工业视觉检测的相机与光源选型：从缺陷特征反推方案

视觉检测项目里有一句话：成像决定上限，算法只是逼近上限。
如果图像里看不出缺陷，再强的模型也无能为力。
因此相机与光源的选型应当从**缺陷特征**反推，而不是先定设备。

一、先描述缺陷的物理特征

选型前必须回答：

缺陷是二维的（色差、脏污）还是三维的（凹坑、划痕、缺料）？
缺陷与背景的对比度大致多少？靠颜色、亮度还是纹理区分？
缺陷尺寸多大？对应到图像上需要几个像素？（经验上至少 3–5 像素才稳定）
缺陷可能出现在工件哪个面？是否需要多相机？

这份描述直接决定光源类型与相机分辨率。

二、光源类型与适用面

· **环形光**：通用照明，适合平整表面的色差与脏污检测；
· **低角度暗场光**：突出褶皱、裂纹、凹陷等立体缺陷 —— 正常处平缓，
缺陷处形成亮线。饺子的破损检测就属于这一类；
· **同轴光**：垂直照明，适合镜面、金属表面的细微划痕；
· **背光**：把工件变成剪影，适合轮廓尺寸测量与异物检测；
· **偏振片**：抑制油膜、包装膜、玻璃的反光 —— 含油食品上几乎必需；
· **多角度/条形光组合**：表面起伏复杂时用于消除阴影盲区。

一个常见误区是用普通环形光去检三维缺陷，
结果对比度不够就归咎于算法。

三、相机参数怎么定

1. **分辨率**：按最小缺陷尺寸反推。
若最小缺陷 0.1mm、视野 100mm，则需要约 1000 像素覆盖视野，
再留 3–5 倍余量，实际选 500 万像素以上更稳妥；
2. **帧率**：按节拍算。每分钟 600 件意味着每 100ms 一件，
加上曝光与传输时间，帧率与曝光时间要一起核算；
3. **接口**：MIPI 适合嵌入式平台直连，GigE/USB3 适合工控机方案；
4. **黑白还是彩色**：只靠亮度区分缺陷时黑白更灵敏（无插值损失）；
需要判颜色时才用彩色。

四、其余容易被忽略的因素

**镜头畸变**：测量类应用必须做畸变校正；
**镜头景深**：工件高度有波动时，景深不足会导致部分区域失焦；
**环境光干扰**：加遮光罩往往比升级相机更有效；
**温度与粉尘**：食品、粉尘环境要考虑防护等级与无风扇设计。

五、小结

打光方案定下来，算法常常可以大幅简化。
反过来，用复杂算法去弥补糟糕的成像，代价高且不稳定。
这也是我们坚持先做打光验证再谈模型选型的原因。