2、机器视觉基础：成像原理、光源类型（环形光、同轴光、背光等）、镜头与相机选型基础
机器视觉系统的本质，是通过光学成像与数字信号处理，将物理世界的灰度、颜色、几何特征转化为可供算法分析的数据。在产线落地场景中，成像质量直接决定了后续图像处理算法的复杂度与稳定性。一个看似简单的“拍清楚”需求，背后涉及光源方向、波长、镜头畸变、相机靶面、曝光时序等多维参数的耦合。本章从成像链路出发，系统讲解光源选型逻辑、镜头与相机的匹配方法，并给出可复用的工程判断框架。
2.1 成像原理与光学基础
机器视觉成像的本质是光与物质相互作用后的信息记录。光源发出的光照射到被测物体表面，经过反射、折射、吸收或透射后，由镜头收集并聚焦到相机传感器上，传感器将光信号转换为电信号，再经模数转换形成数字图像。这一过程中，影响图像质量的关键物理量包括：照度（单位面积上的光通量）、对比度（目标与背景的灰度差异）、分辨率（最小可分辨细节）以及景深（清晰成像的深度范围）。
在产线应用中，理解成像原理的核心在于建立“光学参数-图像特征”的映射关系。例如，当检测目标为金属表面的划痕时，由于划痕与周围区域对光线的反射方向不同，采用低角度环形光可以增强划痕与背景的灰度差异；而当检测透明薄膜内的气泡时，则需要背光照明，利用气泡对光线的折射产生暗斑。因此，成像原理不仅是物理光学知识的堆砌，更是工程选型的逻辑起点。
① 需要检测的特征是吸收光、反射光还是透射光？
② 目标与背景的灰度差异在何种光照方向下最大？
③ 产线节拍允许的最短曝光时间是多少（决定是否需要频闪光源）？
2.2 光源类型与选型逻辑
光源是机器视觉系统中成本最低但影响最大的环节。不同类型的光源通过改变入射角度、光谱成分和照明方式，直接影响图像的对比度与稳定性。以下是产线中最常用的四种光源类型及其适用场景。
| 光源类型 | 结构特点 | 典型应用场景 | 优势 | 局限性 |
|---|---|---|---|---|
| 环形光 | LED呈环形排列，光线以一定角度倾斜照射 | PCB焊点检测、字符识别、金属表面划痕 | 安装方便，能突出三维轮廓 | 对高反光表面易产生光斑 |
| 同轴光 | 光线经半透半反镜垂直照射，反射光垂直进入镜头 | 晶圆表面、玻璃基板、高反光平面 | 消除阴影，均匀照亮平面 | 光强损失较大，对凹陷不敏感 |
| 背光 | 光源置于被测物后方，形成轮廓剪影 | 尺寸测量、边缘定位、透明物内部缺陷 | 对比度极高，边缘锐利 | 无法检测表面纹理与颜色 |
| 条形光 | LED呈条状排列，可多角度组合 | 大尺寸工件、曲面检测、纹理增强 | 角度灵活，可组合使用 | 均匀性需调试 |
光源选型的工程判断流程通常遵循以下步骤：首先，明确检测目标是表面特征还是轮廓特征；其次，分析被测物体的材质（金属、塑料、玻璃、织物等）与表面状态（光滑、粗糙、反光）；然后，根据现场空间限制选择光源形状；最后，通过试拍验证对比度是否满足算法要求。值得注意的是，光源的颜色选择同样重要——互补色增强对比，同色系则减弱对比。例如，红色光源照射绿色PCB板，会使板面变暗而焊点变亮，从而增强焊点检测的可靠性。
2.3 镜头选型基础
镜头是连接光源与相机的光学桥梁，其核心参数包括焦距、光圈、畸变、景深和接口类型。焦距决定了视场角的大小，焦距越短，视场角越大，相同工作距离下覆盖的范围越广。光圈控制进光量，光圈值（F值）越小，进光量越大，但景深越浅。在产线检测中，通常需要兼顾分辨率与景深，因此需要根据被测物体的厚度和允许的垂直公差来综合选择。
