第一章 视觉系统概述：工控机视觉系统组成、工业相机选型、镜头选型、光源选型

大家好，我是老张。在工控视觉这行摸爬滚打了十几年，今天咱们聊聊视觉系统的基础。很多人一上来就追着问算法、问深度学习，其实啊，硬件选型才是决定项目成败的关键。你想想看，相机选错了，镜头配不对，光源打不好，后面算法再牛也白搭。

这一章，我就把视觉系统的四大块——系统组成、相机、镜头、光源，掰开了揉碎了讲清楚。全是实战经验，没有废话。

1.1 工控机视觉系统的基本组成

一套完整的工控视觉系统，说白了就这几样东西：工控机、工业相机、镜头、光源、图像采集卡（或直连接口）、以及视觉软件。我习惯把它们分成「眼睛」和「大脑」两部分。

• 眼睛部分：相机 + 镜头 + 光源。负责把物理世界的光信号变成数字信号。
• 大脑部分：工控机 + 采集卡 + 视觉软件。负责处理图像、做判断、发指令。

我在项目中遇到过不少新手，花大价钱买了高分辨率相机，结果配了个廉价镜头，成像边缘全是模糊的。嗯，这里要注意：系统里最弱的那个环节，决定了整个系统的上限。

1.2 工业相机选型——别只看像素

很多人选相机，第一句话就问「多少万像素？」。其实像素只是最基础的一个参数。我个人习惯按这个顺序来选：

1. 传感器类型：CCD 还是 CMOS？老项目里 CCD 多，现在 CMOS 进步很快，性价比高。但高精度测量场景，我依然倾向 CCD。
2. 分辨率：不是越高越好。分辨率高，数据量大，处理速度就慢。你想想看，产线上每秒要检测10个产品，你用1200万像素的相机，工控机扛得住吗？
3. 帧率：动态检测必须看帧率。我曾经有个项目，检测高速运动的药瓶，选了30fps的相机，结果图像全是拖影。后来换了200fps的全局快门相机，问题才解决。
4. 接口类型：GigE、USB3.0、Camera Link、CoaXPress。现在主流是 GigE 和 USB3.0。GigE 传输距离远（100米），USB3.0 速度快但线长受限。
5. 黑白 vs 彩色：做尺寸测量、定位，黑白就够了。需要识别颜色、字符，才用彩色。彩色相机数据量大，处理慢，别盲目上。

参数	选型建议	我的经验
传感器	高精度选CCD，高速选CMOS	CMOS全局快门越来越成熟
分辨率	够用就好，别盲目追求高像素	500万像素能覆盖90%的产线需求
帧率	动态检测≥60fps	我曾经用200fps解决拖影问题
接口	产线长距离用GigE，短距高速用USB3.0	GigE 稳定，USB3.0 便宜

1.3 镜头选型——成像质量的关键

镜头这东西，很多人不重视。其实镜头比相机更容易出问题。我见过太多项目，相机参数漂亮，镜头一塌糊涂，成像全是畸变和色差。

选镜头，核心看这几个参数：

• 焦距：决定视野大小。焦距越短，视野越大。计算公式：焦距 = 工作距离 × 传感器尺寸 / 视野宽度。嗯，这个公式要记住。
• 光圈：影响进光量和景深。光圈越大（F值越小），进光多但景深浅。做精密测量时，我习惯用小光圈（F8-F16），保证整个视野清晰。
• 畸变：广角镜头畸变大，长焦镜头畸变小。做尺寸测量，必须用低畸变镜头，或者做畸变校正。
• 接口：C接口（最常见）、CS接口、F接口。C接口和CS接口的区别在于后截距，别搞混了。

为什么会这样？因为镜头和相机传感器要匹配。你想想看，一个1英寸的传感器，配一个1/3英寸的镜头，画面边缘全是暗角。我建议：镜头靶面尺寸要大于等于相机传感器尺寸。

1.4 光源选型——视觉系统的「化妆师」

光源选型，是视觉系统里最考验经验的一环。我常说：光源打好了，算法就成功了一半。光源的作用不是「照亮」，而是「增强对比度」，让要检测的特征和背景明显区分开。

常见的光源类型：

• 环形光源：最常用。适合检测字符、划痕、边缘。我习惯用在PCB检测、药瓶字符识别上。
• 背光源：从背面打光，突出轮廓。适合做尺寸测量、外形检测。比如检测螺丝的外径，背光源一打，轮廓清清楚楚。
• 条形光源：适合大面积照明，或者倾斜打光突出纹理。检测金属表面的划痕，用条形光源斜着打，效果很好。
• 同轴光源：光线垂直照射，适合高反光表面。比如检测芯片表面的字符，用同轴光源能消除反光。
• 点光源：小面积高亮度，适合配合显微镜使用。

颜色选择也很关键。我有个原则：光源颜色和被测物体颜色相反，对比度最高。比如检测红色药片上的黑色字符，用红色光源，字符变黑，背景变白，对比度拉满。

光源类型	适用场景	我的推荐
环形光源	字符识别、划痕检测	高角度环形光，均匀性好
背光源	尺寸测量、轮廓检测	平行背光，边缘更锐利
条形光源	表面纹理、划痕	倾斜角度可调，灵活
同轴光源	高反光表面、芯片检测	消除反光，效果稳定

1.5 工控机选型——别让大脑拖后腿

工控机是视觉系统的大脑。选工控机，核心看三点：CPU算力、内存大小、接口数量。

• CPU：视觉处理吃CPU。简单的定位、测量，i5就够了。复杂的深度学习、多相机并行，得上i7甚至Xeon。我有个项目用了4个500万像素相机同时采集，i7都扛不住，最后换了E3工作站。
• 内存：至少8GB，推荐16GB以上。图像数据量大，内存小了容易卡顿。
• 接口：GigE接口、USB3.0接口、触发IO口。多相机项目，要算好接口数量，不够就加采集卡或扩展卡。
• 固态硬盘：必须用SSD。机械硬盘读写速度跟不上，图像存储会丢帧。

嗯，这里要注意：工控机不是普通电脑。它要7×24小时运行，要抗震动、抗灰尘、抗高温。别拿台式机去替代工控机，我见过产线上普通电脑死机导致停产的惨案。

1.6 视觉软件——把硬件串起来

硬件选好了，还得有软件来驱动。视觉软件分两类：商业库和开源库。

• 商业库：Halcon、VisionPro、OpenCV（商业版）。功能强大，技术支持好，但贵。一套Halcon授权几万块。大项目、高要求，我推荐用商业库。
• 开源库：OpenCV（开源版）。免费，灵活，但需要自己写代码、调参数。小项目、预算有限，用OpenCV很香。

我个人习惯：核心算法用Halcon，外围处理用OpenCV。Halcon的标定、测量、匹配算法非常稳定，OpenCV做图像预处理、格式转换、界面开发，效率高。

为什么会这样？因为Halcon的底层优化做得好，同样的算法，Halcon跑起来比OpenCV快30%以上。但OpenCV社区活跃，遇到问题容易找到解决方案。两者结合，取长补短。

好了，第一章就讲到这里。下一章咱们聊聊相机标定——为什么标定？怎么标定？标定板怎么选？这些都是实战中绕不开的硬骨头。到时候见。