一、机器视觉概述：从“看见”到“看懂”
大家好，我是老张。在机器视觉这行摸爬滚打了十几年，今天咱们聊聊最基础、也最容易被忽视的问题——机器视觉到底是什么？
很多人觉得，机器视觉就是给机器装个摄像头。嗯，这话对了一半。摄像头只是眼睛，真正让机器“看懂”世界的，是背后的算法和系统。
核心定义：机器视觉是用光学成像设备模拟人眼，用图像处理算法模拟人脑，最终让机器自动完成检测、测量、识别、定位等任务的技术体系。
1.1 机器视觉系统组成
一个完整的机器视觉系统，说白了就是“光、机、电、算”四个字。我习惯把它拆成六个核心模块：
- 光源——照亮目标，突出特征，压制干扰
- 镜头——把光线汇聚到传感器上
- 工业相机——把光信号转成电信号
- 图像采集卡——把模拟信号转成数字图像
- 图像处理算法——核心大脑，做分析判断
- 执行机构——根据结果做动作（剔除、报警、定位等）
你想想看，这六个模块缺一个，系统就跑不起来。我在项目里见过太多人只盯着算法，结果光源没选好，图像质量一塌糊涂，再牛的算法也白搭。
1.2 工业相机与镜头选型
选相机和镜头，是每个视觉工程师的必修课。我见过太多人上来就问“哪个相机好”，其实这是个伪命题。没有最好的相机，只有最合适的相机。
工业相机选型要点
| 参数 | 说明 | 我的建议 |
|---|---|---|
| 分辨率 | 决定能看清多小的细节 | 精度要求 ÷ 视野宽度 = 单像素当量，一般取3-5倍 |
| 帧率 | 决定检测速度 | 产线节拍 × 1.5倍余量，别卡在临界值 |
| 传感器类型 | CCD vs CMOS | 高精度静态用CCD，高速动态用CMOS |
| 接口 | GigE / USB3.0 / Camera Link | GigE最通用，USB3.0便宜，Camera Link用于超高带宽 |
| 靶面尺寸 | 1/3"、1/2"、2/3"等 | 越大越好，但价格也越高 |
个人经验：我曾经在一个手机玻璃盖板检测项目里，选了500万像素的相机，结果发现划痕宽度只有0.02mm，根本看不清。后来换成1200万像素，配合高倍率镜头才搞定。选型时一定要算清楚“单像素当量”，别凭感觉。
镜头选型核心参数
镜头这东西，很多人觉得就是个放大镜。其实不然，它直接影响成像质量。我习惯按这个顺序来选：
- 焦距——决定视场角大小。工作距离固定后，焦距越长，视野越小，放大倍率越大。
- 光圈——影响进光量和景深。光圈越大，进光多但景深浅；光圈小，景深大但图像暗。
- 畸变——广角镜头常见桶形畸变，长焦镜头常见枕形畸变。测量类项目必须用低畸变镜头。
- 接口匹配——C接口、CS接口、F接口，必须和相机匹配，别买回来装不上。
避坑指南：我曾经在一个项目里选了8mm焦距的镜头，结果工作距离只有100mm，视野倒是够大，但畸变严重到边缘的螺丝孔都变形了。后来换成16mm焦距，虽然视野小了点，但畸变控制在0.1%以内，测量精度直接达标。记住：能用长焦就别用短焦。
1.3 光源选型原则
光源选型，说白了就是“让该亮的地方亮，该暗的地方暗”。我见过太多项目，算法调了三个月没搞定，最后换个光源，一天就解决了。光源的重要性，怎么强调都不为过。
常见光源类型
| 类型 | 特点 | 适用场景 |
|---|---|---|
| 环形光源 | 均匀、无阴影 | 字符识别、表面划痕检测 |
| 背光源 | 高对比度、轮廓清晰 | 尺寸测量、边缘检测、透明物体 |
| 条形光源 | 方向性强、可调角度 | 反光表面、纹理检测 |
| 同轴光源 | 消除反光、均匀照明 | 高反光表面、镜面物体 |
| 点光源 | 高亮度、小光斑 | 微小缺陷检测、光纤照明 |
选型五原则
我总结了一套“五看”原则，每次选型都按这个来：
- 看颜色：光源颜色要和被测物体颜色互补。比如检测红色物体，用蓝色光，对比度最高。
- 看角度：高角度光适合检测表面纹理，低角度光适合检测凹凸缺陷。
- 看均匀性：视野边缘和中心亮度差不能超过10%，否则算法阈值没法统一。
- 看寿命：LED光源寿命一般3-5万小时，但散热不好会衰减很快。
- 看环境：产线有油污、水汽？选IP67防护等级的光源。
实战案例：去年做锂电池极片检测，一开始用白色环形光源，极片表面的金属反光导致算法误检率高达15%。后来换成蓝色同轴光源，反光被压制，缺陷特征清晰可见，误检率直接降到0.5%。你看，换个光源，效果天差地别。
1.4 本章小结
机器视觉不是简单的“拍照+算法”，而是一个系统工程。从光源到镜头，从相机到算法，每个环节都要匹配。我见过太多人一上来就调算法，结果发现图像质量不行，回头再换光源、换镜头，浪费大量时间。
记住一句话：好的图像质量，是算法成功的一半。选型阶段多花点心思，后面调试能省十倍的时间。