1. 课程导入与VisionPro概览

表面缺陷检测是工业视觉中最常见、也最考验工程化能力的一类任务。手机玻璃盖板上的划痕、锂电极片上的暗斑、金属冲压件上的压伤、薄膜上的针孔与异物，这些缺陷的共同特点是：对比度低、形态随机、边界模糊，而且往往在高速产线上以毫秒级节拍流过相机。传统阈值分割加形态学的方案，一旦换批次、换光照或换材料，参数就要重调，误检与漏检随之上升。VisionPro 的价值正在于此——它把图像采集、预处理、定位、缺陷分割、特征测量、判定与通信封装成一套可组合、可复用、可脚本化的工具链，让工程师把精力放在缺陷定义与判定逻辑上，而不是反复造轮子。

行业需求：从“看得见”到“判得准”

表面缺陷检测的工程目标可以拆成三个层次。第一层是成像，即缺陷在图像中是否具备足够的信噪比；第二层是检出，即算法能否稳定地把缺陷区域从背景中分离出来；第三层是判定，即依据面积、长度、灰度对比度、位置等特征决定放行还是报警。很多项目失败并非算法不行，而是成像阶段就没有把缺陷“照亮”——例如检测透明薄膜上的微划痕，若采用同轴光，划痕散射光被镜面反射淹没，缺陷几乎不可见；改用低角度暗场照明后，划痕因散射而呈亮线，信噪比显著提升。因此在 VisionPro 项目中，光源与镜头的选型往往比算法选择更早、更关键。

典型教学示例参数如下（属合理假设，非实测结果）：视野 60 mm × 45 mm，相机 500 万像素（2448 × 2048），则单像素对应约 0.0245 mm，即 24.5 μm/pixel。若最小可接受缺陷为 0.1 mm 的划痕，则缺陷宽度约占 4 个像素，属于可检但偏紧的边界，通常建议将视野缩小或提高分辨率，使最小缺陷至少占 5～8 个像素，才能保证分割稳定性。

VisionPro 核心架构

VisionPro 的运行结构可以理解为“采集—处理—判定—输出”四段，中间由图像与结果数据串联。采集层由 Cognex 相机或第三方相机通过 GigE、USB3 等接口进入，也可从磁盘读取图像做离线调试；处理层是核心，包含 CogToolBlock（工具块）与 ToolGroup（工具组），内部可放置 CogAcqFifoTool、CogImageConvertTool、CogPMAlignTool、CogBlobTool、CogCaliperTool、CogFindLineTool 等；判定层由表达式、脚本或 CogResultAnalysis 完成；输出层通过 TCP/IP、Modbus TCP、数字 I/O 或 PLC 通信把 OK/NG 与缺陷坐标送出。

其中两个工具在表面缺陷检测中出现频率最高：CogPMAlignTool 负责模板匹配定位，把产品坐标系对齐，使后续检测区域不随产品平移旋转而漂移；CogBlobTool 负责连通域分割，通过灰度阈值、面积上下限、极性（黑底白斑或白底黑斑）提取缺陷候选。二者串联后，缺陷检测的稳定性主要取决于定位精度与阈值分割的鲁棒性。

QuickBuild 与脚本开发环境

QuickBuild 是 VisionPro 的可视化集成环境，工程师在其中拖放工具、连线、设置参数并即时查看中间结果。它的优势是“所见即所得”：CogBlobTool 的阈值滑块一拖动，右侧图像上的红色连通域立刻变化，面积、重心、外接矩形等结果同步刷新。对于表面缺陷检测，QuickBuild 中最常用的操作是：先放 CogAcqFifoTool 取图，再放 CogPMAlignTool 做定位，然后用 CogBlobTool 在定位后的坐标系内分割缺陷，最后用表达式把 Blob 的 Area 与阈值比较输出 OK/NG。

当逻辑超出图形化表达能力时，就需要脚本。VisionPro 支持 C# 脚本（在 QuickBuild 的 Script 节点中编写），也可通过 .NET API 在外部程序中调用。脚本的典型用途包括：多缺陷合并判定、按缺陷位置分区设定不同阈值、把结果写入数据库、动态切换模板。例如下面这段 C# 脚本片段演示了如何读取 Blob 结果并做面积判定：

// 假设已获取 CogBlobTool 的 Results 与当前工具块
double areaLimit = 80.0;          // 面积下限，单位 pixel
int defectCount = 0;

foreach (CogBlobResult blob in mBlobTool.Results.GetBlobs())
{
    if (blob.Area >= areaLimit)
    {
        defectCount++;
        // 记录缺陷重心坐标，供后续输出或存档
        double cx = blob.CentroidX;
        double cy = blob.CentroidY;
    }
}

// 判定：存在任一超限缺陷即 NG
mToolBlock.Outputs["DefectCount"].Value = defectCount;
mToolBlock.Outputs["Pass"].Value = (defectCount == 0);

需要注意的是，脚本中引用的工具名、输出端口名必须与 QuickBuild 中实际命名一致，否则运行时会抛出空引用或端口未找到异常。调试时建议先用 CogBlobTool 的图形界面确认阈值与面积参数合理，再把同样的数值搬进脚本，避免“脚本逻辑正确但参数不对”的假故障。

学习路径与资源准备

本课程后续章节将沿着“成像—定位—分割—测量—判定—通信—部署”的主线推进。建议的学习路径是：先理解相机与光源如何影响缺陷可见性，再掌握 CogPMAlignTool 的定位稳定性调优，然后深入 CogBlobTool 的阈值、极性、面积与形态学参数，接着学习 Caliper 与 FindLine 做尺寸类缺陷测量，最后完成脚本判定、通信输出与产线部署。

资源准备方面，需要一台安装 VisionPro 的工控机或开发机、一套可重复触发采集的相机与光源（或一组已采集的缺陷图像样本）、以及 QuickBuild 自带的示例图像库。建议在项目开始前建立缺陷样本集，至少覆盖 OK 样本 30 张、各类缺陷样本各 10 张，并标注缺陷类型与位置，用于后续验证检出率与误检率。样本集的质量，往往直接决定项目能否在产线稳定运行。