2、工业视觉基础:机器视觉系统组成、成像原理、光源与镜头选型基础
工业视觉系统是旭日工业缺陷检测方案的核心感知层,其本质是通过光学成像与数字图像处理技术,替代人工目视检查,实现对产品表面缺陷、尺寸偏差、装配完整性的高速、高精度、可重复判定。理解机器视觉的系统组成、成像链路和关键光学器件选型逻辑,是设计可靠缺陷检测方案的前提。本章从系统架构出发,深入拆解成像原理,并重点讲解光源与镜头选型的工程方法。
上图展示了工业视觉检测系统的完整硬件链路。在实际工程中,光源、镜头、相机三者构成光学成像子系统,其配合质量直接决定图像中缺陷特征的可分辨程度。后续章节将围绕该链路逐一展开。
2.1 机器视觉系统组成与各模块职责
核心原理:一套完整的工业视觉系统由光学成像模块(光源、镜头、相机)、图像采集与传输模块(采集卡、线缆、接口协议)、图像处理与分析模块(算法库、深度学习模型)、控制与执行模块(PLC、机械臂、剔除阀)以及人机交互界面五大部分组成。在缺陷检测场景中,光学成像模块决定了“能否看到缺陷”,处理模块决定了“能否识别缺陷”,而控制模块则负责“如何处理缺陷”。
| 子系统 | 核心组件 | 在缺陷检测中的职责 | 典型选型/配置要点 |
|---|---|---|---|
| 光学成像 | 光源、镜头、相机 | 将缺陷特征转化为图像灰度/颜色差异 | 光源波长与角度匹配缺陷类型;镜头分辨率匹配最小缺陷尺寸 |
| 图像采集 | 采集卡、线缆、接口 | 高速无丢帧传输图像数据 | GigE Vision 理论带宽 1Gbps,实际有效约 800Mbps;CameraLink 适合高帧率 |
| 图像处理 | 工控机、算法库 | 缺陷分割、特征提取、分类判定 | CPU/GPU 算力需满足节拍要求,一般单张处理时间 < 50ms |
| 控制执行 | PLC、IO模块、剔除机构 | 根据检测结果触发剔除或报警 | IO 响应时间需小于产线节拍,通常要求 < 10ms |
| 人机交互 | 显示器、HMI | 实时显示缺陷图像、统计报表 | 需支持图像回放与缺陷类型追溯 |
2.2 成像原理:从光线到数字图像
核心原理:工业相机成像的本质是光电转换过程。光源发出的光照射到被测物体表面,物体表面不同区域对光的反射、吸收、散射特性不同,这些差异经镜头聚焦后投射到相机图像传感器的感光像元上,光信号转换为电荷信号,再经模数转换(ADC)成为灰度值。缺陷检测利用的正是缺陷区域与正常区域在反射率、颜色或高度上的差异。
成像质量的关键参数包括:
- 分辨率:相机传感器像元数量与镜头解像力的匹配。例如,检测 0.1mm 的最小缺陷,视场为 50mm×50mm 时,单像素物理尺寸需 ≤ 0.05mm,即至少需要 1000×1000 像素。
- 对比度:缺陷与背景的灰度差。对比度 = |灰度缺陷 - 灰度背景| / 255。对比度低于 0.2 时,传统阈值分割算法难以稳定提取缺陷。
- 景深:物体在光轴方向可清晰成像的范围。对于表面起伏较大的工件(如铸件),需要较小光圈或远心镜头来增大景深。
- 畸变:镜头引起的图像几何失真。在尺寸测量场景中,畸变需控制在 0.1% 以内,否则需进行标定校正。
焦距 f = 工作距离 WD × 传感器靶面尺寸 H / 视场宽度 FOV例如:使用 2/3 英寸相机(靶面宽 8.8mm),工作距离 300mm,需要拍摄 100mm 宽的视场,则焦距 f = 300 × 8.8 / 100 = 26.4mm,可选用 25mm 或 35mm 定焦镜头。
2.3 光源选型:颜色、角度与照明方式
核心原理:光源是工业视觉中最具“杠杆效应”的环节。合理的光源设计可以增强缺陷特征、抑制背景干扰,甚至简化后续算法。光源选型需考虑颜色(波长)、照明方式(前光/背光/同轴/低角度)和结构形式(环形/条形/点光源)。
光源颜色选择原则:
- 互补色增强:若缺陷与背景颜色不同,选择与背景颜色互补的光源颜色可增强对比度。例如,检测红色印刷字符时,使用蓝色光源(互补色)使字符变暗、背景变亮。
