1. 缺陷检测概述

大家好，我是老张。在产线摸爬滚打了十几年，今天咱们聊聊缺陷检测。说白了，就是用机器眼睛代替人眼，在产线上快速找出有问题的产品。

你想想看，一条产线每分钟跑几百个零件，靠人工一个个看？不现实。人眼会疲劳，会漏检，而且速度跟不上。机器视觉就不一样了，它不知疲倦，标准统一，还能把数据存下来分析。

1.1 缺陷检测在产线中的价值

我见过太多工厂，因为一个微小缺陷没检出，导致整批产品退货。损失的不只是钱，还有客户信任。缺陷检测的价值，我总结为三点：

• 拦截不良品：不让缺陷品流到下一工序或客户手中
• 反馈工艺：发现缺陷趋势，倒推上游工艺问题
• 降本增效：减少人工复检，提升产线节拍

举个例子。我之前帮一家手机壳厂做项目，他们产线原来靠10个人目检，每天漏检率在3%左右。上了视觉系统后，漏检率降到0.1%以下，而且只留了2个人做抽检确认。这就是价值。

1.2 常见缺陷类型

产线上的缺陷五花八门，但归纳起来，主要就这四类。我按出现频率排了个序：

缺陷类型	典型表现	常见场景	检测难点
划痕	表面线状凹痕，有方向性	金属件、玻璃、塑料外壳	与纹理易混淆，反光干扰大
脏污	油渍、灰尘、指纹、胶水残留	电子元件、光学镜片、食品包装	形态不规则，对比度变化大
缺料	注塑不满、冲压缺角、漏装零件	注塑件、冲压件、装配产线	位置不固定，需精确定位
变形	弯曲、翘曲、尺寸超差	钣金件、注塑件、PCB板	需参考基准，测量精度要求高

嗯，这里要注意。实际产线上，缺陷往往不是单一出现的。比如一个注塑件，可能同时有划痕和缺料。所以检测算法要能处理复合缺陷。

1.2.1 划痕检测

划痕是最常见的缺陷。我做过一个项目，检测手机中框的划痕。那东西表面是拉丝纹理，划痕和纹理长得特别像。一开始用常规算法，误检率高达30%。后来换了思路，用方向滤波加深度学习，才把误检压到2%以下。

划痕检测的关键点：

• 光照角度要合适，低角度光能凸显划痕
• 算法要区分划痕和纹理，方向性是个重要特征
• 划痕长度和深度需要量化，不能只判有/无

1.2.2 脏污检测

脏污这东西，最让人头疼。因为它形态、大小、颜色都不固定。有时候是一滴油，有时候是一根头发丝，有时候是胶水残留。

我曾经遇到一个案例，客户说检测手机屏幕上的指纹。你想想，指纹本身很淡，而且不同人的指纹不一样。最后我们用了差分检测，先拍一张干净的参考图，再和待测图做对比。效果还行，但对环境稳定性要求很高。

1.2.3 缺料检测

缺料在注塑和冲压行业特别常见。说白了，就是产品没做完整。比如注塑件缺一块，或者装配线上少装了一个螺丝。

缺料检测相对简单，一般用面积、周长、模板匹配就能搞定。但要注意，缺料的位置可能变化。比如注塑件，缺料可能出现在边缘，也可能在中间。所以检测区域要覆盖整个产品。

1.2.4 变形检测

变形检测对精度要求最高。比如检测PCB板是否翘曲，或者钣金件是否弯曲。这通常需要测量多个点的三维位置，或者用结构光、激光轮廓仪。

我做过一个项目，检测汽车天窗导轨的直线度。那东西一米多长，要求变形量不超过0.1mm。我们用了三个激光位移传感器，从不同角度扫描，然后拟合出实际轮廓。嗯，这种项目，硬件选型比算法更重要。

1.3 缺陷检测知识体系

下面这张图，是我整理的缺陷检测知识体系。你可以把它当成一张地图，后面每章都会对应到其中的某个模块。

从这张图你能看到，缺陷检测不是单一技术，而是从缺陷类型到检测方法，再到系统组成和集成调试的完整链条。后面每一章，我都会沿着这个框架往下讲。

1.4 本章小结

这一章我们聊了：

• 工业视觉检测的定义：用机器眼睛代替人眼
• 缺陷检测的价值：拦截不良、反馈工艺、降本增效
• 四种常见缺陷：划痕、脏污、缺料、变形
• 知识体系框架：从缺陷到系统，再到集成调试

我个人觉得，理解缺陷类型是第一步。只有知道你要检测什么，才能选对方法、搭对系统。后面几章，我会逐一深入每种缺陷的检测算法和实战案例。咱们一步一步来。