1. 课程导入与工程全景

在制造业质量管控体系中，机器视觉已经从“可选增强”变成“核心基础设施”。Cognex In-Sight 系列智能相机把图像采集、图像处理、通信输出和工业 I/O 集成在一台紧凑设备中，配合 In-Sight Explorer 软件完成从取像到判定再到结果输出的完整闭环。本课程围绕“缺陷检测与质量控制工程”展开，目标不是让读者记住某个菜单在哪里，而是建立一套可复用的工程方法：面对一个真实工件和一条真实产线，能够独立完成需求拆解、光学方案设计、算法配置、通信联调、误判分析与持续优化。

一、In-Sight 系统的物理组成与信号链

一台典型的 In-Sight 视觉工站由以下部分构成：智能相机本体（含镜头接口、光源接口、I/O 接口、以太网口）、镜头、光源及光源控制器、触发传感器（光电开关或编码器）、执行机构（PLC、气缸、剔除装置或机器人）、以及上位机或 MES 系统。相机内部则包含图像传感器、处理器、作业（Job）程序、结果缓存和通信模块。

理解这套系统，关键是理解信号链的走向：工件到位 → 触发信号进入相机 → 相机曝光取像 → 图像预处理 → 定位与测量/检测工具运算 → 判定 Pass/Fail → 通过 I/O 或以太网输出结果 → PLC 或上位机执行分拣、记录或报警。任何一个环节的参数设置错误，都会在最终判定上表现为“误检”或“漏检”，因此排障时必须沿信号链逐段验证，而不是只盯着算法参数。

二、缺陷检测与质量控制工程的整体流程

一个完整的视觉检测项目，通常经历六个阶段，每个阶段都有明确的输入和输出，不能跳步。

第一阶段：需求定义。明确要检测什么缺陷（划痕、缺料、毛刺、错装、字符缺失等）、缺陷的最小尺寸、允许的误检率与漏检率、节拍要求（如每分钟 120 件）、以及产线环境（振动、粉尘、环境光变化）。这一阶段的输出是一份可量化的检测规格书，而不是“把不良品挑出来”这种模糊描述。

第二阶段：光学方案设计。根据缺陷的物理特征选择光源类型和打光方式。例如，检测金属表面划痕常用低角度暗场照明，让划痕散射光进入镜头而背景保持暗；检测透明件内部气泡常用背光；检测字符或颜色差异常用同轴光或环形光。同时确定工作距离、视场大小和镜头焦距。视场必须覆盖工件最大偏差范围，并留出 10%~20% 余量。

第三阶段：算法配置与调试。在 In-Sight Explorer 中建立 Job，先做定位（PatMax 或 PatQuick），再在定位坐标系内布置检测工具。定位的作用是让后续工具跟随工件位置和角度变化，避免因来料偏移导致误判。检测工具包括 Blob 分析、边缘工具、直方图、OCR/OCV、表面缺陷工具等。每个工具都需要设置阈值、区域、极性等参数，并通过一批已知良品和不良品样本验证。

第四阶段：通信与系统集成。配置相机的 I/O 输出（如 Pass/Fail、结果就绪）、以太网通信（TCP/IP、EtherNet/IP、Profinet）或 FTP 图像上传。需要与 PLC 工程师确认信号时序：触发脉宽、结果保持时间、握手信号。常见问题是相机输出太快而 PLC 未读取，或触发信号抖动导致重复取像。

第五阶段：验证与验收。用至少 30 件良品和 30 件不良品（含边界样本）进行测试，统计误检率和漏检率。若指标不达标，回到光学或算法阶段调整，而不是直接放宽阈值。

第六阶段：上线监控与持续优化。记录每日检测数据，分析误判样本，定期清洁镜头和光源，检查光源衰减。产线换型时重新验证 Job 参数。

三、学习路径与实战目标

本课程按“认知—操作—集成—优化”四层递进。前几章建立系统组成和信号链认知；中间章节深入 In-Sight Explorer 的工具配置、定位、测量、缺陷检测和字符识别；随后进入通信配置、PLC 联调和多相机协同；最后通过综合案例完成从需求到验收的完整闭环。

学习本课程后，你应当能够独立完成以下任务：根据缺陷特征选择光源和镜头；在 In-Sight Explorer 中建立包含定位和检测工具的 Job；配置 I/O 和以太网通信并与 PLC 完成握手；用样本统计误检率和漏检率并判断是否达标；面对误判时沿信号链逐段排查，而不是盲目调参。

接下来的章节将从 In-Sight 硬件接口和软件界面开始，逐步展开每一个工具和每一个工程环节。请带着一个真实的检测需求来学习，把每章的练习都落到具体工件和具体缺陷上，这样才能把知识转化为可交付的工程能力。