4. XG-X图像采集与预处理实战

在XG-X深度学习视觉检测系统中，图像采集与预处理是决定模型上限的第一道关口。很多现场调试失败并非算法本身的问题，而是相机参数、触发时序或光源控制没有配置到位，导致输入图像的信噪比不足、一致性差。本节围绕“配置相机参数、设置触发方式、控制光源、完成采集与保存、执行基础预处理”这条主线，结合XG-X控制器的实际操作界面，给出可复现的配置思路与示例参数。

一、相机参数配置：先稳定，再清晰

XG-X系列控制器通过Camera Link或GigE接口连接工业相机，在“相机设置”界面中可调整曝光时间、增益、白平衡、伽马、像素格式等参数。配置的核心原则是：优先用曝光和光源保证亮度，尽量压低增益。增益会同时放大信号与噪声，在深度学习检测中会显著降低缺陷与背景的区分度。

以一个典型金属表面划痕检测为例，假设使用500万像素黑白相机、远心镜头、条形白光光源，示例参数可设为：曝光时间800 μs、增益0 dB、伽马1.0、像素格式Mono8。若图像整体偏暗，应先将曝光时间提高到1200 μs再观察；若仍不足，再考虑增加光源亮度或延长曝光，而不是直接加增益。对于高速产线，曝光时间受运动模糊限制，此时应通过提高光源瞬时亮度来换取更短曝光。

白平衡仅对彩色相机有意义。若使用彩色相机检测颜色差异（如标签色差），应在无被测物的白色基准板上执行一次白平衡，并锁定该值，避免自动白平衡在连续采集时漂移。像素格式方面，Mono8数据量小、处理快，适合大多数灰度检测；若需要保留颜色信息，可选BayerRG8并在预处理阶段做去马赛克。

二、触发方式：让每一帧都对应一个工件

触发方式决定了“什么时候拍”。XG-X支持内部触发（自由运行）和外部触发两大类。自由运行适合调试和静态观察，但产线检测必须使用外部触发，使相机在工件到达视场中心时曝光。

常见的外部触发源包括光电传感器、编码器、PLC信号。以编码器触发为例，编码器每输出一个脉冲，相机采集一帧，脉冲间隔对应工件移动的固定距离。配置时需要设置触发极性（上升沿或下降沿）、触发延迟（从收到信号到开始曝光的延时，用于补偿传感器到视场的机械距离）以及触发滤波（防止抖动误触发）。

触发延迟的计算可以这样理解：若传感器安装位置到相机视场中心距离为120 mm，产线速度为600 mm/s，则工件从触发点到视场中心需要200 ms，触发延迟应设为约200 ms。实际调试时可用“触发监视”功能观察每次触发是否对应一帧，并用连续采集的图像确认工件位置是否居中。若出现丢帧，应检查触发频率是否超过相机最大帧率，或曝光时间是否过长导致读取超时。

三、光源控制：与曝光同步的频闪策略

光源不是“越亮越好”，而是要与曝光时间匹配。XG-X的光源控制器支持常亮和频闪两种模式。频闪模式下，光源只在曝光窗口内点亮，可以用更高的瞬时电流获得更强亮度，同时减少发热和光衰。配置时需将光源触发与相机曝光信号同步，确保光源在曝光开始前几微秒点亮、曝光结束后立即熄灭。

以条形光源检测金属划痕为例，采用低角度暗场照明可以让划痕产生散射亮线，而平整表面保持暗背景。若光源常亮，环境光会引入噪声；改为频闪后，环境光影响被大幅压缩。实际调试时，可先固定曝光时间，逐步提高光源亮度直到背景灰度达到目标值（例如Mono8下背景灰度约80～120），再观察缺陷区域是否达到200以上，形成足够对比。

四、图像采集、保存与基础预处理

完成参数与触发配置后，进入采集与保存环节。XG-X支持将图像保存到控制器内部存储或外部FTP/SD卡。建议在调试阶段保存原始图像（未预处理）和预处理后图像各一份，便于回溯。保存命名可采用“时间戳+触发计数+结果”的格式，例如“20250412_103215_000123_OK.bmp”，避免覆盖。

基础预处理在XG-X中通常以“预处理流程”形式配置，常见操作包括：

• ROI裁剪：只保留工件所在区域，减少计算量并排除背景干扰。例如从2448×2048中裁剪出中心1600×1200区域。
• 滤波：高斯滤波（σ=1.0～1.5）用于平滑噪声，中值滤波（3×3或5×5）用于去除椒盐噪声。注意滤波会削弱细小划痕，需在降噪与保留缺陷之间权衡。
• 对比度增强：使用灰度拉伸将原图灰度范围映射到0～255。例如原图集中在60～140，拉伸后缺陷与背景差异更明显。
• 二值化：固定阈值或自适应阈值。对于光照均匀的场景，固定阈值（如120）即可；光照不均时用自适应阈值（窗口大小31，偏移5）。
• 尺寸归一化：将ROI缩放到模型输入尺寸（如512×512），保持长宽比或直接拉伸，需与训练时一致。

五、结果判断与常见问题

采集与预处理是否合格，可以通过三个观察点判断：一是连续采集100帧，检查图像亮度波动是否在±10灰度以内；二是检查触发计数与工件数量是否一致，有无丢帧或重复帧；三是将预处理后的图像送入模型，观察置信度是否稳定。若亮度波动大，应检查光源是否老化或环境光是否变化；若丢帧，应检查触发频率与曝光时间；若模型置信度低，应回到预处理环节检查对比度与归一化是否与训练一致。

以下是一份可直接参考的采集配置检查表，用于现场逐项确认：

需要强调的是，上述参数均为教学示例，实际项目中必须根据相机型号、镜头、光源、产线速度和被测物特性重新标定。XG-X的优势在于可以把采集、预处理与深度学习推理放在同一控制器内完成，减少数据搬运和时序偏差。把这一节的基础打牢，后续的模型训练与调优才有稳定的输入保障。