企业官网建设流程全解析

一、机器视觉是什么

机器视觉可以理解为：让机器通过光学成像、图像采集和算法处理，获得类似人眼观察目标的能力，并进一步完成检测、定位、识别和测量。

一个完整的机器视觉过程通常是：

目标物 → 光源照明 → 镜头成像 → 相机采集 → 软件分析 → 输出结果或控制设备

与人工目检相比，机器视觉具有速度快、重复性好、精度高、稳定性强等特点，并且能够长时间工作，适合高温、粉尘、黑暗等不适合人员长时间工作的环境。

机器视觉常见任务包括：

• 检测：判断是否存在缺陷、划痕、短路、缺件或装配错误；
• 定位：确定工件、孔位、边缘或特征点的位置；
• 识别：读取字符、条码、二维码，或者判断目标类别；
• 测量：测量长度、宽度、直径、间距和角度等尺寸。

需要注意的是，机器视觉并不是“安装一个相机，再运行一个算法”这么简单。图像是否清晰、目标与背景是否有足够对比度、光照是否稳定、镜头是否匹配，都会直接影响最终结果。

二、机器视觉系统的组成

一个基础的机器视觉系统通常包括以下部分：

光源、镜头和相机之间是相互配合的。即使相机分辨率很高，如果光源造成严重反光，或者镜头存在明显畸变，最终图像也可能无法用于可靠检测。

因此，机器视觉首先是一个完整的工程系统，其次才是算法问题。

三、工业相机：把光变成数据

1. 图像传感器

图像传感器可以看作由许多像素组成的阵列。光线到达像素后，会在传感器中产生电信号，经过处理后形成图像。

常见传感器主要有 CCD 和 CMOS：

• CCD：感光性能和图像质量通常较好，但功耗和成本相对较高；
• CMOS：功耗和成本较低，集成度较高，目前在工业相机中应用非常广泛。

按照颜色，工业相机可以分为：

• 黑白相机：输出灰度图像，适合形状、边缘、纹理和尺寸检测；
• 彩色相机：能够获取颜色信息，适合颜色识别和分类任务。

按照扫描方式，可以分为：

• 面阵相机：一次获取一个二维画面，适合单个工件或有限视野内的检测；
• 线阵相机：一次采集一行或几行像素，需要通过物体运动逐行拼接成完整图像，适合连续运动、长尺寸或大幅面目标。

2. 全局快门与卷帘快门

全局快门会让整幅图像的像素同时曝光，适合传送带、旋转件和机械手抓取等运动场景，可以减少运动形变。

卷帘快门按照行依次曝光，结构和成本有一定优势，但拍摄快速运动目标时容易出现倾斜、拉伸或拖影。

因此：

• 动态检测通常优先考虑全局快门；
• 目标静止或运动缓慢时，卷帘快门也可能满足需求。

3. 相机主要参数

工业相机选型时，需要关注以下参数：

• 传感器类型；
• 黑白或彩色；
• 面阵或线阵；
• 全局快门或卷帘快门；
• 分辨率；
• 像元尺寸；
• 帧率或线频率；
• 数据接口；
• 触发方式；
• 输入输出接口。

分辨率表示图像中的像素数量，例如 1280×1024 约为 131 万像素。

像元尺寸是单个像素的物理尺寸。像元较小，可以获得更高的空间采样密度；像元较大，单个像素能够接收更多光线。实际选择时，需要在分辨率、感光能力、噪声和成本之间进行平衡。

常见数据接口包括 GigE、USB 3.0、Camera Link、CoaXPress 和 10GigE 等。不同接口在传输带宽、传输距离、成本以及是否需要采集卡等方面存在差异。

