2. In-Sight系统硬件与软件环境搭建
In-Sight 深度学习视觉检测系统的落地，第一步不是写程序，而是把“看得见、连得上、跑得动”这三件事做扎实。所谓看得见，是相机、镜头、光源、支架组成的成像链路能稳定输出合格图像；连得上，是相机与 PC、PLC 或机器人之间网络通畅；跑得动，是 In-Sight 软件与固件版本匹配、授权可用。本节围绕硬件选型、软件安装、相机连接与网络配置展开，给出可直接参照的操作路径。
一、硬件选型：从检测任务反推配置
In-Sight 智能相机把图像采集、处理与通信集成在一体化机身内，常见系列包括 In-Sight 2000、7000、8000、9000 以及支持深度学习的 D900、D905 等型号。选型时不要先看型号，而要先明确四个输入条件：视野（FOV）、最小可检缺陷尺寸、工作距离（WD）、节拍要求。
以检测一个 80 mm × 60 mm 的金属件表面划痕为例，假设最小需检划痕宽度为 0.1 mm。若选用 1440 × 1080 像素的相机，横向覆盖 80 mm，则单像素对应实际尺寸约为 80 ÷ 1440 ≈ 0.056 mm/pixel。要稳定识别 0.1 mm 缺陷，通常要求缺陷至少占 3～5 个像素，即 0.1 mm 需对应 0.3～0.5 mm 的像素跨度，当前 0.056 mm/pixel 明显满足，甚至可缩小视野提升精度。若换用 640 × 480 相机，单像素约 0.125 mm，0.1 mm 缺陷不足 1 个像素，深度学习模型也难以稳定学习，此时应换高分辨率相机或缩小视野。
镜头选型由焦距、工作距离与视野共同决定，近似关系为：焦距 f ≈ （靶面尺寸 × 工作距离）÷ 视野。假设相机靶面为 1/1.8″（约 7.2 mm × 5.4 mm），工作距离 300 mm，要求视野 80 mm，则 f ≈ （7.2 × 300）÷ 80 ≈ 27 mm，可选 25 mm 或 35 mm 定焦镜头，再通过微调工作距离匹配。镜头还需关注接口（C/CS）、光圈与景深，检测高度差较大的工件时应适当缩小光圈以增大景深。
光源是深度学习检测中最容易被低估的一环。常见类型包括环形光、条形光、背光、同轴光与 Dome 光。划痕、字符、缺料等表面缺陷多用低角度条形光或 Dome 光突出对比；尺寸测量、轮廓检测多用背光形成剪影；高反光金属表面则适合同轴光。光源控制器建议选支持频闪与亮度数字调节的型号，便于与相机触发同步。
支架与机械安装决定重复定位精度。相机支架应具备三轴微调与锁紧结构，避免振动导致视野漂移；镜头与光源需独立固定，防止调焦后松动。若产线有振动，应加装减振垫并缩短悬臂长度。
二、软件安装与版本匹配
In-Sight 软件生态主要包括 In-Sight Explorer（经典配置与调试环境）和 In-Sight Vision Suite（新一代含深度学习工具的环境）。安装前先确认三件事：相机固件版本、软件版本、授权类型。固件与软件版本不匹配时，常出现“相机可 ping 通但无法连接”或工具列表缺失的情况。
安装步骤可参照以下顺序：
- 从官方渠道获取安装包，核对版本号与相机固件兼容表。
- 关闭防火墙或为 In-Sight 相关进程放行 UDP/TCP 端口（常用 1069、44818 等，具体以版本说明为准）。
- 以管理员身份运行安装程序，选择完整安装，包含驱动与示例工程。
- 安装完成后重启 PC，确认设备管理器中网络适配器无异常。
- 首次启动软件，进入“添加相机”界面，准备进行网络发现。
三、相机连接与网络配置
In-Sight 相机出厂默认 IP 常为 192.168.0.10 或 192.168.1.10 网段，子网掩码 255.255.255.0。PC 网卡需设置为同网段静态 IP，例如相机为 192.168.1.20，则 PC 可设为 192.168.1.100，掩码 255.255.255.0，网关留空或与相机一致。配置完成后用命令行验证：
ping 192.168.1.20
正在 Ping 192.168.1.20 具有 32 字节的数据:
来自 192.168.1.20 的回复: 字节=32 时间<1ms TTL=64
来自 192.168.1.20 的回复: 字节=32 时间<1ms TTL=64
数据包: 已发送 = 4，已接收 = 4，丢失 = 0 (0% 丢失)若 ping 不通，按以下顺序排查：网线是否完好、网口指示灯是否亮、PC 与相机是否同网段、防火墙是否拦截、相机是否处于 DHCP 模式。In-Sight 相机可通过官方 IP 配置工具修改 IP，也可在软件内搜索到相机后直接设置。
连接成功后，在软件中双击相机图标进入配置界面，先做三件事：设置相机名称（如 Line1_Scratch）、校准时间、确认固件版本。随后进入图像采集页面，调整曝光时间与增益。以检测金属划痕为例，可先将曝光设为 3000 μs、增益 1，观察直方图是否集中在中间区域；若图像过暗，逐步增加曝光至 8000 μs，避免增益过高引入噪声。
触发方式需与产线匹配。若工件连续运动，建议使用光电传感器触发，相机设为外部触发模式，触发延时根据工件从传感器到视野中心的时间设定。例如产线速度 200 mm/s，传感器距视野中心 100 mm，则延时约 500 ms。若为静态检测，可用软件触发或手动触发。
四、环境搭建检查清单
| 检查项 | 示例值 / 要求 | 判断依据 |
|---|---|---|
| 视野 FOV | 80 mm × 60 mm | 覆盖工件并留 10% 余量 |
| 分辨率 | 1440 × 1080 | 0.1 mm 缺陷 ≥ 3 像素 |
| 工作距离 | 300 mm | 与焦距、视野匹配 |
| 光源 | 低角度条形光 | 划痕对比度明显 |
| 相机 IP | 192.168.1.20 | 与 PC 同网段 |
| PC IP | 192.168.1.100 | ping 通、无丢包 |
| 曝光 | 3000～8000 μs | 直方图居中、无过曝 |
| 触发延时 | 约 500 ms | 工件居中成像 |
完成以上步骤后，系统具备进入下一阶段的条件：在 In-Sight 软件中采集到清晰、稳定、可重复的图像，并能在网络侧稳定通信。此时再开始标注数据、训练深度学习模型，才能保证模型学到的是真实缺陷特征，而不是成像波动带来的噪声。