2. SICK视觉传感器与相机选型

在SICK工业视觉检测系统的开发中，选型是决定项目成败的第一步。选错相机类型，后续无论算法如何优化，都难以弥补硬件层面的先天不足。本节从工作原理出发，梳理2D相机、3D相机、智能相机与视觉传感器四类产品的本质差异，并给出可操作的选型依据。

一、四类产品的本质差异：从"输出什么"倒推"选什么"

很多工程师习惯按"像素高低"或"价格贵贱"来选相机，这是典型的误区。正确的思路是：先明确检测任务需要相机输出什么形式的数据，再倒推产品类型。

• 2D相机：输出灰度或彩色图像，本质是"平面投影"。它擅长测量长度、宽度、面积、轮廓、字符、颜色、缺陷等平面特征，但无法直接获得高度信息。SICK的2D相机产品线包括Inspector系列（智能型）和基于GigE Vision的工业相机。
• 3D相机：输出点云或深度图，本质是"空间坐标"。它擅长测量高度、体积、平面度、段差、抓取定位等三维特征。SICK的3D产品包括Ruler系列（激光三角测量）、Visionary-T系列（ToF飞行时间）、以及基于结构光的3D相机。
• 智能相机：在2D相机基础上集成了图像处理算法和I/O接口，可独立完成检测并输出OK/NG信号，无需外接工控机。SICK Inspector系列是典型代表。
• 视觉传感器：功能更聚焦，通常只做单一或少数几种检测（如颜色识别、边缘检测、图案匹配），操作极简，价格更低。SICK的ColorSensor、Lector系列条码阅读器可归入此类。

四类产品的核心区别可以用一句话概括：2D相机输出图像，3D相机输出点云，智能相机输出判断结果，视觉传感器输出特定信号。选型时，先问自己"我需要的是原始数据还是判断结果"，再问"我需要平面信息还是空间信息"，答案自然浮现。

二、关键参数：不只是"像素"和"帧率"

选型时最常被问到的参数是分辨率和帧率，但真正决定检测能力的往往是以下几个参数的组合：

1. 分辨率与最小可检特征。分辨率不是越高越好，而是要与视野（FOV）匹配。假设视野为100mm×100mm，选用500万像素相机（2448×2048），则单像素对应实际尺寸约为100/2448≈0.041mm。若检测目标是最小0.2mm的缺陷，理论上需要至少5个像素覆盖该缺陷，即0.2/0.041≈4.9像素，勉强满足。实际工程中建议留2倍余量，即选择更高分辨率或缩小视野。

2. 帧率与产线节拍。帧率必须匹配产线速度。例如产线速度0.5m/s，检测区域长度200mm，则物体通过检测区的时间为0.4s。若需要拍摄3次，则单次拍摄间隔需小于0.13s，对应帧率至少8fps。注意：帧率还受曝光时间限制，高速运动场景需配合频闪光源。

3. 3D相机的特殊参数。3D相机除了分辨率，还需关注Z轴重复精度、测量范围、盲区距离。以SICK Ruler系列为例，其Z轴重复精度可达微米级，但测量范围通常只有几十毫米，适合精密段差检测；而Visionary-T系列ToF相机测量范围可达数米，但精度在毫米级，适合物流体积测量或大件抓取定位。

4. 智能相机的"软"参数。智能相机的核心竞争力在于内置算法库和通信能力。选型时需确认：是否支持所需的检测工具（如Blob分析、边缘检测、OCR、图案匹配）；是否支持与PLC的实时通信（Profinet、EtherNet/IP）；是否支持结果数据输出（如坐标、角度、测量值）。

三、选型依据：从任务到产品的映射表

下表给出常见检测任务与推荐产品类型的对应关系，可作为选型起点。注意：实际选型还需结合精度、速度、环境、预算综合判断。

四、实操示例：一个典型选型计算

假设任务：检测金属零件表面划痕，最小划痕长度0.3mm，零件尺寸80mm×60mm，产线速度0.3m/s，检测区域长度150mm。

第一步：确定视野。零件80mm×60mm，留10%余量，取FOV=90mm×70mm。

第二步：计算所需分辨率。最小划痕0.3mm，要求至少3像素覆盖，则单像素对应实际尺寸≤0.1mm。水平方向需要90/0.1=900像素，垂直方向70/0.1=700像素。选择1280×1024分辨率相机即可满足。

第三步：计算帧率。检测区150mm，产线速度0.3m/s，通过时间0.5s。若需拍摄2次，间隔0.25s，帧率≥4fps。普通工业相机均可满足。

第四步：选择产品类型。划痕检测属于2D平面特征，且需要一定算法灵活性（划痕形态不一），推荐智能相机或2D相机+工控机方案。若产线集成度高、希望独立运行，选智能相机；若已有工控机平台，选2D相机更经济。

总结来说，SICK视觉产品选型的核心逻辑是：先明确检测任务需要什么数据形式，再匹配产品类型，最后用分辨率、帧率、精度等参数验证可行性。2D相机看平面，3D相机看空间，智能相机看判断，视觉传感器看单一信号。掌握这条主线，选型就不会偏离方向。