一套视觉系统不是一台相机：从零件到剔除动作怎么跑通

如果把视觉系统想成“买一台相机，再装个软件”，后面大概率会踩坑。

真正的工业视觉，更像一条小型生产线。

被测目标进入视野，光源把目标特征照出来，镜头把目标成像到传感器，相机把图像送到采集或处理单元，软件完成判断，最后再把结果交给控制系统。

简单来说，一套视觉系统真正要跑通的是：

目标到位 → 触发 → 打光 → 成像 → 图像采集 → 软件判断 → 结果输出 → 执行动作

任何一环弱了，都会影响最终判断。

第一步不是拍照，是让特征出现

很多检测失败，不是算法太弱，而是图像里根本没有足够稳定的特征。

比如：

要看边缘尺寸，背光可能比正面补光更合适；

要看金属表面的压痕，低角度光往往比大面积照亮更敏感；

要读取二维码，就要先保证码区清晰、畸变可控、反光不过曝。

这里有一个很重要的逻辑：

光源和镜头决定“能不能看清”，相机和算法决定“能不能稳定判断”。

这两个层次不要混在一起。

如果前端图像本身就忽明忽暗、反光严重、特征不明显，再复杂的算法也只能在一张“不稳定的图”上继续想办法。

相机只负责把图像可靠送出来

工业相机和普通摄像头最大的不同，不只是外壳更硬，而是它要服务于确定的工业节拍。

分辨率、帧率、曝光、触发、接口、传输距离、全局快门……

这些参数看起来都是相机参数，但最后其实都和现场动作有关。

比如课件里提到的以太网工业相机，可以利用标准 PC 或服务器的以太网接口进行传输，CAT-5e 或 CAT-6 线缆在工业现场也比较容易布线。

对集成商来说，这类接口方案的优势之一，就是部署和维护成本相对可控。

所以，选工业相机不能只看：

“多少万像素？”

还要看：

“它能不能在我的节拍和现场条件下，稳定把需要的图像送出来？”

软件不是孤立运行的

视觉软件做完判断后，一般不会停在屏幕上。

它最终要把 OK/NG、坐标、角度、尺寸、条码内容 等结果，输出给 PLC、运动控制系统、机器人或者数据库。

这也是为什么做视觉项目，不能只问一句：

“识别率能做到多少？”

还要继续往下问：

· 信号什么时候触发？

· 图像什么时候采集？

· 结果什么时候返回？

· 机构什么时候动作？

· 出现异常时谁来报警？

· 检测数据要不要追溯？

这些问题听起来没有算法那么“酷”，但它们恰恰决定了一个项目能不能真正跑在产线上。

现场话：

屏幕上显示一个 PASS 或 NG 很简单。

真正落到产线上，要把触发、拍照、判断、通信、执行动作全部串起来。

用一件产品，走完整条视觉链路

假设现在要检测一个工件上的孔位有没有漏加工。

我们把一件产品从头到尾走一遍。

① 零件到位

零件进入检测位置，传感器确认产品已经到位，并给出触发信号。

② 光源打光

光源按照预先设定的方式和亮度照射工件，让孔位和周围区域形成足够稳定的图像特征。

③ 相机拍图

相机接收到触发信号，在固定曝光参数下完成拍摄。

④ 软件定位

软件先找到工件的基准边或基准位置，确定产品当前的位置和姿态。

⑤ 检查孔位

在指定区域内查找目标孔位，判断这个孔到底有没有加工出来。

⑥ 输出结果

如果孔位正常，输出 OK。

如果孔位缺失，输出 NG。

⑦ 执行动作

控制系统收到 NG 信号后，在正确的时间点驱动剔除机构，把这个不良品从产线上分出去。

到这里，一次真正意义上的视觉检测才算完成。

难点往往就藏在这些“普通环节”里

把整条流程拆开来看，每一个环节似乎都不复杂。

传感器触发。

光源亮一下。

相机拍张图。

软件判断。

PLC收到结果。

气缸把NG产品推出去。

但真正到了高速连续生产环境中，难点往往恰恰出在这些“普通环节之间的配合”。

比如相机已经拍到下一件产品，上一件产品的结果还没返回；

或者视觉判断没有问题，但剔除机构动作晚了一个节拍；

又或者白天图像稳定，到了夜班环境光发生变化，检测结果开始波动。

所以，一套视觉系统真正要解决的，从来不只是：

“能不能识别出来？”

还包括：

“能不能一直识别出来？”

以及：

“识别出来以后，产线能不能在正确的时间做出正确的动作？”

评价视觉系统，别只看相机和算法

所以，评价一套视觉系统，不要只看相机型号，也不要只看算法名称。

真正应该看的，是它能不能：

在规定节拍内，

在真实现场环境下，

连续、稳定地完成从图像到动作的闭环。

一张测试图片上识别成功，不代表项目成功。

实验室里跑通，也不代表产线上能稳定跑。

真正有价值的视觉系统，是把光学、成像、采集、算法、通信和执行机构全部串起来，最后变成一个可以长期运行的生产环节。

把这句话带走：

视觉系统的价值，不在拍到一张图，而在把判断结果稳定送到产线动作里。