1. 课程导入与SICK系统全景

工业缺陷检测的目标，不是“把相机装到产线上”这么简单。它要解决的是一个明确的工程问题：在给定的生产节拍内，对每一个经过检测工位的产品，稳定地判断其外观、尺寸或装配特征是否满足质量要求，并把不合格品可靠地剔除或标记出来。这里的“稳定”包含三层含义：漏检率足够低、过杀率可控、判定结果可追溯。任何一套缺陷检测系统，最终都要围绕这三个指标来设计和验收。

SICK 在工业传感与检测领域的产品线非常宽，理解它的定位有助于我们选型时不迷路。粗略划分，SICK 面向缺陷检测的能力可以归为四类：第一类是光电与接近传感，用于有无、位置、计数等基础判断；第二类是安全与逻辑控制，负责触发、联锁与安全回路；第三类是视觉与图像处理，包括 2D 智能相机、3D 视觉、激光轮廓扫描仪，用于外观、尺寸、装配缺陷检测；第四类是识别与测量，如条码/二维码读取、激光测距，用于追溯与定位。缺陷检测系统通常以第三类为核心，前两类提供触发与执行，第四类提供追溯。

一套典型的 SICK 缺陷检测系统由五个部分组成：触发与定位单元（光电开关或编码器）、成像单元（智能相机或 3D 轮廓仪）、处理与判定单元（相机内置算法或上位机软件）、执行单元（剔除气缸、分拣机构、报警灯）、追溯单元（条码读取与数据记录）。它们之间的信号关系可以用下面的信号链图表示。

这张图里最容易被忽视的是“触发与定位”。很多现场漏检并不是算法不行，而是触发时刻不稳定，导致产品不在视野中心或运动模糊。因此，触发信号必须与产线编码器或光电开关严格同步，必要时用编码器脉冲做位置补偿。

接下来看典型部署场景。第一种是离散工位检测：产品在传送带上经过一个固定工位，光电开关触发相机拍照，相机内置算法判定 OK/NG，NG 信号驱动气缸在下一个工位剔除。这种场景节拍通常在 30～120 件/分钟，适合 2D 智能相机。第二种是连续卷材检测：纸张、薄膜、金属箔在高速运动中连续成像，需要线阵相机配合编码器，检测划痕、孔洞、污点等。第三种是三维装配检测：用 3D 轮廓仪或激光扫描获取高度信息，判断零件是否漏装、错装、装配到位。第四种是机器人引导检测：相机先定位工件，机器人抓取后再由另一台相机复检，形成“定位—抓取—复检”的链路。

为了让选型有据可依，下面给出一份简化的选型对照表，参数为教学示例，实际项目需以现场测试为准。

部署时有一个常被忽略的环节：验收标准要先于设备到场确定。建议在项目启动阶段就明确三件事：检测哪些缺陷类型、每种缺陷的判定阈值、以及允许的漏检率和过杀率。例如某金属件项目约定：划痕长度大于 0.5 mm 判 NG，漏检率 ≤ 0.5%，过杀率 ≤ 2%。这些数字直接决定相机分辨率、镜头放大倍率和光源方案，而不是等设备到了再“调调看”。