📚 课程目录第1章视觉系统概述

工业相机选型与镜头光源匹配实战 - 第1节

一、机器视觉到底是什么

机器视觉，说白了就是给工业设备装上「眼睛」和「大脑」。

我经常跟刚入行的同事说：你别把它想得太玄乎。摄像头拍一张图，算法从图里提取信息，然后告诉机器「这个零件合格」或者「那个位置有划痕」。就这么简单。

但真正落地的时候，你会发现——让机器「看见」容易，让它「看懂」很难。

核心定义：机器视觉是用光学成像装置替代人眼，用计算机算法替代人脑，对目标进行测量、判断、识别的技术体系。

我在一个 3C 组装项目里遇到过：人工目检的漏检率大概在 3%-5%，上了视觉系统之后直接压到 0.02% 以下。嗯，这就是机器视觉的价值。

工业 4.0 的核心是「数据驱动决策」。而视觉系统，就是最核心的数据入口之一。

我的经验：很多工厂上了 MES 系统，但数据源头是人工录入的——那叫「伪数字化」。真正打通数据链，必须从视觉采集开始。

你想想看，一条产线每分钟产出 300 个零件，靠人一个个看？不现实。视觉系统就是工业 4.0 的「眼睛传感器」，没有它，后面的数据分析全是空中楼阁。

一套完整的工业视觉系统，由五个核心部分组成。我习惯把它们分成「硬件三件套」和「软件两件套」。

我按实际项目中的选型顺序，一个个说清楚。

视觉系统的「视网膜」。把光信号转成电信号。关键参数：分辨率、帧率、传感器类型（CCD / CMOS）、靶面尺寸。

避坑指南：我曾经在一个锂电检测项目里，选了高分辨率但低帧率的相机。结果产线一跑起来，图像拖影严重，根本没法用。后来换了全局快门 CMOS，问题才解决。记住：分辨率不是越高越好，帧率必须匹配产线节拍。

相机的「晶状体」。把被摄物体的像，清晰投射到传感器靶面上。

整个系统里最容易被低估的部件。我常说：光源选对了，算法省一半。

我的习惯：拿到一个新项目，我第一件事不是选相机，而是先拿几个光源样件去现场试打光。打光效果满意了，再倒推相机和镜头的参数。这个顺序，能省掉后面 80% 的调试时间。

相机和电脑之间的「数据搬运工」。接口类型决定了传输带宽和线缆长度。

视觉系统的「大脑」。负责图像处理、特征提取、逻辑判断。

很多新手一上来就问：「这个项目用什么相机？」

我的回答永远是：先别问相机，先问检测需求。

记住这个公式：

单像素精度 = 视野宽度（mm） ÷ 相机水平分辨率（pixel）

比如视野 50mm，相机 500 万像素（2592×1944），单像素精度 ≈ 50 ÷ 2592 ≈ 0.019mm

实际检测精度需要 3-5 个像素覆盖，所以最小可检特征 ≈ 0.06-0.1mm

嗯，这个公式我几乎每个项目都会用一遍。你把它记牢了，选型就不会跑偏。

机器视觉不是什么黑科技，它就是一套「光-电-算」的组合拳。