2. 工业场景与成像需求定义

在工业视觉项目中，真正决定成败的往往不是相机像素有多高，而是需求定义是否准确。一个常见的失败模式是：工程师拿到"检测划痕"的需求后直接选了一套500万像素相机加远心镜头，结果上线后发现0.05mm的浅划痕在图像中对比度不足，或者产线速度提升后运动模糊导致漏检。问题的根源在于，工艺语言（"划痕""脏污""尺寸超差"）与成像链规格（分辨率、景深、曝光时间、对比度）之间缺少一座翻译的桥梁。本节的核心任务，就是建立这座桥梁。

一、检测对象与缺陷类型的结构化描述

工业检测对象可以按材质与几何特征分类：金属冲压件、注塑件、玻璃盖板、PCB焊点、锂电池极片、纺织面料、药品泡罩等。不同对象对光的响应差异极大——抛光金属以镜面反射为主，注塑件可能同时存在高光与漫反射区域，而黑色橡胶几乎吸收全部可见光。因此，描述检测对象时至少要明确：材质、表面粗糙度、颜色、几何尺寸范围、曲率变化、以及是否存在镀层或油污。

缺陷类型则需要从三个维度刻画：几何维度（划痕、裂纹、缺料、毛刺、变形）、光学维度（色差、污渍、氧化、褪色）、位置维度（表面、亚表面、边缘、孔内）。以手机玻璃盖板为例，划痕可能出现在视窗区或油墨区，前者要求高对比度暗场成像，后者可能需要同轴光或低角度环形光。缺陷的最小尺寸、对比度特征、出现概率和分布规律，直接决定了后续光学方案的选择空间。

二、需求指标的量化方法

将工艺问题转化为可计算的指标，是成像链设计的核心工作。以下五项指标最为关键：

• 分辨率：以最小可检缺陷尺寸为基准。根据采样定理，缺陷在图像中至少占2~3个像素才能被稳定识别。若最小缺陷为0.1mm，则系统光学分辨率应优于0.05mm/pixel，对应视场和相机像素即可反推。
• 景深：由检测对象的高度变化范围决定。若工件表面起伏±2mm，则景深至少需覆盖4mm，同时要考虑镜头光圈与衍射极限的平衡。
• 速度：由产线节拍决定。若每分钟检测120件，每件需拍摄4个面，则单次拍摄周期为125ms，扣除传输与处理时间，曝光时间可能需压缩至1ms以内，此时运动模糊量=速度×曝光时间，必须小于1个像素。
• 对比度：缺陷与背景的灰度差。通常要求信噪比≥3:1，对于低对比度缺陷（如浅划痕），需通过光源角度、波长或偏振来增强。
• 稳定性：包括光照稳定性、温度漂移、振动影响。可量化为：连续8小时运行中，同一标准件的灰度均值波动不超过±2%，否则需增加闭环反馈或恒流驱动。

三、从需求到成像链规格的转化逻辑

转化过程不是单向的，而是"需求→约束→方案→验证"的迭代。以金属表面划痕检测为例：工艺要求检出0.2mm宽、深度约5μm的划痕，工件为圆柱面，直径30mm，产线速度0.5m/s，视场需覆盖整个圆周展开面。首先计算分辨率：0.2mm缺陷需占3像素，则像素当量≤0.067mm/pixel；圆周展开长度约94mm，对应相机至少1400像素，选200万像素（1600×1200）相机可满足。景深方面，圆柱面曲率导致边缘离焦，若镜头工作距离200mm，光圈F8，景深约±3mm，需评估边缘是否超出。速度方面，曝光时间若为0.5ms，运动模糊=0.5m/s×0.5ms=0.25mm，超过像素当量，必须缩短曝光至0.1ms或采用频闪光源。对比度方面，金属划痕在明场下对比度低，改用低角度暗场照明，使划痕散射光进入镜头，背景保持暗态，对比度可提升3~5倍。

四、需求规格表与验证闭环

将上述推导整理为一份可执行的成像链规格表，是项目落地的关键交付物。规格表应包含：检测对象描述、缺陷类型与最小尺寸、像素当量、视场、景深、曝光时间、光源类型与角度、相机接口与帧率、镜头焦距与光圈、以及验证标准。验证标准必须可量化，例如"使用标准划痕样板，在连续100次拍摄中，划痕区域与背景的灰度差均值≥30灰度级，标准差≤5灰度级"。

五、迭代与验证

成像链设计不是一次成型的。在完成初步选型后，必须搭建测试平台，用实际工件或标准缺陷样板进行验证。验证时重点关注：缺陷是否可稳定检出、边缘是否清晰、背景是否均匀、连续运行是否漂移。若发现对比度不足，优先调整光源角度或波长；若发现运动模糊，优先缩短曝光并提高光源亮度；若发现景深不够，优先缩小光圈或改用远心镜头。每次调整后重新测量关键指标，直到满足规格表要求。只有经过验证的成像链，才能进入算法开发与产线部署阶段。

总结来说，工业场景与成像需求定义的本质，是把模糊的工艺语言翻译成精确的工程参数。这一过程需要同时理解检测对象的物理特性、缺陷的光学表现、以及成像系统的物理极限。掌握这套转化方法，就能在项目初期避免方向性错误，为后续的光学选型与图像质量工程打下坚实基础。