3. 被检物与检测需求拆解

在CV-X项目启动阶段，最容易被低估、却最影响交付成败的环节，不是相机选型，也不是算法调参，而是把客户口中的“要检一下”翻译成视觉系统能执行的量化条件。客户提供的图纸、良品样品和不良品，是三类互补的信息源：图纸给出名义尺寸与公差，样品给出真实成像状态，不良品给出缺陷的形态边界。三者缺一，需求拆解就会留下盲区。

三类输入各自能回答什么问题

客户图纸通常包含关键尺寸、形位公差、基准、材料与表面处理信息。它回答的是“合格判据的数值边界在哪里”。但图纸往往不描述成像条件——例如黑色哑光塑料上的浅划痕，在图纸上只是一个“外观无划伤”的注释，视觉上却可能对比度极低。这时必须依赖样品。

良品样品回答的是“正常状态在相机里长什么样”。同一批来料中应至少取3～5件良品，观察其尺寸波动、毛刺、料纹、反光差异。如果良品本身的自然波动已经接近图纸公差带，说明检测余量不足，需要重新评估光源或公差分配。

不良品则回答“缺陷的物理尺度和位置分布”。拿到不良品后，不要只记录“有划伤”，而要用显微镜或影像测量仪测出缺陷的长度、宽度、深度方向的可视特征、所在区域、出现频次。例如某注塑件不良品上有一条划痕，实测长2.8mm、宽0.06mm，位于浇口附近高光区——这三个信息直接决定了需要多少像素分辨率、是否需要低角度暗场照明。

把描述性语言转成可量化条件

需求拆解的核心动作，是把“尺寸是否合格”“有没有缺陷”“位置对不对”“字符能不能读”四类问题，分别映射到视觉系统的可测量量。下面这张图展示了从三类输入到四类量化需求的映射关系，以及每类需求对应的关键参数维度。

尺寸类需求的拆解要点

尺寸需求不能只抄图纸公差。需要确认三件事：测量基准是什么、公差带相对于成像分辨率的余量、温度与时间是否影响尺寸。例如图纸标注“孔中心距 25.00±0.03mm”，若相机视野为50mm、使用500万像素（2448×2048），单像素约0.02mm，则公差带仅1.5个像素，边缘定位算法必须达到亚像素级，且需要远心镜头抑制透视误差。若余量不足，应建议客户放宽公差或更换更高分辨率相机，而不是硬调算法。

缺陷类需求的拆解要点

缺陷检测最怕“检出所有缺陷”这种表述。必须把缺陷按类型、尺寸、位置、对比度四个维度拆开。以金属冲压件为例，常见缺陷包括毛刺、压痕、划伤、油污。毛刺通常出现在边缘，适合用背光或同轴光观察轮廓突变；压痕是面内凹陷，需要低角度环形光制造阴影；油污是局部反射率变化，可能需要多角度光源分时拍摄。每种缺陷的最小可检尺寸决定了像素分辨率下限，而缺陷与背景的对比度决定了照明方案和阈值设定策略。

位置与字符类需求的拆解要点

位置需求的核心是基准定义。客户说“孔要打正”，必须追问：相对于哪个边、哪个孔、还是哪个特征？基准不同，坐标系建立方式和误差累积完全不同。字符识别则要确认字高、字体、颜色、背景、是否允许部分遮挡。例如喷码字符高度1.2mm，若相机像素当量为0.05mm/px，字符仅24px高，OCR稳定性会明显下降，此时应建议缩小视野或提高分辨率，使字高不低于30px。

从不良品反推判据的示例

假设客户提供一件注塑外壳不良品，缺陷为浇口附近一条细划痕。用影像测量仪实测：长3.2mm、宽0.04mm，与背景灰度差约18个灰度级（背景灰度约120，划痕灰度约102）。若要求检出宽度≥0.03mm的同类划痕，则像素当量应≤0.01mm/px，且需要低角度暗场照明使划痕产生阴影增强对比。若使用普通环形光，灰度差可能降至5以下，低于噪声水平，导致漏检。这个反推过程，就是把“有划痕”变成“宽度≥0.03mm、对比度≥15灰度级、位于浇口区域”的可执行判据。

需求拆解的最终产出，不是一份罗列客户原话的会议纪要，而是一组可测量、可验证、可追溯的量化条件。每个条件都应能回答：测什么、合格范围是多少、用什么样品验证、成像上是否可行。只有走到这一步，CV-X的相机选型、镜头计算、光源配置和算法设计才有可靠的输入。