1. 工业成像系统概览

工业成像系统并不是“相机加镜头”这么简单。它是一条从光到决策的完整链路：光源把能量投射到被测物上，物体对光进行反射、透射或散射，镜头收集这部分被调制的光并成像到传感器，相机把光信号转成数字图像，再由算法提取特征、做出判断，最终驱动执行机构或输出检测结果。理解这条链路，是后续做光学选型与照明设计的前提。

Teledyne成像生态的构成

Teledyne在工业成像领域形成了覆盖“采、照、算、传”的完整生态。采集端以Teledyne DALSA、Teledyne e2v、Teledyne Photometrics等品牌为代表，提供面阵与线阵相机、CMOS与CCD传感器、短波红外与高速成像方案；照明端有Teledyne Lumenera等配套光源与成像组件；图像采集与传输端提供GigE Vision、Camera Link、CoaXPress、USB3 Vision等接口的采集卡与帧 Grabber；软件端则有Sapera LT、Teledyne DALSA Sherlock、Teledyne Vision Solutions等开发与算法平台。对选型者而言，这意味着可以在同一生态内完成相机、采集卡、软件与部分光学器件的匹配，减少接口与驱动层面的兼容风险。

需要强调的是，生态完整不等于可以跳过选型逻辑。相机分辨率再高，如果镜头解析力不足或照明对比度不够，最终图像仍然无法支撑检测。因此本章的重点不是罗列产品，而是建立“需求—光学—照明—相机—算法”的联动思维。

机器视觉系统的典型组成

一个典型的工业机器视觉系统通常包含五个部分：

• 被测对象与工位：决定视场大小、工作距离、运动速度与检测节拍。
• 照明单元：包括光源类型（环形、条形、同轴、背光、穹顶、点光源）、波长、驱动方式与安装角度。
• 光学单元：镜头（定焦、远心、微距、变倍）、滤镜、偏振片、延长管等。
• 成像与采集单元：相机、传感器、接口、采集卡、线缆与触发信号。
• 处理与执行单元：视觉软件、算法、通信接口（PLC、机器人、IO）与结果输出。

这五部分之间存在明确的参数耦合。例如视场（FOV）由传感器尺寸和镜头放大倍率共同决定；景深由光圈、放大倍率和允许弥散圆决定；运动模糊由曝光时间和物体速度决定。任何一项单独优化，都可能被另一项制约。

光学与照明在系统中的角色

光学系统决定“能不能看清”，照明系统决定“能不能看出差异”。两者分工不同，但必须协同。

镜头的核心任务是：在给定工作距离下，把被测区域以足够的解析力、对比度和几何保真度成像到传感器上。关键参数包括焦距、光圈、放大倍率、工作距离、视场、景深、分辨率（lp/mm）和畸变。对于精密尺寸测量，远心镜头可以消除透视误差；对于大视场定位，低畸变定焦镜头更经济。

照明的核心任务是：让被测特征与背景之间产生足够的灰度或颜色差异，同时抑制环境光干扰。常见策略包括：用背光突出轮廓，用同轴光突出镜面划痕，用低角度暗场突出表面凸起，用多角度组合光抑制反光。照明设计不是“越亮越好”，而是“对比度最优、稳定性最好、寿命与散热可控”。

典型应用场景

工业成像的应用可以按“测什么”粗略分为几类：

• 尺寸测量：如轴径、孔距、间隙，常用背光或远心镜头，追求亚像素边缘精度。
• 表面缺陷：如划痕、凹坑、脏污，常用暗场、同轴或低角度光，追求对比度。
• 装配验证：如螺丝有无、连接器到位、标签字符，常用环形光或穹顶光，追求均匀照明。
• 读码与字符识别：如DPM码、OCR，常用同轴光或红色/蓝色波长增强对比。
• 定位与引导：如机器人抓取，常用全局均匀照明，追求稳定特征点。

不同场景对光学和照明的优先级不同。测量类优先保证几何精度，缺陷类优先保证对比度，读码类优先保证局部清晰度与均匀性。

选型流程总览

面对一个新项目，建议按以下顺序推进，避免“先买相机再配镜头”的常见错误：

1. 明确检测目标与精度：要测什么、精度多少、误判率要求、节拍多少。
2. 确定视场与工作距离：由工位空间和被测物尺寸决定FOV与WD。
3. 计算所需分辨率：按“最小特征尺寸 / 像素数”估算，通常取3～5像素覆盖一个特征。
4. 选择光学方案：根据精度选远心或普通镜头，根据FOV和WD算焦距与放大倍率。
5. 设计照明方案：根据特征对比需求选光源类型、波长、角度和驱动方式。
6. 匹配相机与接口：根据分辨率、帧率、接口带宽和触发方式选相机与采集卡。
7. 验证与迭代：搭建样机，采集图像，评估对比度、均匀性、重复性与稳定性，再调整。

下面用一张结构关系图把上述链路和关键参数串起来，便于在选型时快速定位“当前问题出在哪一环”。

把这张图当作选型时的“检查地图”：当图像对比度不足时，优先回到照明单元；当边缘模糊或测量偏差大时，优先检查光学单元与景深；当帧率或传输丢帧时，回到成像与采集单元。每一环都有明确的参数抓手，而不是凭经验反复试错。

一个简化的选型示例

假设要检测一个直径约20 mm的金属零件上的划痕，要求最小可检划痕宽度0.05 mm，工位空间允许工作距离约200 mm，节拍要求每秒3件。

第一步，按3像素覆盖最小特征估算：所需像素数 ≈ 0.05 mm / 3 ≈ 0.0167 mm/pixel。若视场取30 mm，则水平分辨率至少 30 / 0.0167 ≈ 1800 pixel，可选用200万像素（1600×1200）或500万像素（2448×2048）相机。第二步，由FOV 30 mm、WD 200 mm估算镜头焦距：对于普通镜头，焦距 f ≈ WD × 传感器尺寸 / FOV。以1/1.8英寸传感器（约7.2 mm宽）为例，f ≈ 200 × 7.2 / 30 ≈ 48 mm，可选50 mm定焦镜头。第三步，划痕属于表面缺陷，优先考虑低角度暗场或同轴光，波长可选蓝色以增强金属表面散射差异。第四步，验证时观察划痕与背景的灰度差是否大于30个灰度级、图像四角均匀性是否在±10%以内，若不满足则调整光源角度或增加偏振片。

这个示例中的数值均为教学假设，实际项目需以现场测试为准。但它展示了选型的核心逻辑：先由精度反推分辨率，再由视场和工作距离反推焦距，最后由缺陷类型决定照明策略，而不是反过来。