2. 缺陷检测需求分析

在SICK工业缺陷检测系统的设计流程中，需求分析是决定后续相机选型、镜头配置、光源方案、算法策略乃至通信架构的起点。如果需求分析阶段对缺陷类型、精度、节拍、误检漏检代价和现场约束梳理不清，后期往往会出现“相机分辨率够但视野不够”“算法能检出但节拍跟不上”“误检率压不下去导致产线频繁停机”等返工问题。本节围绕这五个维度，给出可落地的分析方法与示例参数。

一、缺陷类型定义：从“看得见”到“可量化”

缺陷类型定义不能停留在“表面划伤”“脏污”“缺件”这类口语描述，而应转化为可被视觉系统量化的特征。通常从四个维度描述：几何特征（长度、宽度、面积、周长、圆度）、灰度特征（对比度、灰度均值、方差）、位置特征（在工件坐标系中的区域）、数量特征（单件允许的最大缺陷数）。

以金属冲压件表面检测为例，可将缺陷定义为：划伤（长度≥0.5mm且宽度≥0.05mm，对比度≥15灰度级）、凹坑（面积≥0.2mm²，深度引起的灰度差≥20）、脏污（面积≥0.5mm²，灰度均值低于背景30以上）、缺件（特征区域面积缺失≥5%）。这些阈值不是拍脑袋定的，而应结合客户验收标准、历史不良品统计和工艺能力共同确定。

二、检测精度与节拍要求：一对相互制约的参数

检测精度通常用“最小可检缺陷尺寸”表示，例如0.1mm。它决定了系统所需的空间分辨率。假设最小缺陷在图像中至少需要占3个像素才能被稳定检出，则所需分辨率约为0.033mm/pixel。若视野（FOV）为100mm×80mm，则相机水平像素数至少为100/0.033≈3030，应选择500万像素（2448×2048）或更高分辨率的相机。

节拍要求则决定了系统的处理速度。若产线节拍为60件/分钟，即每件1秒，扣除上下料和通信时间，实际图像采集与处理时间可能只有600ms。此时需要评估：曝光时间、图像传输时间、算法处理时间之和是否小于可用时间。对于500万像素黑白相机，GigE接口传输约需40~60ms，算法若采用传统视觉工具约50~150ms，若采用深度学习推理在GPU上约20~80ms。若单相机无法满足节拍，可考虑多相机并行或ROI裁剪降低数据量。

三、误检与漏检代价：质量成本的双向平衡

误检（过杀）是把合格品判为不良品，代价包括：产线停机、人工复判、报废或返修、产能损失。漏检是把不良品判为合格品，代价包括：不良品流出到客户、客诉、退货、品牌损失，甚至安全事故。两者代价往往不对称，需要与客户共同确定可接受的误检率和漏检率。

例如某汽车零部件项目，客户要求漏检率≤0.1%，误检率≤2%。这意味着在1000件中，允许最多1件漏检，最多20件误检。若实际误检率达到5%，每天2000件将产生100件过杀，需要额外安排复判工位，成本显著上升。此时应优先优化算法阈值或增加多特征联合判定，而不是简单放宽标准。

四、现场约束条件梳理：把“理想方案”拉回现实

现场约束往往决定方案能否落地。需要逐项确认：安装空间（相机到工件距离、镜头长度、光源尺寸）、环境光照（是否有强环境光干扰、是否需要遮光罩）、振动与温度（是否影响成像稳定性）、通信接口（PLC品牌、协议、IO点数）、供电与气源（是否具备）、清洁维护（镜头是否需定期擦拭、是否有油污粉尘）。

以某冲压车间为例，现场振动较大，相机支架需加装减振垫；环境光中有天窗直射，需加装遮光罩并采用高频脉冲光源；PLC为西门子S7-1200，支持Profinet，视觉系统需通过Profinet发送OK/NG信号和缺陷坐标。这些约束在需求分析阶段就应记录，避免后期反复修改。

五、需求分析输出物：一份可执行的需求规格表

完成上述分析后，应形成一份需求规格表，作为后续选型和验收的依据。以下为示例结构，字段可根据项目调整：

项目名称：金属冲压件表面缺陷检测
缺陷类型：划伤、凹坑、脏污、缺件
最小可检缺陷：0.1mm（划伤宽度）
视野：100mm × 80mm
分辨率要求：≥0.033mm/pixel
相机建议：500万像素黑白，GigE
节拍：60件/分钟（单件≤1s，处理≤600ms）
漏检率目标：≤0.1%
误检率目标：≤2%
通信：Profinet，OK/NG + 缺陷坐标
现场约束：振动大（加减振垫）、天窗光（加遮光罩）、
          镜头需每周擦拭、PLC为S7-1200
验收方式：连续运行8小时，统计漏检/误检率

这份规格表不是一成不变的，在方案设计阶段可能根据实际测试微调，但它确保了团队对“要做什么、做到什么程度、在什么条件下做”有统一认识。需求分析做得越扎实，后续相机选型、光源设计、算法开发和现场调试的返工就越少。