企业官网建设流程全解析

上位机视觉通信的整体架构：采集层 → 处理层 → 应用层

前三篇讲了通信本质、设备对话、串口 vs Socket。这一篇把它们组装成一个完整的机器视觉上位机系统——从相机拍照，到算法处理，到界面显示和业务决策。

一、先看全局：一张架构图

┌───────────────────────────────────────────────────────────┐ │ 应用层（Application） │ │ 界面显示 │ 业务逻辑 │ 数据存储 │ 报警 │ 与MES/PLC通信 │ └───────────────────────────▲───────────────────────────────┘ │ 结果 / 指令 ┌───────────────────────────┴───────────────────────────────┐ │ 处理层（Processing） │ │ 图像预处理 │ 算法检测 │ 测量 │ 识别 │ 结果判定 │ └───────────────────────────▲───────────────────────────────┘ │ 图像数据 ┌───────────────────────────┴───────────────────────────────┐ │ 采集层（Acquisition） │ │ 工业相机 │ 光源 │ 触发信号 │ 图像采集卡 │ 相机SDK │ └───────────────────────────▲───────────────────────────────┘ │ 光 → 电信号 被检测物体

核心思想：数据自下而上流动，指令自上而下传递。

二、采集层：把"光"变成"图像"

1. 采集层要解决什么？

2. 采集层的"通信"发生在这里

采集层内部其实有三次通信：

① PLC/传感器 ──触发信号──► 相机 （硬触发，通常是 IO 电平） ② 相机 ──图像数据──► 上位机 （GigE Vision / USB3 Vision / Camera Link / CoaXPress） ③ 上位机 ──控制命令──► 相机 （设置曝光、增益、触发模式）

3. C# 里的采集层代码骨架

以GigE Vision相机（如海康、Basler）为例：

publicinterfaceICamera{voidOpen();voidSetTriggerMode(TriggerModemode);ImageDataGrab(inttimeoutMs);voidClose();}// 海康相机示例（伪代码，实际用 MvCameraControl.NET）publicclassHikCamera:ICamera{privateIntPtr_handle;publicvoidOpen(){// 枚举设备 → 创建句柄 → 打开MV_CC_EnumDevices(...,refdeviceList);MV_CC_CreateHandle(ref_handle,refdeviceInfo);MV_CC_OpenDevice(_handle);}publicvoidSetTriggerMode(TriggerModemode){// 硬触发 or 软触发MV_CC_SetEnumValue(_handle,"TriggerMode",mode==TriggerMode.Hard?1u:0u);MV_CC_SetEnumValue(_handle,"TriggerSource",mode==TriggerMode.Hard?0u:7u);}publicImageDataGrab(inttimeoutMs){// 取一帧图像MV_FRAME_OUT_INFO_EXframeInfo=newMV_FRAME_OUT_INFO_EX();byte[]buffer=newbyte[width*height*channels];MV_CC_GetOneFrameTimeout(_handle,buffer,buffer.Length,refframeInfo,timeoutMs);returnnewImageData(buffer,frameInfo.nWidth,frameInfo.nHeight);}publicvoidClose(){MV_CC_CloseDevice(_handle);MV_CC_DestroyHandle(_handle);}}

4. 采集层的工程要点

• 触发方式：硬触发比软触发确定性高（生产线节拍要求）
• 丢帧处理：缓存队列、超时重取
• 多相机同步：硬件同步信号 or PTP（IEEE 1588）
• 断线重连：网口相机断网后要能自动恢复

三、处理层：把"图像"变成"结果"

1. 处理层要解决什么？

原始图像 ↓ 预处理 灰度化、滤波、二值化、ROI裁剪 ↓ 特征提取 边缘、角点、轮廓、模板 ↓ 检测/测量/识别 缺陷检测、尺寸测量、OCR、定位、分类 ↓ 结果判定 OK / NG + 数据

2. 处理层也是"通信密集区"

处理层内部各模块之间也要通信：

┌──────────┐ 图像 ┌──────────┐ 特征 ┌──────────┐ │ 预处理 │ ───────► │ 算法引擎 │ ─────► │ 判定逻辑 │ └──────────┘ └──────────┘ └──────────┘ ▲ │ │ 结果回调 │ └──────────────────────────────────────────┘

关键设计：处理层必须流水线化，否则相机等算法，节拍跟不上。

3. C# 里的处理层骨架

publicclassProcessingPipeline{privatereadonlyBlockingCollection<ImageData>_inputQueue=new(10);privatereadonlyBlockingCollection<VisionResult>_outputQueue=new(10);publicvoidStart(intworkerCount=2){// 多个处理线程并发处理for(inti=0;i<workerCount;i++){Task.Run(()=>ProcessLoop());}}privatevoidProcessLoop(){foreach(varimagein_inputQueue.GetConsumingEnumerable()){varresult=Process(image);_outputQueue.Add(result);}}privateVisionResultProcess(ImageDataimage){// 1. 预处理usingvarmat=ImageConverter.ToMat(image);Cv2.CvtColor(mat,mat,ColorConversionCodes.BGR2GRAY);Cv2.GaussianBlur(mat,mat,newSize(5,5),0);// 2. 检测（示例：找轮廓）Cv2.Threshold(mat,mat,100,255,ThresholdTypes.Binary);Cv2.FindContours(mat,outvarcontours,out_,RetrievalModes.External,ContourApproximationModes.ApproxSimple);// 3. 判定boolisOk=contours.Length==1;doublearea=contours.Length>0?Cv2.ContourArea(contours[0]):0;returnnewVisionResult{IsOk=isOk,Area=area,Timestamp=DateTime.Now,ImageId=image.Id};}publicvoidEnqueue(ImageDataimage)=>_inputQueue.Add(image);publicVisionResultDequeue(inttimeoutMs)=>_outputQueue.TryTake(outvarr,timeoutMs)?r:null;}

