一、工业视觉概述
大家好，我是老张，在工业视觉这行摸爬滚打了十几年。今天咱们来聊聊工业视觉到底是什么，以及它为什么这么重要。
说白了，工业视觉就是给机器装上「眼睛」和「大脑」。摄像头拍下画面，软件分析出结果，然后告诉机器该怎么做。我刚开始接触这行时，也觉得挺神奇的——一台机器怎么能「看」懂产品的好坏？后来做多了才发现，背后的原理其实很朴实。
1.1 什么是工业视觉
工业视觉，也叫机器视觉，是用光学设备和计算机来模拟人类视觉的技术。它不像人眼会疲劳、会走神，机器可以24小时不间断地工作，而且精度能达到微米级。
举个例子，你想想看，一条产线上每分钟要检测几百个零件，人眼盯久了肯定花。但机器不会。我有个客户做手机螺丝检测，以前靠人工，漏检率高达5%。上了视觉系统后，漏检率直接降到0.01%以下。
核心定义：工业视觉 = 图像采集 + 图像处理 + 结果输出
1.2 工业视觉的四大应用领域
在实际项目中，工业视觉主要干四件事。我按遇到的频率排个序：
1. 缺陷检测
这是最常用的场景。检测产品表面有没有划痕、脏污、裂纹、气泡等。我在做锂电池检测项目时，遇到过一种极难发现的针孔缺陷——只有几十微米大，人眼根本看不见。但视觉系统配合特殊光源，一下就揪出来了。
- 表面划痕、凹坑
- 尺寸偏差、变形
- 颜色不均、异物
- 印刷错误、字符缺失
2. 定位
告诉机器人「东西在哪儿」。比如手机组装时，摄像头要精确找到螺丝孔的位置。我做过一个项目，机器人抓取散乱摆放的零件，全靠视觉定位。精度要求0.1mm，一开始总偏，后来发现是光源角度不对——嗯，这里要注意，光源调好了，定位就稳了。
3. 测量
用图像来量尺寸。卡尺量不到的微小尺寸，视觉可以。比如芯片引脚间距、轴承内外径。我曾经帮一家汽车零部件厂做测量方案，要求精度0.01mm。说实话，当时心里也没底，但最后用远心镜头加亚像素算法，硬是做到了。
| 测量类型 | 典型精度 | 常用场景 |
|---|---|---|
| 长度/宽度 | ±0.01mm | 电子元件、五金件 |
| 圆度/直径 | ±0.005mm | 轴承、齿轮 |
| 角度 | ±0.1° | 装配对位 |
4. 识别
读码、读字符、识别颜色。物流行业的分拣、食品包装的生产日期检测，都属于这类。我印象最深的是做药品追溯码识别——药盒上的二维码只有指甲盖大小，产线速度还快，普通相机根本拍不清。后来换了高速相机加专用镜头，才搞定。
1.3 工业视觉系统的典型组成
一套完整的工业视觉系统，说白了就五样东西。我画了个图，方便你理解：
下面我一个个说：
1. 相机
相机的任务就是把光信号转成电信号。选相机主要看分辨率、帧率和传感器类型。我个人习惯，做缺陷检测时选高分辨率相机，做定位时选高帧率相机。
小技巧：别一味追求高分辨率。分辨率越高，数据量越大，处理速度就越慢。够用就行。
2. 镜头
镜头决定图像清不清晰。焦距、光圈、畸变是三个关键参数。我曾经犯过一个错——给一个测量项目配了普通镜头，结果边缘畸变导致测量误差。后来换了远心镜头，问题才解决。
3. 光源
很多人忽视光源，其实它是最关键的。光源打得好，后面算法省一半力气。常见的有环形光、背光、同轴光、条形光。我一般根据被测物的材质和颜色来选。
4. 工控机
工控机就是视觉系统的大脑。它要跑算法、存数据、控制外围设备。选工控机时，我建议CPU要强，内存要大，最好带独立显卡——尤其是做深度学习检测时。
5. 软件
软件是灵魂。市面上有商业软件（如Halcon、VisionPro），也有开源库（如OpenCV）。我个人偏好Halcon，因为它的算子封装得好，开发效率高。但OpenCV免费，适合预算有限的项目。
避坑指南：我曾经在一个项目中，软件和相机驱动不兼容，折腾了两天才找到原因。所以，搭建系统前一定要确认各硬件的SDK是否支持你的开发环境。
1.4 一个完整的视觉系统工作流程
说了这么多，咱们串起来看看：
- 触发拍照——传感器检测到产品到位，给相机发信号
- 图像采集——相机在光源配合下拍下照片
- 图像传输——通过网线或Camera Link传给工控机
- 算法处理——软件对图像进行分析（检测/定位/测量/识别）
- 结果输出——把结果发给PLC或机器人，执行下一步动作
整个过程，从触发到输出，一般要求在几百毫秒内完成。我做过最快的项目，整个周期只有50毫秒——嗯，那套系统用的是高速相机加GPU加速。
好了，这一章就聊到这儿。工业视觉的门道很多，但核心就是这五样东西和四大应用。后面咱们会一步步深入，从硬件选型到软件安装，把每个环节都掰开揉碎了讲。
公众号:蓝海资料掘金营，微信deep3321