一、光学检测概述

1.1 机器视觉在工业检测中的地位

工业检测这件事，说白了就是给产品「找茬」。

传统的人工检测，我见过太多案例了。工人盯着产线看上八小时，眼睛都花了。漏检率？说实话，能维持在 80% 就不错了。更别提那些微米级的缺陷，人眼根本看不见。

机器视觉就不一样了。它不会累，不会走神，不会因为今天心情不好就放水。我做过一个项目，客户要求检测精度达到 5 微米。人工检测？想都别想。但用高分辨率相机配合合适的算法，这事就能干。

现在工业检测领域，机器视觉已经成了标配。从半导体晶圆到手机屏幕，从汽车零部件到食品包装，到处都有它的影子。我个人习惯把机器视觉比作「工业的眼睛」——没有它，智能制造就是瞎子在摸象。

1.2 光学缺陷检测的典型场景

光学缺陷检测，其实就干一件事：用光找出产品表面的「不完美」。

我这些年接触过的场景，归纳起来就四种：

划痕

划痕是最常见的缺陷。手机屏幕、汽车玻璃、金属外壳，哪哪都有。划痕的特点是细长、有方向性。检测难点在于——有些划痕很浅，光线角度不对就看不见。

我记得有一次做手机中框检测，客户说「划痕必须检出」。结果呢？产线上有 30% 的良品被误判为划痕。后来发现是加工纹路在捣乱。嗯，这里要注意：划痕检测的关键不是找「线」，而是找「异常线」。

脏污

脏污这东西，说白了就是不该有的东西出现在不该有的地方。油渍、指纹、灰尘、胶水残留……五花八门。

脏污检测最头疼的是「假阳性」。你想想看，一个产品表面有点水渍，算法就报警。但水渍擦掉就没了，算缺陷吗？不算。我曾经踩过这个坑，后来加了一个「可擦除判断」逻辑，才把误报率降下来。

气泡

气泡主要出现在透明材质里，比如玻璃、塑料、胶水层。气泡的特点是圆形或椭圆形，边缘清晰，内部透光。

检测气泡其实不难，难的是区分「真气泡」和「假气泡」。有一次做光学胶检测，胶层里有很多微小气泡，但客户说那些是工艺允许的。结果呢？算法把工艺气泡全报出来了，产线直接停摆。后来我加了一个尺寸过滤，小于 50 微米的气泡直接放过。

裂纹

裂纹是最危险的缺陷。它可能很小，但会扩展。玻璃上的一个微裂纹，运输过程中就可能碎成渣。

裂纹检测的难点在于：裂纹往往很细，而且方向随机。我做过一个陶瓷基板检测项目，裂纹只有 2 微米宽。普通光源根本拍不出来。后来换了暗场照明，才把裂纹「逼」出来。

缺陷类型	典型特征	检测难点	常用光源
划痕	细长、有方向性	浅划痕难识别	明场/暗场
脏污	形状不规则、颜色各异	假阳性高	明场/同轴光
气泡	圆形、边缘清晰	与工艺气泡混淆	背光/透射光
裂纹	细线状、方向随机	微米级宽度	暗场/偏振光

1.3 课程整体技术路线图

这门课怎么讲？我画了一张图，你看一眼就明白了。

这张图就是我这些年做缺陷检测的经验总结。你看，从图像采集到最终输出，一共四个阶段。每个阶段都有坑，也都有技巧。

我个人习惯把课程分成两条线：一条是「传统算法线」，另一条是「深度学习线」。两条线不是对立的，而是互补的。传统算法快、稳、可解释性强；深度学习灵活、适应性强、能处理复杂场景。

好了，这就是第一章的内容。光学检测这件事，说难也难，说简单也简单。难在细节，简单在逻辑。只要你把每个环节吃透，缺陷检测就不是什么神秘的事。