- 波长与材料穿透性:红外光(850nm/940nm)可穿透部分塑料、硅片,适合检测内部缺陷;蓝光(450nm)波长短,适合检测细微划痕。
- 避免环境光干扰:在工厂自然光或荧光灯环境下,可选用窄带滤光片配合对应波长的光源,滤除环境光。
照明方式对比:
| 照明方式 | 光路特征 | 适用缺陷类型 | 典型场景 |
|---|---|---|---|
| 高角度环形光 | 光线以 30°~60° 照射,镜面反射进入相机 | 划痕、压伤、凹陷 | 金属表面、PCB 焊点检测 |
| 低角度环形光 | 光线以 10°~20° 掠射,突出表面纹理 | 刻印字符、轻微凹凸 | 硬币字符、注塑件纹理 |
| 同轴光 | 光线经半反半透镜垂直照射,反射光垂直返回 | 高反光表面的平整度 | 晶圆表面、镜面金属 |
| 背光 | 光源置于物体后方,形成轮廓剪影 | 外形尺寸、孔洞、毛刺 | 精密零件尺寸测量 |
| 条形光(多角度) | 可独立控制各方向亮度 | 方向性缺陷(如拉痕) | 汽车零部件表面检测 |
2.4 镜头选型:焦距、光圈、畸变与接口
核心原理:镜头是连接物体与相机的“光学桥梁”,其作用是将物体清晰地成像在相机传感器靶面上。镜头选型需综合焦距(决定视场角)、光圈(决定进光量与景深)、光学畸变(影响测量精度)、接口类型(C/CS 卡口)以及像面尺寸(需覆盖相机靶面)。
选型操作流程:
- 确定视场(FOV)与工作距离(WD):根据被测物体尺寸和安装空间,确定需要拍摄的视场大小和镜头前端到物体的距离。
- 计算所需焦距:使用公式 f = WD × 传感器靶面尺寸 / FOV,选择接近的标准焦距(如 8mm、12mm、16mm、25mm、35mm、50mm)。
- 验证分辨率匹配:镜头的解像力(lp/mm)需大于相机像元尺寸对应的空间频率。例如,像元 3.45μm 的相机,其奈奎斯特频率约为 145 lp/mm,镜头需支持该分辨率。
- 检查畸变与景深:测量场景选用远心镜头(畸变 < 0.05%);表面检测可选用普通工业定焦镜头(畸变 < 1%)。
- 确认接口与法兰距:C 卡口法兰距 17.526mm,CS 卡口法兰距 12.5mm,两者需通过 5mm 接圈转换。
分析过程:① 检查发现镜头畸变在视场边缘达 1.2%,导致尺寸测量偏差;② 划痕方向与光源角度不匹配,反射光未进入相机。
改进措施:① 更换为 25mm 远心镜头,畸变降至 0.03%;② 将环形光源改为 4 通道条形光,分别从 0°、90°、180°、270° 方向照明,通过图像融合增强任意方向划痕的对比度。
结果对比:改进后,划痕对比度从 0.15 提升至 0.45,误检率降至 0.3%,漏检率为 0%。
复盘经验:微小缺陷检测必须同时考虑“看得见”(分辨率)和“看得清”(对比度),单一优化镜头或光源往往无法解决问题。
2.5 常见误区与总结复盘
常见误区:
- 误区一:相机分辨率越高越好。高分辨率带来更大的数据量,但若镜头解像力不足或光源对比度不够,高像素只是“放大模糊”。应优先保证对比度,再匹配分辨率。
- 误区二:光源越亮越好。过亮的光源会导致反光饱和,使缺陷区域与背景同时变为白色,反而降低对比度。应通过灰度直方图检查,确保缺陷区域灰度在 100~200 之间。
- 误区三:忽略环境光影响。工厂中的自然光、邻近设备灯光会引入不可控的干扰。应使用遮光罩或窄带滤光片,确保成像只依赖主动光源。
- 误区四:镜头与相机靶面不匹配。若镜头像面小于相机靶面,图像四角会出现暗角或黑边。选型时需确保镜头支持的最大像面 ≥ 相机靶面对角线。
① 先固定相机与镜头,调整工作距离和焦距,使视场覆盖目标区域;
② 再根据缺陷类型选择光源颜色与照明方式,通过实时图像观察对比度变化;
③ 最后调整光圈与曝光时间,平衡景深与运动模糊;
④ 若对比度仍不足,考虑使用偏振片、多光源融合或结构光方案。
通过系统化的光学调试,可显著降低后续算法开发的复杂度,提升检测系统的鲁棒性。