镜头选型的计算流程如下：首先，确定视场（FOV）——即需要覆盖的被测区域尺寸；其次，根据相机传感器靶面尺寸（如1/1.8英寸、2/3英寸）计算所需焦距；然后，检查所选镜头的畸变率是否满足测量精度要求；最后，验证接口类型（C接口、CS接口）与相机匹配。对于高精度测量场景，远心镜头是更优选择，因为它能消除透视误差，保证不同高度的物体成像尺寸一致。
2.4 相机选型基础
工业相机的选型主要围绕传感器类型、分辨率、帧率、接口和触发方式展开。传感器类型分为CCD与CMOS，当前CMOS凭借高帧率、低功耗和低成本已成为主流，但高灵敏度场景仍可考虑CCD。分辨率的选择取决于最小检测特征与视场的比值——例如，要检测0.1mm的缺陷，视场为50mm×50mm，则至少需要500×500像素，考虑边缘冗余，建议选择1280×1024或更高分辨率。
帧率决定了产线节拍的上限。若产线节拍为每秒5件，则相机帧率至少需要5fps，但实际选型建议留有30%以上余量，以应对触发抖动和曝光时间占用。接口方面，GigE Vision适合中长距离传输（100米内），USB3.0适合短距离高速传输，CameraLink适合超高帧率场景。触发方式上，硬件触发（外部传感器信号）比软件触发更可靠，尤其适用于高速运动物体的抓拍。
2.5 实战案例：连接器Pin针检测的光学方案设计
背景与约束：某汽车电子产线需要对连接器Pin针进行外观检测，检测项包括Pin针弯曲、表面划痕和氧化变色。产线节拍为3秒/件，工作距离限制在80-120mm之间，现场环境存在环境光干扰。
初始现象与目标：初始使用普通环形光照明，图像中Pin针表面反光严重，划痕与背景灰度差仅15-20，算法误判率高达12%。目标是将误判率降至1%以下，同时保证检测节拍不降低。
关键输入数据与参数：Pin针直径为1.5mm，长度为12mm，表面为镀金层（高反光）。相机选用500万像素CMOS，靶面2/3英寸，镜头焦距25mm，工作距离100mm时视场约40mm×30mm。
分析判断过程：高反光表面导致镜面反射，环形光的倾斜照射产生大面积光斑。划痕属于亚表面缺陷，需要掠射角照明才能增强散射。氧化变色属于颜色变化，需要特定波长的光来增强色差。
实际操作步骤：① 将环形光更换为低角度环形光（入射角约15°），减少镜面反射；② 增加一个同轴光通道用于检测Pin针顶部的平面区域；③ 使用蓝色光源（波长460nm）增强氧化层与镀金层的灰度差异；④ 调整曝光时间至2ms，配合硬件触发，避免环境光干扰。
结果对比：改进后，划痕与背景灰度差提升至55-65，氧化变色区域灰度差达到40以上，算法误判率降至0.6%，检测节拍保持3秒/件不变。
风险与代价：增加同轴光通道使光源成本上升约30%，且需要额外的光源控制器通道。低角度环形光对安装位置精度要求较高，需设计微调机构。
复盘经验：高反光表面的检测应优先考虑掠射角照明，而非单纯增加光强；多光源组合时，需通过时序控制避免相互干扰；光源调试应使用灰度直方图量化评估，而非仅凭肉眼观察。
2.6 常见误区与总结复盘
在机器视觉光源与选型实践中，以下误区值得特别注意：
- 误区一：光源越亮越好。过亮的光源会导致传感器饱和，丢失灰度层次，反而降低检测精度。正确做法是保证目标与背景灰度差最大，而非整体亮度最高。
- 误区二：镜头分辨率越高越好。镜头分辨率需与相机像素尺寸匹配，过高的镜头分辨率不会提升图像质量，反而增加成本。
- 误区三：忽略环境光影响。产线中的自然光、其他设备指示灯都可能干扰成像，应通过遮光罩、滤光片或频闪照明来抑制。
- 误区四：先选相机再选光源。正确的顺序是先确定光源方案，再根据光源下的成像效果选择相机，因为光源对图像质量的影响远大于相机。