一、视觉工位概述：机器视觉在自动化产线中的角色

大家好，我是老张。做机器视觉这行十几年了，今天咱们聊聊视觉工位到底是个啥。

很多人一上来就问我：「老张，视觉工位是不是就是装个相机拍拍照？」

嗯，这么说也对，但太浅了。你想想看，一条自动化产线，几十个工位协同工作，视觉工位就像产线的「眼睛」——它不光要看，还要看得准、看得快，还得把看到的信息告诉上下游设备。

我个人习惯把视觉工位比作「产线的质检员+导航员」。它既要检查产品有没有缺陷，又要引导机器人去抓取、去定位。说白了，没有视觉工位，自动化产线就是个「盲人」在干活。

1.1 机器视觉在自动化产线中的角色

机器视觉在产线里到底干啥？我总结了三个核心角色：

• 检测角色：检查产品外观、尺寸、缺陷。比如手机屏幕有没有划痕，螺丝有没有拧到位。
• 定位角色：告诉机器人「工件在哪儿、角度是多少」。我在项目中遇到过，一个视觉定位不准，机器人抓空了好几次，后来发现是光源没调好。
• 识别角色：读码、识别字符、区分种类。比如快递分拣线，相机一扫就知道包裹该去哪条道。

1.2 视觉工位的核心组成

一个标准的视觉工位，由四大件组成。我一个个说。

1.2.1 相机

相机就是视觉系统的「眼睛」。选相机时，我一般先看三个参数：

• 分辨率：说白了就是能看清多小的细节。检测0.1mm的划痕，至少得500万像素。
• 帧率：一秒能拍多少张。产线速度60个/分钟，帧率至少得10fps以上。
• 传感器类型：CCD还是CMOS？我建议一般产线用CMOS，性价比高。但高精度测量，CCD更稳。

1.2.2 镜头

镜头决定了相机能看到多大的视野、多远的距离。选镜头时，我习惯问自己三个问题：

1. 工作距离是多少？——相机离被测物多远？
2. 视野要多大？——一次拍多大范围？
3. 畸变能不能接受？——边缘会不会变形？

举个例子：检测手机中框的尺寸，工作距离200mm，视野50mm×50mm，那我就会选个25mm焦距的镜头。畸变控制在0.1%以内，不然测量数据会偏。

1.2.3 光源

光源是视觉系统里最容易被忽视的。我见过太多项目，相机和镜头都选对了，结果光源没选好，图像一团糟。

光源的作用就一个：让被测特征「跳」出来。比如检测金属表面的划痕，用环形光从侧面打，划痕就会变成亮线，特别明显。

光源类型	适用场景	我的建议
环形光源	检测表面缺陷、字符识别	最常用，建议常备
背光源	测量外形尺寸、边缘检测	精度要求高时首选
条形光源	大面积均匀照明	适合大视野场景
同轴光源	高反光表面检测	镜面、玻璃表面必备

1.2.4 控制器

控制器是视觉工位的「大脑」。它负责：

• 触发相机拍照
• 处理图像数据
• 输出结果给PLC或机器人

控制器可以是工控机，也可以是嵌入式视觉控制器。我个人习惯用工控机，扩展性好，处理速度快。但如果是简单检测，嵌入式控制器更省成本。

1.3 视觉工位与上下游设备的交互逻辑

视觉工位不是孤岛。它必须和上下游设备「握手」。我画个图，大家一看就明白。

交互逻辑其实很简单，就三步：

1. 上游发信号：传送带把工件送到视觉工位下方，传感器检测到工件到位，给控制器发一个「拍照」信号。
2. 视觉工位处理：控制器触发相机拍照，算法分析图像，得出结果（比如「合格」或「不合格」，或者工件的坐标位置）。
3. 下游接收结果：控制器把结果发给下游设备。如果是合格品，机器人抓取去下一站；如果是不合格品，剔除机构把它推走。

1.4 视觉工位的典型应用场景

说了这么多理论，我举几个实际例子，大家感受一下。

• 电子行业：PCB板上的焊点检测。相机拍一张，算法检查有没有虚焊、短路。我做过一个项目，每分钟检测120块板，准确率99.8%。
• 汽车行业：发动机缸体的尺寸测量。用背光源+高分辨率相机，测量精度达到0.01mm。
• 食品行业：包装上的生产日期喷码检测。相机读码，和数据库比对，防止漏喷、错喷。

好了，第一章就聊到这儿。视觉工位看似简单，但真正要做好，每个细节都得抠。下一章咱们聊聊相机选型那些坑，我踩过的坑可不少，到时候跟大家好好唠唠。

---