1. 课程导入与换型场景认知

在自动化视觉检测产线中，KEYENCE CV-X 系列智能相机承担着定位、有无判断、尺寸测量、字符识别、外观缺陷检测等任务。当产线从 A 产品切换到 B 产品时，相机需要面对的不只是"换一个程序"这么简单：光源亮度、曝光时间、触发时序、检测区域（ROI）、判定阈值、通信输出映射都可能需要同步调整。如果换型过程缺乏结构化管理，就会出现"调好了但下次换回来又不对""换了产品忘了改阈值导致批量误判""配方版本混乱，现场不知道用哪一份"等典型问题。本课程的目标，就是让学员建立一套可复现、可追溯、可交接的 CV-X 换型调试与参数配方管理方法。

为什么换型是 CV-X 应用中的高风险环节

CV-X 的检测逻辑建立在"图像—特征—判定—输出"这条链路上。换型时，产品本身的颜色、反光、尺寸、位置、节拍都可能变化，导致原本稳定的图像特征发生漂移。举例来说，某产线检测金属件上的黑色字符，A 产品使用环形光、曝光 800 μs、阈值 120；切换到 B 产品后，B 件表面为拉丝纹理，同样的光照下字符对比度下降，若仍沿用 A 的阈值，字符区域可能被判定为"无字符"。这类问题不是相机故障，而是换型参数没有随产品特性重新匹配。

更隐蔽的风险在于"局部修改"：操作员只改了曝光，却忘了同步修改判定阈值；或者只更新了主程序，却没有更新通信输出中的 OK/NG 位映射。结果是相机画面看起来正常，但 PLC 收到的结果与预期不一致。因此，换型调试的核心不是"把画面调好看"，而是保证整条检测链路在切换后仍然一致、可验证。

典型产线换型流程与知识框架

一条典型的 CV-X 换型流程可以概括为：接收换型指令 → 确认目标产品与配方版本 → 切换/加载配方 → 核对光源、曝光、触发与 ROI → 首件图像采集与判定验证 → 通信与输出联调 → 批量试产确认 → 记录换型结果并归档。这个流程中，前两步决定"用哪套参数"，中间三步决定"参数是否匹配当前产品"，后三步决定"结果是否可信、是否可追溯"。

围绕这条流程，本课程的知识框架分为四个层次：第一层是换型场景认知，理解换型触发条件、产品差异来源和风险点；第二层是参数配方结构，掌握 CV-X 中程序、场景、检测参数、通信参数的层级关系；第三层是调试与验证方法，包括图像采集、ROI 调整、阈值整定、首件判定和联调；第四层是配方管理与追溯，包括命名规范、版本控制、备份恢复和换型记录。四层之间不是孤立模块，而是从"认识问题"到"管住参数"的递进关系。

换型调试中真正需要盯住的参数

CV-X 换型时，参数调整不是越多越好，而是要抓住对判定结果影响最大的几类。第一类是成像参数：光源模式与亮度、曝光时间、增益。它们决定图像的信噪比和对比度。第二类是检测参数：ROI 位置与大小、二值化阈值、边缘阈值、匹配相似度下限、测量上下限。它们决定"看到什么"和"判成什么"。第三类是时序与通信参数：触发方式（外部触发/内部触发）、触发延迟、判定输出延时、OK/NG 位分配、通信协议与数据格式。它们决定"什么时候拍"和"结果怎么传出去"。

以某电子连接器产线为例，A 产品为黑色塑胶本体、白色丝印字符，B 产品为白色本体、黑色字符。换型时若只把阈值从 120 改为 80，字符区域虽然能提取，但本体反光造成的噪点也会被纳入，导致误判。合理的做法是：先调整光源角度或改用同轴光，把本体反光压下去；再重新框定字符 ROI，缩小到字符实际区域；最后用 B 产品的 5 件良品和 3 件不良品做阈值扫描，选择良品全部通过、不良品全部拒绝的阈值区间，并取区间中点作为工作阈值。这个过程体现的就是"成像优先、ROI 其次、阈值最后"的调试顺序。

配方管理为什么必须和调试同步进行

很多现场把"调试"和"管理"分开：调试时随手保存一个文件名，管理时再靠记忆去对应。结果是换型次数一多，配方文件与产品、日期、版本无法对应。CV-X 的配方管理应做到"一次换型、一份记录、一个可追溯的版本号"。命名上建议包含产品代号、检测项目、版本号和日期，例如 CN-A01_CHAR_V2_20250612。每次换型后，除了保存相机内部程序，还应导出备份文件，并在换型记录中写明：换型时间、操作人、目标产品、使用的配方版本、首件判定结果、是否联调通过。

这样做的价值在换回原产品时尤其明显：不需要重新摸索参数，直接加载对应版本配方，核对关键参数后做首件验证即可。配方管理不是额外负担，而是把一次成功的调试结果固化为可复用的资产。

本课程的学习目标