1. 课程导入与Teledyne技术生态概览

工业缺陷检测并不是简单地“买一台相机、装一套软件”就能解决的问题。它本质上是一条从物理世界的光信号出发，经过成像、采集、传输、算法判断，最终落到产线执行动作的完整信号链。任何一环的偏差——镜头选型不当、光源角度错误、触发时序抖动、算法阈值过松——都会直接表现为漏检或误检。本课程的目标，是让读者具备独立设计并部署一套可用的Teledyne工业缺陷检测系统的能力，而不是停留在会调用某个API的层面。

学习目标

完成本课程后，读者应当能够：第一，根据被检对象的材质、缺陷类型与产线节拍，推导出对分辨率、景深、曝光时间、帧率的基本约束；第二，在Teledyne的产品矩阵中完成相机、采集卡、光源控制器与软件平台的合理组合；第三，独立完成从光学搭建、触发接线、参数配置到算法调参与结果验证的完整闭环；第四，面对漏检、误检、图像不稳定等典型问题时，能够按信号链逐级定位，而不是盲目更换硬件。

需要强调的是，本课程中的参数、图像数据与检测结果，除特别说明外均为教学示例或合理假设，用于说明推导过程与判断依据，不代表任何具体产线的实测值。读者在实际项目中必须以现场标定与试产数据为准。

工业缺陷检测的价值链

把缺陷检测放到制造价值链中看，它的价值并不只体现在“挑出坏品”。一条完整的检测链路通常包含四个层次的价值：

• 质量拦截：在关键工序后剔除不良品，防止缺陷流入下游造成更大损失。这是最直接、最容易量化的价值。
• 过程反馈：把缺陷的类型、位置、频次统计出来，反向暴露上游工艺的漂移。例如某批次划痕集中在同一侧，往往指向传送机构的机械磨损。
• 工艺闭环：将检测结果与设备参数联动，实现自动补偿或停机报警，把“检测”升级为“控制”。
• 数据资产：长期积累的缺陷图像与标签，是训练更优模型、追溯质量问题、支撑客户审核的基础。

理解这条价值链的意义在于：系统设计时不能只盯着“能不能检出”，还要考虑检测结果如何被使用。如果下游需要按缺陷类型分流，那么算法输出就必须包含分类信息与置信度，而不是一个简单的OK/NG信号。

Teledyne在成像与检测领域的产品矩阵

Teledyne在工业成像领域的布局覆盖了从传感器到系统软件的多个层级，理解这个矩阵是选型的基础。可以按功能把它们分为四类：

选型的基本逻辑是“从缺陷反推硬件”。例如检测金属表面的微小划痕，缺陷宽度约0.05 mm，要求视场宽度200 mm，那么单行至少需要200/0.05=4000个像素才能让缺陷占据一个像素；考虑检测余量通常要求缺陷占2~3个像素，则分辨率需求上升到8000~12000像素，此时线扫相机比面阵相机更合适。再比如检测透明薄膜内部的杂质，普通明场成像对比度极低，就需要考虑偏振成像或暗场照明配合特定波段的相机。

系统设计部署的整体框架

一套可落地的检测系统，其设计部署过程可以归纳为五个相互衔接的阶段，每个阶段都有明确的输入与输出，不能跳步。

第一阶段：需求与可行性分析。明确缺陷定义（类型、尺寸、位置、允许的漏检率与误检率）、产线节拍、安装空间、环境条件（温度、振动、粉尘）。这一阶段的输出是一份量化的检测指标，例如“划痕宽度≥0.05 mm，漏检率≤0.5%，误检率≤2%，节拍≤300 ms/件”。

第二阶段：光学与硬件选型。根据指标计算分辨率、视场、景深、曝光时间，选择相机类型与接口，确定光源方案与镜头。这一阶段最容易出错的是忽略景深与运动模糊：若产线速度0.5 m/s，曝光时间200 μs，则运动模糊量为0.1 mm，已经超过0.05 mm的缺陷尺寸，必须缩短曝光或采用频闪光源。

第三阶段：机械与电气集成。完成相机支架、光源支架、触发传感器、编码器、采集卡与工控机的安装与接线。触发时序是这一阶段的核心，需要保证相机曝光与工件位置严格对应。

第四阶段：软件配置与算法调参。配置采集参数（增益、曝光、白平衡、触发模式），建立图像处理流程（预处理、定位、特征提取、判定），设定阈值并保存配方。对于复杂缺陷，可引入深度学习模型，但必须准备足够的标注样本并划分训练/验证集。

第五阶段：验证与迭代。用已知缺陷的标准样件与正常样件进行测试，统计漏检率、误检率与节拍，绘制混淆矩阵，定位错误来源。若指标不达标，回到对应阶段调整，而不是在软件端反复调阈值掩盖硬件问题。