2、硬件环境搭建：Raspberry Pi型号选择、摄像头选型、光源与支架、GPIO接口与告警设备连接

工业视觉检测项目的硬件环境搭建，决定了整个系统的成像质量、处理性能与运行稳定性。与桌面开发不同，工业现场存在振动、温漂、电磁干扰、光照变化等复杂因素，硬件选型与连接方式必须围绕“图像采集一致性”和“系统长期可靠运行”两个核心目标展开。本节将按照Raspberry Pi主控选型、摄像头与光学组件、光源与支架设计、GPIO告警链路四个层次，逐步拆解硬件搭建的工程化方法。

2.1 Raspberry Pi 型号选择：算力、接口与工业适配性

Raspberry Pi 系列中适合工业视觉检测的型号主要是 Raspberry Pi 4B（4GB/8GB）与 Raspberry Pi 5（8GB）。Pi 4B 采用四核 Cortex-A72 处理器，主频 1.5GHz，具备双 micro-HDMI、双 USB 3.0、双 USB 2.0、千兆以太网、2.4/5GHz Wi-Fi，以及关键的 MIPI CSI-2 摄像头接口（双通道）。Pi 5 则升级为四核 Cortex-A76，主频 2.4GHz，内存带宽提升约 2 倍，ISP 性能增强，更适合运行 YOLO 等轻量级缺陷检测模型。从工业现场角度，Pi 4B 的生态成熟度更高，散热方案丰富，且大量工业 HAT（如 RS485、CAN、工业 IO 扩展板）均优先适配；Pi 5 性能更强，但功耗相应增加（峰值约 12W），对电源和散热要求更严格。

选型判断应基于三个维度：算法复杂度、图像分辨率与帧率、现场环境约束。若仅做传统图像处理（阈值分割、边缘检测、模板匹配），Pi 4B 的 4GB 版本即可胜任；若需运行 CNN 模型（如 MobileNet-SSD、YOLOv5s），建议 Pi 4B 8GB 或 Pi 5 8GB。对于需要同时处理两路摄像头或高分辨率（>1000万像素）图像的应用，Pi 5 的 ISP 和内存带宽优势明显。工业现场还应关注工作温度范围（-20℃~50℃ 需加装工业外壳与主动散热）、TF 卡可靠性（建议使用 MLC 颗粒的工业级卡，避免掉电损坏）、以及是否有 PoE 供电需求（可选用 PoE HAT 减少布线）。

2.2 摄像头选型：传感器、接口与镜头匹配

工业缺陷检测对摄像头的要求集中在成像一致性与细节分辨率。Raspberry Pi 官方推荐的摄像头包括 Camera Module 3（IMX708，1200万像素，支持自动对焦）和 Camera Module 3 NoIR（无红外滤光片，适合红外补光场景）。对于更严苛的工业应用，可选用第三方兼容 CSI 接口的全局快门摄像头，如 Sony IMX296/IMX297 芯片模组（约 150 万像素，全局快门，适合运动物体抓拍）。全局快门与卷帘快门的区别在于：卷帘快门逐行曝光，拍摄快速运动的传送带产品时会产生果冻效应，导致缺陷变形；全局快门所有像素同时曝光，能清晰捕捉高速运动中的缺陷。

镜头选型需根据工作距离与视场范围计算焦距。公式为：f = (工作距离 × 传感器靶面宽度) / 视场宽度。例如，传感器靶面宽度为 6.4mm（1/2.3 英寸），工作距离 200mm，需要拍摄 50mm 宽的工件，则焦距 f = (200 × 6.4) / 50 ≈ 25.6mm，可选用 25mm 或 30mm 定焦镜头。工业场景优先选择手动光圈、手动对焦的定焦镜头，避免自动对焦在振动环境中反复拉风箱。镜头接口通常为 CS 或 C 口，需配合转接环安装到 CSI 摄像头模组上。

# 摄像头连接检查命令（SSH 终端执行）
vcgencmd get_camera
# 预期输出：supported=1 detected=1
# 若 detected=0，检查排线是否插紧、是否插反

# 拍摄测试图像
raspistill -o test.jpg -w 1280 -h 720 -t 2000
# 若使用 Camera Module 3，使用 rpicam-still
rpicam-still -o test.jpg --width 1280 --height 720

