📚 课程目录第1章课程导入

1. 课程导入

在智能制造产线中，视觉系统负责“看”，PLC负责“控”，而真正决定产线能否稳定、柔性、可追溯运行的，是两者之间能否形成低延迟、可判定、可复位的联动闭环。本课程围绕工业视觉AI与PLC联动展开，目标不是单独讲相机或单独讲梯形图，而是把“检测结果如何变成控制动作”这条链路讲透。学完本课程，你应能独立完成从视觉AI模型输出、通信协议映射、PLC逻辑判定，到执行机构动作与异常复位的完整方案设计与调试。

学习目标可以概括为四句话：看得准、传得快、判得稳、控得住。看得准指视觉AI能给出稳定的类别、坐标、置信度与缺陷等级；传得快指视觉结果通过Profinet、EtherNet/IP、Modbus TCP或IO-Link等通道进入PLC；判得稳指PLC根据置信度、节拍、工件状态做去抖与互锁；控得住指PLC驱动气缸、伺服、剔除机构并输出追溯数据。

核心概念：视觉AI输出与PLC控制语义的映射

工业视觉AI通常输出结构化结果，例如目标类别、边界框、像素坐标、置信度、分割掩膜或异常分数。PLC并不直接理解“图像”，它只理解布尔量、整数、浮点数与寄存器。因此联动的核心是语义映射：把视觉结果映射为PLC可判定的控制条件。例如，当“缺陷类别=划伤”且“置信度≥0.85”且“工件在位=1”时，置位剔除输出；当连续3帧无目标时，置位“视觉超时”报警。

常见映射对象包括：触发信号（PLC→视觉）、结果就绪（视觉→PLC）、分类码、坐标偏移量、测量值、NG标志、心跳与故障码。理解这些对象的时序关系，比记住某个品牌PLC的指令更重要。

方法流程：从视觉结果到PLC动作的六步闭环

一个可落地的联动方案，通常按以下步骤推进。第一步，定义检测项与判定规则，明确哪些结果由AI给出，哪些阈值由PLC判定。第二步，设计通信数据块，约定触发位、就绪位、类别码、置信度、坐标、心跳与故障码的地址与数据类型。第三步，编写PLC状态机，把“等待触发、采图、等待结果、判定、动作、复位”拆成明确状态。第四步，加入去抖与超时，避免单帧误判导致误剔除。第五步，联调时序，用示波器或PLC跟踪功能观察触发与就绪的先后关系。第六步，接入追溯，把工件ID、图像路径与动作结果写入数据库。

// PLC侧伪代码：视觉结果判定与剔除
IF TriggerDone AND VisionReady THEN
    IF DefectClass <> 0 AND Confidence >= 0.85 AND PartPresent THEN
        RejectOutput := TRUE;
        ResultCode := 16#02;   // NG
    ELSE
        RejectOutput := FALSE;
        ResultCode := 16#01;   // OK
    END_IF;
    VisionReady := FALSE;
    TriggerDone := FALSE;
END_IF;

IF NOT Heartbeat THEN
    Alarm := TRUE;             // 视觉离线
END_IF;

案例与场景：三个典型应用

3C外观缺陷剔除：AI输出划伤、脏污、缺角类别与置信度，PLC在皮带线跟踪位置到达剔除工位时驱动气缸，NG品进入不良品盒，同时记录图像路径。
汽车零部件尺寸测量：视觉给出孔径、间距等测量值，PLC与公差带比较，超差时置位报警并禁止机器人抓取，避免装配干涉。
物流包裹分拣：AI识别条码、面单与包裹类型，PLC根据分类码控制摆轮或交叉带，把包裹送入对应格口，并回传分拣结果。

常见误区与复盘要点

误区一：只关注模型精度，忽略通信时序。模型再准，若结果晚于节拍，PLC也只能放行或停机。误区二：把置信度阈值写死在视觉端，导致PLC无法按产线状态动态调整。误区三：缺少心跳与超时，视觉掉线后PLC仍按旧结果动作。误区四：不做去抖，单帧误判造成频繁误剔除。

联动要素	视觉侧关注点	PLC侧关注点	常见参数
触发	硬触发/软触发、曝光延迟	触发脉宽、防重复触发	触发间隔≥50ms
结果	类别、坐标、置信度	寄存器映射、字节序	置信度阈值0.80~0.95
时序	推理耗时、结果就绪	等待超时、节拍余量	超时200~500ms
异常	故障码、心跳	报警、复位、安全互锁	心跳周期100ms
追溯	图像路径、模型版本	工件ID、时间戳、结果码	保留≥30天

学习本课程时，建议每学完一个模块，就在自己的PLC编程软件中搭一个最小联动Demo：一个触发位、一个就绪位、一个结果寄存器、一个输出线圈。把这条最小链路跑通，再逐步加入去抖、超时、追溯与多工位协同，理解会非常牢固。

整体来看，工业视觉AI与PLC联动是一条从感知到执行的完整工程链路。视觉AI解决“是什么、在哪里、有多严重”，PLC解决“什么时候动、动多久、异常怎么办”，数据层解决“可追溯、可优化”。三者协同，才能让智能检测真正落到产线节拍与良率上。