三、相机选型与图像采集：工业相机接口、分辨率与帧率权衡、触发模式设置、图像格式转换
各位同学，咱们今天聊点实在的。相机选型这事儿，说难不难，说简单也不简单。我见过太多项目，算法调得再好，相机没选对，最后全白搭。说白了，相机就是分拣机的眼睛，眼睛不好使，后面再折腾也没用。
3.1 工业相机接口：USB vs GigE，到底选哪个？
工业相机接口这块，目前主流就两个：USB3.0和GigE（千兆以太网）。我个人的习惯是，先看传输距离，再看带宽需求。
USB3.0接口：理论带宽5Gbps，实际能跑到3-4Gbps。优点是即插即用，延迟低。缺点也很明显——传输距离限制在5米以内。我在项目中遇到过，产线布局稍微远一点，USB线就得加中继器，麻烦得很。
GigE接口：带宽1Gbps，但传输距离能到100米。你想想看，大型分拣线，相机装在几十米外的工位上，用GigE一根网线就搞定了。而且PoE供电，少一根电源线，布线清爽很多。
| 接口类型 | 带宽 | 传输距离 | 供电方式 | 适用场景 |
|---|---|---|---|---|
| USB3.0 | 5Gbps | ≤5米 | USB供电 | 近距离、高帧率 |
| GigE | 1Gbps | ≤100米 | PoE/外接 | 远距离、多相机 |
3.2 分辨率与帧率权衡：别被参数忽悠了
很多新手选相机，上来就要最高分辨率、最高帧率。嗯，这里要注意——高分辨率和高帧率往往是矛盾的。
为什么？因为相机的数据带宽是固定的。你分辨率翻倍，帧率就得砍半。举个例子，500万像素的相机，在USB3.0接口下，理论最高帧率也就30fps左右。你非要跑60fps，那就得降低分辨率。
我在做物流分拣项目时，遇到过一个问题：客户要求识别小零件上的二维码，分辨率必须高。但传送带速度又很快，帧率低了会漏检。最后怎么解决的？我们选了200万像素、200fps的全局快门相机，配合合适的镜头，既保证了分辨率，又跟上了产线速度。
核心公式：
带宽需求 = 分辨率（像素） × 帧率（fps） × 像素深度（bit）
举个例子：1920×1080分辨率，8bit深度，30fps
带宽 = 1920×1080×8×30 ≈ 497Mbps
USB3.0能扛住，GigE就有点悬了。
所以，选型时先算清楚你的实际需求。分拣机物料识别，一般200-500万像素就够用了。帧率嘛，看产线速度，通常30-60fps就能覆盖大多数场景。
3.3 触发模式设置：软触发 vs 硬触发
触发模式，说白了就是「什么时候拍照」。分拣机里，物料是运动的，你不能一直拍，得在物料到达指定位置时精准抓拍。
软触发：软件发指令给相机拍照。优点是灵活，代码里随时可以控制。缺点是有延迟，不稳定。我刚开始做的时候，用软触发配合传送带编码器，结果发现每次触发时间都不一样，物料位置偏差很大。
硬触发：通过外部信号（比如光电传感器、编码器）直接触发相机。延迟低，精度高。分拣机里，我强烈建议用硬触发。传感器检测到物料到位，直接给相机一个脉冲信号，咔嚓一下，稳得很。
代码层面，设置触发模式很简单。以海康相机为例：
# Python示例：设置硬触发
camera.TriggerMode.set("On") # 开启触发模式
camera.TriggerSource.set("Line0") # 设置触发源为Line0
camera.TriggerActivation.set("RisingEdge") # 上升沿触发
# 软触发模式
camera.TriggerMode.set("On")
camera.TriggerSource.set("Software")
camera.TriggerSoftware.execute() # 软件发一次触发3.4 图像格式转换：BGR、RGB、YUV，别搞混了
相机采集到的原始数据，通常是Bayer格式（拜耳阵列），需要经过ISP处理才能变成我们熟悉的BGR或RGB。而YUV格式，在视频传输中很常见。
为什么要注意这个？因为OpenCV默认用的是BGR顺序，而很多深度学习模型训练时用的是RGB。你想想看，如果搞反了，红色和蓝色通道互换，模型识别结果肯定一塌糊涂。
我在做水果分拣项目时，就踩过这个坑。模型训练时用的RGB图片，部署时相机输出BGR，结果把红苹果识别成了青苹果。后来加了一行转换代码才搞定。
# Python：BGR转RGB
import cv2
img_bgr = cv2.imread("image.jpg") # OpenCV默认BGR
img_rgb = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB)
# BGR转YUV
img_yuv = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2YUV)
# 从相机直接获取BGR图像（以海康相机为例）
import numpy as np
# 假设frame是相机采集的原始数据
img_bgr = frame.get_image() # 返回BGR格式的numpy数组另外，像素深度也要注意。8bit够用，但遇到高动态范围场景（比如金属反光），10bit或12bit能保留更多细节。不过，深度越大，数据量越大，传输和处理压力也越大。
3.5 实战经验总结
好了，说了这么多，我总结几条实战经验：
- 接口选型：距离近、帧率高用USB3.0；距离远、多相机用GigE。
- 分辨率与帧率：先算带宽，再定参数。别盲目追求高参数。
- 触发模式：分拣机必用硬触发，信号线做好屏蔽。
- 图像格式：搞清楚你的算法需要什么格式，BGR还是RGB，别搞反了。
最后，送大家一句话：相机选型不是越贵越好，适合你的产线才是王道。下一章，咱们聊聊镜头选型和光照设计，那个坑更多，到时候我给大家细讲。