2.3 光源与支架：成像一致性的关键保障

工业视觉中“打光”决定了图像质量的上限。缺陷检测常用光源包括：LED 条形光源（适合大面积均匀照明）、环形光源（适合螺丝、轴承等圆形工件，可消除阴影）、同轴光源（适合高反光表面，如金属划痕检测）、背光源（适合轮廓测量与透明物体缺陷）。对于 Raspberry Pi 项目，推荐使用 12V 供电的 LED 光源，通过独立的恒流驱动板控制亮度，避免与 Pi 共用电源导致电压波动。光源色温建议选择 5000K~6500K 白光，显色指数 Ra > 90，以保证颜色信息还原准确。

支架设计需满足六自由度调节：XYZ 平移与绕 XYZ 旋转。简易方案采用铝型材（4040 或 2020 规格）搭建龙门架，配合磁性底座和万向节臂固定摄像头与光源。关键原则是：光源与摄像头必须相对固定，一旦调试完成，用螺纹锁紧或胶水固定，防止振动导致相对位移。对于传送带场景，应加装光电传感器（如对射式红外）触发拍照，确保工件每次出现在相同位置。支架表面应做哑光黑处理，避免反光干扰图像。

2.4 GPIO 接口与告警设备连接：电气隔离与驱动能力

Raspberry Pi 的 40pin GPIO 提供 3.3V 逻辑电平，但输出电流能力极弱（单引脚最大约 16mA，推荐不超过 8mA），无法直接驱动蜂鸣器、继电器或警示灯。因此必须通过驱动电路进行功率放大。最简方案是使用 NPN 三极管（如 2N2222、S8050）或 N-MOS 管（如 AO3400）驱动有源蜂鸣器（5V 或 12V）。对于需要控制 220V 交流设备（如报警灯、警铃）的场景，必须使用继电器模块或固态继电器（SSR），并在 Pi 与继电器之间加入光耦隔离（如 PC817），防止高压反窜损坏主板。

典型告警链路为：GPIO 输出 3.3V → 限流电阻（1kΩ）→ 三极管基极 → 三极管集电极接继电器线圈 → 继电器触点控制告警灯。继电器线圈需并联续流二极管（1N4007），防止断电瞬间产生反向电动势击穿三极管。GPIO 引脚在软件中需设置为 OUT 模式，并注意初始状态应为低电平，避免上电瞬间误触发告警。

# Python 控制 GPIO 告警示例（使用 RPi.GPIO 库）
import RPi.GPIO as GPIO
import time

ALARM_PIN = 17  # BCM 编号，对应物理引脚 11
GPIO.setmode(GPIO.BCM)
GPIO.setup(ALARM_PIN, GPIO.OUT, initial=GPIO.LOW)

def trigger_alarm(duration=3):
    GPIO.output(ALARM_PIN, GPIO.HIGH)  # 触发告警
    time.sleep(duration)
    GPIO.output(ALARM_PIN, GPIO.LOW)   # 复位

# 模拟缺陷检测结果
if defect_detected:
    trigger_alarm(5)  # 持续告警 5 秒
GPIO.cleanup()

2.5 硬件调试流程与常见误区

硬件搭建完成后，应按照以下顺序进行系统调试：第一步，单独测试摄像头成像，调整焦距与光圈，确保图像清晰、亮度均匀；第二步，固定光源并调节亮度，观察不同亮度下的图像直方图分布，目标为灰度均值在 120~160 之间，动态范围覆盖 0~255；第三步，测试 GPIO 告警链路，用万用表测量三极管基极电压（约 0.7V 时导通），确认继电器动作正常；第四步，联调摄像头与告警，模拟缺陷触发拍照并输出告警信号，记录从拍照到告警的延迟时间（通常应小于 500ms）。

常见误区包括：误区一，认为摄像头分辨率越高越好，忽略了镜头分辨率与传感器像素的匹配，导致“高像素低清晰度”；误区二，光源亮度调到最大，造成过曝和反光，反而丢失缺陷细节；误区三，GPIO 直接驱动继电器，导致 Pi 重启或烧毁；误区四，忽略电源纹波，使用劣质充电宝供电，导致图像出现横条纹干扰。正确的做法是使用线性稳压电源或工业级 DC-DC 模块，并在 Pi 电源输入端并联 100μF 电解电容和 0.1μF 陶瓷电容滤波。

硬件环境搭建完成后，应输出一份完整的硬件清单表，记录每个部件的型号、数量、连接方式、测试状态，并拍照存档。后续软件调试和算法优化都基于这套固定硬件环境，任何硬件变更都需重新进行成像质量验证。建议在机箱内粘贴 GPIO 引脚定义标签，方便现场维护人员快速定位。