3. 视觉检测系统组成与数据流
视觉检测系统并不是“相机加算法”这么简单。它是一条由光学、电子、计算与通信共同构成的信号链：光子从被测物表面出发，经镜头成像、传感器光电转换、采集卡数字化、计算单元处理，最终变成一条可追溯的判定结论。理解这条链路上每个环节的输入输出与约束，是后续构建证据链、定位误判根因的前提。
本节按“物理对象—信号形态—数据通路”三个层次展开，先明确各部件在链路中的位置与职责，再说明数据如何从二维图像演化为结构化决策结果，最后给出可落地的参数配置与验证方法。
一、系统六大组成部件及其职责边界
一套典型的工业视觉检测系统由以下六类部件构成，它们各自承担不可替代的职责：
- 光源：主动构造被测特征与背景的对比度。常见形式包括环形光、条形光、同轴光、背光、穹顶光。光源决定“特征是否可见”，是整条链路中最容易被低估却影响最大的一环。
- 镜头：把物方光场按确定比例映射到像面。核心参数为焦距、工作距离、视场（FOV）、景深（DOF）、光圈与畸变。镜头决定“成像是否清晰、比例是否准确”。
- 相机（图像传感器）：完成光电转换与曝光积分。关键参数为分辨率、像元尺寸、快门类型（全局/卷帘）、帧率、位深、量子效率。相机决定“采样密度与时间精度”。
- 采集卡/接口：把相机输出的模拟或数字信号稳定搬入主机内存。常见接口有 GigE Vision、USB3 Vision、Camera Link、CoaXPress。采集卡决定“带宽与触发同步能力”。
- 计算单元：执行预处理、特征提取、检测算法与决策逻辑。可以是工控机+GPU、嵌入式SoC或智能相机内部处理器。计算单元决定“算法复杂度上限与节拍”。
- 通信接口：把判定结果、图像证据、状态信息传递给PLC、MES或追溯数据库。常见协议有 Modbus TCP、Profinet、OPC UA、TCP Socket、MQTT。通信接口决定“结果能否被下游消费与留痕”。
需要强调的是，这六者不是并列关系，而是串联关系：前一级的输出质量构成后一级的输入上限。镜头选错，再高的相机分辨率也无法恢复细节；光源对比度不足，再强的算法也只能在噪声中挣扎。
二、从光子到决策：数据通路的五个阶段
下面这张图给出本节的核心数据流。它把六个部件映射到五个信号阶段，并标注了每个阶段的信号形态与关键约束。
图中橙色虚线表示反馈控制路径：计算单元根据图像质量动态调整曝光时间、增益或光源强度。这条反馈路径是保证长时间稳定运行的关键，尤其在环境光波动或工件表面反射率变化的场景中。
三、关键参数如何影响最终判定
下面用一组教学示例参数说明各环节的耦合关系。假设检测对象为 30mm×20mm 的金属接插件，需要识别 0.1mm 级的引脚偏移。
| 环节 | 示例参数 | 对下游的影响 |
|---|---|---|
| 光源 | 蓝色同轴光，波长 470nm，亮度可调 | 金属表面反射强，同轴光可抑制杂散反射，提升引脚边缘对比度 |
| 镜头 | 焦距 35mm，工作距离 200mm，FOV 40mm×30mm，畸变<0.1% | FOV 需覆盖工件并留 30% 余量；畸变过大会导致尺寸测量系统性偏差 |
| 相机 | 500万像素（2448×2048），像元 3.45μm，全局快门，12bit | 单像素对应物方约 0.016mm，满足 0.1mm 检测的 6 倍采样裕度 |
| 采集卡 | GigE Vision，千兆网，帧率 30fps | 带宽需满足 2448×2048×12bit×30fps ≈ 1.8Gbps，千兆网需压缩或降帧 |
| 计算单元 | 工控机 i7 + GPU，单帧处理耗时 25ms | 节拍需匹配产线 30件/分钟，即 2s/件，余量充足 |
| 通信接口 | Modbus TCP 输出 OK/NG + 缺陷坐标 | PLC 接收后执行分拣；同时写入追溯数据库 |
注意采集卡带宽这一项：2448×2048×12bit×30fps 的理论数据率约为 1.8Gbps，而千兆网实际有效带宽约 900Mbps。这意味着要么降低帧率至 15fps，要么使用 8bit 输出，要么改用万兆网或 CoaXPress。这个计算必须在选型阶段完成，而不是等到现场调试时才发现丢帧。
四、从图像到决策的算法数据流
计算单元内部的处理并非一步到位，而是分阶段把像素矩阵逐步抽象为结构化结果：
- 预处理：去噪、平场校正、ROI 裁剪。目的是消除光源不均与传感器暗电流影响，同时减少后续计算量。
- 定位与配准：通过模板匹配或特征点找到工件基准，把图像坐标对齐到工件坐标。这一步决定了后续测量的可重复性。
- 特征提取：边缘检测、Blob 分析、亚像素测量。输出的是尺寸、位置、面积等数值。
- 判定：将测量值与公差带比较，输出 OK/NG 及缺陷类型。判定阈值通常来自工艺规格，而非算法自行决定。
- 证据封装：把原始图像、ROI 截图、测量值、判定结果、时间戳、工件 ID 打包成一条追溯记录。
其中第 5 步是“证据链”课程的核心：没有证据封装的判定，只是一次性结果，无法在出现客诉或批次异常时回溯原因。一条完整的追溯记录至少应包含：工件唯一标识、检测时间、使用的配方版本、关键测量值、判定结论、以及可复现的原始图像或特征图。
五、常见的数据流瓶颈与排查方向
当系统出现漏检、误判或节拍不达标时，按数据流方向逐级排查比盲目调算法更有效：
- 图像本身模糊或对比度低：优先检查光源角度、亮度、镜头对焦与光圈，而非算法参数。
- 图像正常但测量值跳动：检查工件定位是否稳定、触发信号是否与运动同步、曝光时间是否过短导致信噪比不足。
- 单帧处理正常但连续运行丢帧：检查采集卡带宽、网卡巨帧设置、CPU 占用率与内存拷贝次数。
- 判定正确但追溯记录缺失：检查通信接口的握手逻辑、数据库写入是否阻塞、异常时是否有降级策略。
把这条数据通路理解成一条“信息保真链”，每个环节都问三个问题：输入是什么形态？输出是什么形态？这个转换会损失什么？回答清楚这三个问题，系统选型、调试与故障定位都会变得有据可依。