1. 课程导入与XG-X系统概览
表面缺陷检测是工业视觉中最常见、也最容易被低估的一类任务。它看起来只是“找出脏点、划痕、压伤”，但真正落地时，难点往往不在算法本身，而在于缺陷的对比度极低、形态随机、边界模糊，且不同批次、不同光照、不同材料表面会带来持续波动。KEYENCE XG-X 系列作为一款可编程视觉控制器，其定位并不是“替代人眼做简单判断”，而是把光学成像、图像预处理、缺陷增强、判定逻辑与产线通信整合到一条可复现的检测链中。本课程的目标，是让读者能够独立完成从相机与镜头选型、光源布置、参数调试，到判定输出与质量控制闭环的完整过程。
一、表面缺陷检测的目标与质量控制逻辑
在质量控制语境下，表面缺陷检测要回答三个层次的问题：第一，缺陷是否存在；第二，缺陷属于哪一类、严重程度如何；第三，该结果如何影响产线动作。XG-X 的典型输出并不是“合格/不合格”这么简单，而是可以给出缺陷数量、面积、位置、灰度差、长度等量化特征，再通过阈值或分级规则映射为 OK/NG、返修、降级或报警。
以金属冲压件表面为例，常见缺陷包括划痕、麻点、油污、压印和边缘毛刺。假设某产线要求：单件表面划痕长度超过 0.5 mm 即判 NG，麻点面积超过 0.02 mm² 判 NG，油污不计入尺寸但需记录数量。此时检测系统需要先稳定成像，再通过边缘增强或差分处理把缺陷从背景中分离出来，最后用面积、长度、数量三类参数分别判定。这里的关键认知是：缺陷检测的精度上限由成像质量决定，而不是由算法参数决定。如果缺陷在图像中只有 2~3 个灰度级的差异，任何阈值分割都会变得脆弱。
二、XG-X 系统构成与选型逻辑
XG-X 系列控制器本身是一台独立的视觉处理主机，通常搭配 KEYENCE 的 CA 系列或其它兼容相机使用。系统的基本链路是：光源 → 被测物 → 镜头 → 相机 → 控制器 → 判定输出 → 产线执行机构。控制器内部完成图像采集、预处理、缺陷提取、特征计算和逻辑判定，并通过以太网、I/O 或现场总线与 PLC、机器人、剔除机构通信。
选型时建议按以下顺序推进，而不是先挑相机像素：
- 先确定最小可检缺陷尺寸。例如要求检出 0.1 mm 的划痕，则视场中每个缺陷至少应覆盖 3~5 个像素，据此反推所需分辨率。
- 再确定视场范围。若单件检测区域为 100 mm × 80 mm，要求 0.1 mm 缺陷可检，则横向至少需要 100 / 0.1 × 3 = 3000 像素，实际应选 5000 像素级相机。
- 然后匹配镜头与工作距离。根据视场和传感器尺寸计算焦距，并确认工作距离是否满足产线安装空间。
- 最后确定光源与控制器型号。光源决定缺陷对比度，控制器决定处理速度、相机路数和通信接口。
需要特别说明的是，像素数并不是越高越好。像素越高，单像素进光量越小，曝光时间越短，对光源亮度和稳定性要求越高；同时图像数据量增大，处理节拍也会受影响。对于高速产线，往往需要在分辨率、帧率和光照之间做折中。
三、典型应用场景
XG-X 在表面缺陷检测中的典型场景可以按材料与缺陷类型划分。金属件关注划痕、压伤、毛刺和锈蚀；塑料件关注缩水、流痕、黑点和色差；玻璃与镜面关注崩边、划伤和污渍；涂布与薄膜关注涂布不均、针孔和异物。不同场景对光源的要求差异极大：金属划痕通常需要低角度暗场照明，让划痕产生散射亮线；塑料黑点更适合同轴光或漫射穹顶光，避免表面反光干扰；玻璃崩边则常用背光或侧向暗场，以突出边缘轮廓。
在产线集成层面，XG-X 通常承担三种角色：单工位检测、多相机同步检测、以及与机器人或运动平台配合的动态检测。单工位适合节拍较慢、视场固定的场景；多相机同步适合一个工件需要从多个面同时检测的情况；动态检测则需要考虑运动模糊、触发时序和编码器同步。
四、课程学习路径
本课程后续内容将沿着“成像—算法—判定—集成—优化”的主线展开。建议的学习顺序是：先理解缺陷在图像中的表现与光源选择，再掌握 XG-X 的预处理与缺陷提取工具，然后进入判定逻辑与通信配置，最后通过实际案例完成参数调优与稳定性验证。每一节都会围绕一个可执行的任务展开，而不是停留在概念介绍。
最后需要建立的一个基本判断是：表面缺陷检测没有“万能参数”。同一台 XG-X，换一种材料、换一种光源角度、换一批工件，参数都可能需要重新调整。因此，本课程强调的不是记住某个固定阈值，而是理解参数与成像结果之间的因果关系，从而在遇到新工件时能够快速定位问题、重建检测链。