4. 分辨率估算

课件中介绍了一个用于初步选型的工程经验：

单像素允许覆盖的尺寸 ≈ 检测精度 ÷ 3

然后可以根据视野范围估算所需像素数：

所需像素数 ≈ 视野尺寸 ÷ 单像素允许覆盖尺寸

例如：

目标尺寸约为 20 mm×40 mm，要求检测精度达到 0.1 mm。考虑安装和边缘余量后，将视野设置为 30 mm×50 mm。

单像素允许覆盖尺寸约为：

0.1÷3≈0.033 mm

因此：

• 短边所需像素数约为：30÷0.033≈1000；
• 长边所需像素数约为：50÷0.033≈1666。

实际选择时，应选择高于这个结果的相机，并预留一定工程余量。

这个“三倍关系”属于初步估算方法，最终精度还需要通过真实镜头、光源、标定板和目标样件进行验证。

5. 相机触发与 I/O

相机采集通常有两种方式：

• 软件触发：由程序发出采集命令，配置比较简单；
• 硬件触发：由光电传感器、PLC 或编码器发出信号，时间同步性更好。

在工业现场，还需要关注：

• 供电极性；
• 网口或 USB 连接；
• IP 地址配置；
• 外部触发端口；
• 输入输出端口；
• PNP/NPN 电气逻辑。

NPN 通常表现为下拉或低电平导通，PNP 通常表现为上拉或高电平输出，但实际接线必须以相机和传感器说明书为准。

6. 线阵相机

线阵相机不是一次拍摄完整图片，而是采集一条线，随着目标运动不断获取新的线，最后拼接成二维图像。

它适合：

• 布匹、钢材、玻璃和纸张检测；
• 印刷品和 PCB 检测；
• 大尺寸表面检测；
• 连续生产线检测。

使用线阵相机时，需要考虑物体运动速度、线频率、外部触发和编码器。编码器可以反映传送带实际位移，使图像的空间比例更加稳定。

如果线频率与运动速度不匹配，图像可能出现拉伸或压缩。同时，线阵相机数据量较大，还要关注传输带宽、采集卡和光源亮度。

四、镜头：决定目标如何成像

相机负责采集图像，但镜头负责把目标正确地投影到传感器上。镜头的成像质量、视野范围和畸变情况，会直接影响检测和测量结果。

1. 镜头中的基本概念

• 视野 FOV：镜头能够覆盖的目标区域；
• 焦距：焦距越长，通常视野越窄、放大能力越强；
• 工作距离 WD：镜头前端到被测物体之间的距离；
• 景深 DOF：前后移动一定范围后，图像仍能保持清晰的范围；
• 畸变：图像不同位置的放大倍率不一致，可能造成桶形或枕形变形。

镜头的成像圈或靶面尺寸需要覆盖相机传感器。如果镜头覆盖范围小于传感器，图像边缘可能出现暗角或黑边。

2. 普通 FA 镜头与远心镜头

普通 FA 工业镜头成本相对较低、应用范围广，适合一般定位、识别和外观检测。

但是，当物体与镜头之间的距离发生变化时，目标的放大倍率也会发生变化，容易产生透视误差。

远心镜头采用更接近平行光线的成像方式，可以减小透视关系带来的尺寸变化，使工作距离变化时放大倍率更加稳定。

远心镜头更适合：

• 高精度尺寸测量；
• 边缘检测；
• 孔径检测；
• 对形状稳定性要求较高的场景。

它的缺点是成本更高、体积更大，对视野和安装空间也有更多要求。

3. 光圈与景深

大光圈能够获得更多光线，但景深通常较浅；缩小光圈后，进光量会减少，但景深通常会增加。

实际调节时，需要在亮度、清晰度、景深和曝光时间之间取得平衡。不能为了追求亮度而无限放大光圈，也不能只追求景深而让图像过暗。

4. C 口与 CS 口

机器视觉中常见 C 口和 CS 口。两者外形相近，但法兰距不同。

C 口镜头安装到 CS 口相机时，通常需要使用合适的转接环；CS 口镜头不能简单地直接安装到 C 口相机上。

选购镜头时，需要同时确认：

• 相机接口；
• 镜头接口；
• 传感器靶面；
• 工作距离；
• 视野范围。

五、光源：先让图像“拍清楚”

