1. 工业缺陷检测概述

大家好，我是你们这门课的老朋友。在机器视觉这行摸爬滚打了十几年，我见过太多因为硬件选型不对，导致整个项目推倒重来的案例。今天咱们聊的，是整个课程的基石——工业缺陷检测到底是什么？为什么它这么难？硬件适配又凭什么这么重要？

1.1 什么是工业缺陷检测

说白了，工业缺陷检测就是用机器视觉系统，代替人眼去发现产品表面的瑕疵。你想想看，一个手机屏幕上的划痕，一个轴承滚珠上的麻点，或者一块电路板上的焊锡短路——这些缺陷，人眼盯着看几分钟就花了，但机器可以24小时不眨眼地干。

我习惯把缺陷检测分成三类：

• 表面缺陷：划痕、压痕、脏污、气泡、裂纹。这类最常见，也最考验打光方案。
• 尺寸缺陷：长度、宽度、直径、圆度超差。这类对相机分辨率和标定精度要求高。
• 内部缺陷：气孔、夹杂、分层。这类通常需要X光或超声波，不在本课程重点范围。

1.2 行业痛点与挑战

说实话，这个行业看着光鲜，实际干起来全是坑。我给大家列几个最头疼的：

痛点	具体表现	我的亲身经历
缺陷多样性	同一种产品，缺陷形态千变万化	我曾经做过一个金属件项目，光是划痕就分了7种形态，每种打光角度都不一样
速度与精度矛盾	产线节拍要求高，但检测精度不能降	有个客户要求每分钟检测600个零件，同时要检出0.1mm的缺陷，最后只能上多相机并行
环境干扰	振动、灰尘、温度变化影响成像稳定性	在冲压车间，相机支架被震得图像都在抖，后来换了重型支架才解决
样本稀缺	缺陷样本太少，算法训练困难	刚开始做深度学习时，客户只给了20张缺陷图，我硬是用了数据增强才凑够
硬件选型复杂	相机、镜头、光源、采集卡，排列组合太多	光是一个光源颜色，我就试过红蓝白三色，最后发现红外效果最好

1.3 硬件适配的重要性

为什么我要把硬件适配单独拿出来讲？因为太多人只盯着算法，忽略了成像质量。你想想看，如果相机拍出来的图本身就糊，再牛的算法也救不回来。

硬件适配的核心，我总结成四个字：匹配和稳定。

• 匹配：相机分辨率要匹配检测精度，镜头焦距要匹配工作距离，光源波长要匹配材料特性。
• 稳定：硬件要能扛住产线的振动、温度变化、电磁干扰，保证图像质量始终如一。

下面这张图，是我自己总结的硬件适配知识体系，大家可以先有个整体印象：

1.4 硬件适配的四个关键维度

为了让大家更清楚，我把硬件适配拆成四个维度，每个维度都有具体的考量点：

维度	关键参数	常见问题	我的建议
相机	分辨率、帧率、像元尺寸、传感器类型	分辨率够但帧率跟不上产线速度	先算产线节拍，再反推相机帧率需求
镜头	焦距、光圈、畸变、景深	畸变导致测量不准	高精度测量必须用远心镜头
光源	颜色、角度、亮度、均匀性	打光不均匀导致误检	先用环形光试，不行再换同轴或背光
采集卡	接口类型、带宽、触发方式	带宽不够导致丢帧	多相机系统优先选10GigE或Camera Link

1.5 本章小结

好了，这一章咱们把工业缺陷检测的底子打好了。你记住三句话：

• 缺陷检测的本质是成像质量决定算法上限。
• 行业痛点集中在多样性、速度、环境、样本、选型五个方面。
• 硬件适配是匹配+稳定，不是选最贵的，而是选最合适的。