设置曝光时间为预估值的中间值（如10ms），增益设为1.0
3. 拍摄标准测试卡或实际工件，观察直方图分布
4. 调整曝光时间使灰度峰值位于180-220之间（8bit图像）
5. 若图像偏暗且曝光已达上限，再逐步增加增益
6. 检查图像是否有过曝区域（灰度=255），若有则降低光源亮度
7. 微调镜头焦距和光圈，确保视场边缘清晰度
8. 设置外触发模式，验证连续采集的稳定性
9. 保存参数配置，固化到部署脚本中

2.5 案例拆解：金属轴承表面缺陷检测的光学方案设计

项目背景：某汽车零部件厂商需要检测直径20mm的金属轴承滚珠表面划痕和凹坑，产线节拍为每秒2个工件，检测精度要求0.05mm。初始方案采用普通环形光源+500万像素面阵相机，但检测效果不佳，划痕对比度低，且反光严重。

问题分析：金属滚珠表面为高反光曲面，普通环形光源产生大面积镜面反射，导致图像中心过曝、边缘偏暗。划痕方向随机，单一角度照明无法全面覆盖。

方案调整：

• 将光源改为穹顶光源（内壁涂覆漫反射涂层），消除镜面反射干扰，使整体亮度均匀
• 光源颜色选择蓝色LED（460nm），因为金属表面在蓝光下反射率适中，且蓝光波长较短，对微小划痕的散射更敏感
• 相机更换为1200万像素CMOS，像元尺寸2.4μm，配合12mm低畸变镜头，工作距离150mm，视场覆盖整个滚珠
• 曝光时间设为3ms，配合频闪光源（脉冲宽度2ms），避免运动模糊
• 增加偏振片（光源前加偏振膜，镜头前加检偏器），进一步抑制残余反射光

结果对比：调整后，划痕与背景的灰度对比度从原来的15提升至85，凹坑检测率从78%提升至99.2%，误检率从5%降至0.3%。虽然硬件成本增加了约2000元，但算法模型从复杂的多尺度特征提取简化为简单的阈值分割，整体项目开发周期缩短了2周。

复盘经验：光学方案设计应遵循“先物理后算法”的原则。在光源和镜头调试上多花一天时间，可能节省算法调优的一周时间。同时，偏振片是解决高反光问题的有效工具，但会损失约50%的光强，需要配合更高亮度的光源使用。

2.6 常见误区与总结