1. 光源的作用

在机器视觉中，光源的任务不只是提高亮度，更重要的是控制目标、背景和缺陷之间的成像关系。

合适的光源可以：

• 提高目标与背景的对比度；
• 突出边缘、划痕、凹陷和字符；
• 降低环境光和反光干扰；
• 提高图像的一致性和稳定性。

很多时候，图像效果不好并不是算法不够复杂，而是照明方式没有选择正确。

2. 常见光源类型

不同目标需要使用不同的照明思路：

• 检测外轮廓：优先考虑背光；
• 检测划痕和毛刺：可以尝试低角度暗场光；
• 检测平面字符：可以尝试同轴光；
• 检测曲面或反光目标：可以尝试穹顶光；
• 检测长条表面：可以尝试条形光或线光。

3. 颜色、波长和色温

不同颜色或波长的光照射到材料表面时，反射和吸收情况不同，因此目标与背景之间的对比度也会发生变化。

黑白相机并不意味着只能使用白光。在实际检测中，可以根据材料特性选择红光、蓝光、绿光或其他波段，再配合滤光片抑制不需要的光。

色温通常用 K 表示，是描述光源颜色倾向的一个指标。工程应用中更重要的是：

• 光源光谱是否适合目标材料；
• 相机是否能够有效响应；
• 光源长时间工作后是否稳定；
• 图像亮度和对比度是否保持一致。

4. 光学附件

常见光学附件包括：

• 滤光片：选择特定波段或减弱光强；
• 偏振片：在合适配置下抑制部分镜面反光；
• 棱镜：改变光路方向，满足特殊安装需求。

附件并不是越多越好，而是要针对具体的反光、颜色、空间和成像问题使用。

六、从检测需求到硬件方案

第一步：明确检测任务

先确定是检测、定位、识别还是测量，再明确目标尺寸、缺陷大小、检测精度、节拍和工作环境。

第二步：确定视野和分辨率

视野既要覆盖完整目标，又要留出安装和定位余量。然后根据检测精度估算单像素对应的实际尺寸，得到相机的大致分辨率。

第三步：确定相机类型

判断使用黑白还是彩色、面阵还是线阵、全局快门还是卷帘快门，并根据帧率、线频率、接口和触发方式筛选相机。

第四步：匹配镜头

根据视野、工作距离、传感器靶面、接口、景深和畸变要求选择镜头。

普通 FA 镜头适合大多数常规成像任务；如果需要稳定的尺寸关系和较高测量精度，则需要重点评估远心镜头。

第五步：设计光源

先确定需要突出的是轮廓、表面缺陷、字符还是颜色，再决定光源方向和结构，之后调整光源颜色、亮度、均匀性和稳定性。

第六步：使用样件验证

最终方案不能只停留在参数表上。应使用真实样件，测试不同光源角度、曝光时间、增益、工作距离和光圈，观察图像中的对比度、边缘清晰度、反光、阴影和重复性。

七、本周学习总结

通过本周学习，我对机器视觉有了以下认识：

1. 机器视觉是由光源、镜头、相机、软件和控制通信共同组成的系统工程；
2. 相机选型不能只看像素，还要看传感器、快门、帧率、接口和触发方式；
3. 镜头决定视野、放大关系、景深和畸变，是成像质量的重要基础；
4. 光源决定特征能否被稳定地表达出来，很多图像问题应该先从照明角度分析；
5. 硬件选型应从检测目标和精度出发，通过视野、分辨率、运动速度和实物样件逐步验证。

对于机器视觉初学者来说，最重要的不是背诵某个品牌或型号，而是看到一个检测任务时，能够回答以下问题：

• 要检测什么特征？
• 怎样让这个特征更加明显？
• 需要多大的视野和精度？
• 目标是否处于运动状态？
• 最终如何通过样件验证方案？

只有把“目标—光源—镜头—相机—图像—算法结果”这条链路真正跑通，基础知识才能逐渐转化为工程能力。

本文为个人学习笔记，课件中的品牌、型号和参数仅作课堂示例，实际工程选型应以目标样件、实测图像和厂商数据手册为准。