4. 处理层的工程要点

• 算法与采集解耦：用队列缓冲，避免阻塞相机
• 多线程/多核：OpenCV +Parallel或 GPU（CUDA）
• 结果可追溯：每张图、每个结果都要有 ID
• 参数可配置：算法参数不能写死，要能下发

四、应用层：把"结果"变成"价值"

1. 应用层要解决什么？

2. 应用层是"对外通信的总出口"

┌──────────────┐ │ 应用层 │ └──┬───┬───┬───┘ │ │ │ ┌──────────────┘ │ └──────────────┐ ▼ ▼ ▼ ┌─────────┐ ┌─────────┐ ┌─────────┐ │ PLC │ │ MES │ │ 数据库 │ │(Modbus) │ │(HTTP/DB)│ │(SQL) │ └─────────┘ └─────────┘ └─────────┘

3. C# 里的应用层骨架

publicclassVisionApplication{privatereadonlyICamera_camera;privatereadonlyProcessingPipeline_pipeline;privatereadonlyIPlcClient_plc;// 给 PLC 发结果privatereadonlyIMesClient_mes;// 给 MES 传数据privatereadonlyIResultRepository_repo;// 存数据库publicasyncTaskRunAsync(CancellationTokenct){_pipeline.Start();while(!ct.IsCancellationRequested){// 1. 采集varimage=_camera.Grab(1000);if(image==null)continue;// 2. 送入处理_pipeline.Enqueue(image);// 3. 取结果varresult=_pipeline.Dequeue(500);if(result==null)continue;// 4. 显示（UI 线程）OnResultReady?.Invoke(result);// 5. 业务动作if(result.IsOk){await_plc.WriteResultAsync(true);await_repo.SaveAsync(result);}else{await_plc.WriteResultAsync(false);// 触发剔除await_mes.ReportNgAsync(result);// 上报 MESawait_repo.SaveAsync(result);}}}publiceventAction<VisionResult>OnResultReady;}

4. 应用层的工程要点

• UI 不阻塞：图像显示用双缓冲，算法在后台线程
• 通信超时：给 PLC/MES 的调用都要有超时和重试
• 数据一致性：图像存盘和数据库记录要对应
• 可配置：配方、阈值、通信参数都要能改

五、三层之间的"通信契约"

三层之间不是随便传数据，而是有明确的契约：

采集层 → 处理层

publicclassImageData{publiclongId{get;set;}// 唯一标识publicbyte[]Pixels{get;set;}// 像素数据publicintWidth{get;set;}publicintHeight{get;set;}publicintChannels{get;set;}publicDateTimeCaptureTime{get;set;}publicstringCameraId{get;set;}// 多相机时区分}

处理层 → 应用层

publicclassVisionResult{publiclongImageId{get;set;}// 关联图像publicboolIsOk{get;set;}publicdouble[]Measurements{get;set;}publicstringDefectType{get;set;}publicTimeSpanProcessingTime{get;set;}publicDateTimeTimestamp{get;set;}}

应用层 → 外部设备

契约稳定的价值：任何一层换了实现，其他层不受影响。

六、完整数据流：一次检测的全过程

① 光电传感器检测到工件到位 │ ▼ ② 触发信号 → 相机（硬触发） │ ▼ ③ 相机曝光、成像 │ ▼ ④ 图像通过 GigE 传到上位机 │ ▼ ⑤ 采集层封装 ImageData，入队 │ ▼ ⑥ 处理线程取出，预处理 + 算法 │ ▼ ⑦ 生成 VisionResult，出队 │ ▼ ⑧ 应用层：显示 + 存盘 + 发 PLC │ ▼ ⑨ PLC 控制执行机构（剔除/放行） │ ▼ ⑩ MES 记录，数据库归档

每一层都在"通信"，只是通信的对象不同。

七、工程中的典型难点

八、C# 技术选型建议

九、总结：三句话记住整体架构

1. 采集层：把光变成图像，解决"看得见"。
2. 处理层：把图像变成结果，解决"看得懂"。
3. 应用层：把结果变成价值，解决"用得上"。

记忆口诀：

采集层里相机忙，触发同步不能忘 处理层中算法强，流水多线程跟上 应用层对外通信广，PLC MES 数据库都要连上 三层契约要稳定，解耦设计寿命长

十、下一步建议

1. 画图：用 Visio / draw.io 画出你项目的三层架构
2. 定义契约：明确每层之间的数据类
3. 写骨架：把上面三个 C# 类补齐、跑通
4. 加通信：接入真实相机 SDK + Modbus TCP 给 PLC
5. 压测：连续跑 8 小时，看丢帧、内存、节拍

做完这五步，你就有了一个可以上生产线的视觉上位机框架。