1. 课程导入与系统架构总览

工业视觉在线检测系统，是指在生产节拍内，利用工业相机、光源、镜头、图像采集与计算单元，对连续经过工位的产品自动完成成像、定位、测量、判别与结果输出的软硬件整体。它的核心价值不是“拍一张照片”，而是在产线速度、环境波动和产品差异同时存在的条件下，稳定给出可追溯的判定结果，并把结果及时交给执行机构或上位系统。

理解这个定义，关键要抓住三个边界。第一是时间边界：在线检测必须在节拍内完成，例如产线节拍为 600 ms/件，则从触发、曝光、传输、处理到输出结果的总时间通常要控制在 400 ms 以内，给通信和机构动作留出余量。第二是空间边界：系统只对相机视场、光源覆盖和机构可达范围内的特征负责，超出视场的缺陷不能算作系统漏检。第三是责任边界：视觉系统负责给出判定和置信信息，剔除、分拣、停机等动作由 PLC、机器人或执行机构完成，接口协议和时序必须提前定义。

一个典型的在线检测系统由六类对象组成：被检对象（产品、表面、尺寸、字符或装配特征）、成像单元（相机、镜头、光源、滤光片）、采集与计算单元（采集卡、工控机、GPU 或智能相机）、执行与通信单元（PLC、I/O、以太网、机器人）、人机交互单元（HMI、配方、报警、统计）以及数据与追溯单元（图像存储、结果日志、MES 接口）。这些对象不是简单堆叠，而是按“感知—采集—处理—决策—执行—追溯”的信号链协同工作。

从架构分层看，系统可以划分为感知层、采集层、处理与决策层、执行与通信层、数据与追溯层。感知层决定“能不能拍到、拍得清不清”；采集层决定“图像能否稳定、准时进入计算单元”；处理与决策层决定“算法能否在节拍内给出可信结果”；执行与通信层决定“结果能否被正确使用”；数据与追溯层决定“问题能否复现、系统能否持续改进”。五层之间既有自上而下的控制流，也有自下而上的反馈流，例如检测结果会反向影响曝光参数、阈值和模型版本。

学习这门课程，建议沿着“对象—信号—算法—系统—工程”的路径推进。先认识被检对象和成像对象，再理解触发、曝光、传输、处理、输出这条信号链，然后掌握定位、测量、缺陷检测和分类判定的基本方法，最后把单点算法放进整机系统中，考虑节拍、通信、标定、维护和追溯。工程目标可以概括为四个可验证指标：检出率（例如目标缺陷检出率不低于 99.5%）、误判率（例如误报率不高于 0.3%）、节拍满足度（单件处理时间小于节拍余量）和可追溯性（每件产品可关联图像、结果、时间戳和配方版本）。

以一个典型教学示例说明：某零件外径检测工位，产线节拍 600 ms/件，允许视觉处理时间 400 ms。选用 500 万像素 GigE 相机，视场 80 mm × 60 mm，则单像素对应约 0.035 mm；外径公差 ±0.05 mm，理论上需要至少 3 个像素覆盖公差带，因此该分辨率满足示例要求。光源采用环形白光，曝光时间设为 800 μs，触发方式为编码器硬触发。算法流程为：ROI 提取 → 亚像素边缘定位 → 圆拟合 → 外径计算 → 与阈值比较 → 输出 OK/NG。若连续 20 件中 NG 判定均集中在同一侧边缘，应优先检查光源均匀性和镜头畸变，而不是直接调整阈值。

本课程后续会围绕这条主线展开：从成像与采集，到算法与判定，再到系统集成、标定、通信、可靠性与工程交付。每一章都会尽量给出可观察的对象、可配置的参数和可判断的结果，帮助你把“知道”变成“能做”，再把“能做”变成“能稳定交付”。