一、工业视觉系统概述

工业视觉，说白了就是给机器装上「眼睛」和「大脑」。

我入行那会儿，很多人还管它叫「机器视觉」。后来工业现场跑得多了，才真正理解——这不是简单的拍照识别，而是一套完整的实时感知-决策-控制闭环。相机拍下图像，算法在毫秒级内做出判断，然后告诉机械手该往哪走、告诉PLC该不该报警。

嗯，咱们先把这个概念拆开来看。

1.1 什么是工业视觉

工业视觉，就是用光学成像设备替代人眼，用计算机算法替代人脑，在工业产线上完成定位、测量、检测、识别等任务。

它跟消费级的图像识别有个本质区别：实时性和可靠性。你手机拍张照片美颜一下，卡个一两秒无所谓。但在产线上，一个零件从相机视野里经过，你可能只有20毫秒做出判断。慢了，产品就飞过去了；错了，次品就流到下一站了。

1.2 典型应用场景

工业视觉的应用场景，我习惯把它分成四大类。这四类几乎覆盖了90%以上的工业现场需求。

场景	核心任务	典型精度	我踩过的坑
定位	找到目标物体的位置和角度，引导机械手抓取或对位	亚像素级（0.1~0.5 pixel）	光照一变，模板匹配就飘了
测量	检测尺寸、间距、直径等几何参数是否合格	微米级（±0.01mm）	镜头畸变没标定，测出来全是错的
缺陷检测	发现划痕、脏污、气泡、裂纹等表面异常	取决于缺陷大小（0.1mm²起）	过杀率太高，现场工人要骂娘
识别	读取字符、二维码、颜色、型号等信息	99.9%+ 读取率	反光字符，OCR死活读不出来

拿定位来说吧。我曾经做过一个项目，给手机中框做点胶引导。机械手需要知道中框的精确位置，误差不能超过0.1mm。一开始用的模板匹配，白天好好的，一到傍晚车间灯光变化，匹配就偏了。后来换了基于边缘特征的定位算法，再加上主动光源补偿，才算稳住。

1.3 系统组成

一套完整的工业视觉系统，由五个核心部分组成。少了哪一个，都跑不起来。

1. 相机 —— 负责把光信号转成电信号
2. 镜头 —— 负责把目标成像到相机传感器上
3. 光源 —— 负责给目标提供稳定、可控的照明
4. 工控机 —— 负责跑算法、做决策、发指令
5. 算法软件 —— 负责从图像里提取信息

这五个部分，我按信号流的顺序画了一张图，你看一眼就明白了。

1.4 各组件选型要点

每个组件都有它的门道。我挑几个关键点说说。

相机

工业相机主要分面阵和线阵两种。面阵相机一次拍一张矩形图像，适合定位、测量、缺陷检测。线阵相机一行一行地扫，适合连续运动的卷材、印刷品检测。

分辨率方面，别盲目追求高像素。我见过有人用2000万像素的相机去拍一个指甲盖大小的零件，结果数据传输成了瓶颈，帧率上不去。够用就好，分辨率够用 + 帧率达标才是王道。

镜头

镜头选型有个公式：焦距 = 工作距离 × 传感器尺寸 / 视野宽度。但实际项目中，我更看重畸变和分辨率。

我曾经在一个测量项目里用了普通工业镜头，结果边缘畸变导致测量误差超过了0.05mm。后来换了远心镜头，畸变几乎为零，问题才解决。远心镜头贵，但做精密测量时，这笔钱不能省。

光源

光源是工业视觉里最容易被低估的环节。我常说一句话：好的光源，能让算法省一半的力气。

常见的光源类型有：

• 环形光源 —— 适合检测划痕、凹凸
• 背光源 —— 适合测量轮廓、边缘
• 同轴光源 —— 适合反光表面、字符识别
• 条形光源 —— 适合大面积均匀照明

工控机

工控机是跑算法的硬件平台。现在主流方案有两种：

• CPU方案 —— 适合传统视觉算法（OpenCV、Halcon），成本低，功耗小
• GPU方案 —— 适合深度学习模型（YOLO、ResNet），算力强，但发热大

我个人建议，如果项目里用到了深度学习推理，至少配一张NVIDIA RTX 3060 级别的显卡。显存不够，模型跑不起来，或者跑起来帧率惨不忍睹。

算法软件

算法软件分两类：

• 传统视觉算法 —— 模板匹配、边缘检测、Blob分析、OCR等。优点是速度快、可解释性强；缺点是对光照和姿态变化敏感。
• 深度学习算法 —— 目标检测、语义分割、异常检测等。优点是鲁棒性好、适应复杂场景；缺点是训练需要数据、推理需要GPU。

实际项目中，我经常把两者结合起来用。比如，先用传统算法做粗定位，再用深度学习做精细缺陷检测。这样既保证了速度，又兼顾了精度。

1.5 本章小结

工业视觉系统，说白了就是光、机、电、算、软五位一体的系统工程。相机、镜头、光源、工控机、算法软件，缺一不可。

你想想看，一个产线上的视觉项目，如果光源没选对，图像质量差，后面算法再牛也白搭。如果工控机算力不够，模型推理卡成PPT，产线节拍根本跟不上。

所以，做工业视觉，不能只盯着算法。你得懂硬件、懂光学、懂现场。这也是我为什么把这门课的第一章放在系统概述上——先把全局看明白，后面再深入每个环节，你才不会走偏。