第一版方案用了最好的相机,检测效果却不及格。换了一种光源后,同一台相机达标了。
FIELD · SCHH-2026
老加工线靠人工目检表面缺陷,漏检与误检都高。加装视觉检测时,首版方案按像素预算选了高分辨率相机,打光用通用环形光。
试跑结果:细微划痕对比度不足,算法阈值无法兼顾漏检与误检。
FIELD · SCHH-2026问题出在成像而非分辨率:划痕在漫射光下几乎不可见。改用低角度暗场光源,划痕散射光进入镜头、背景压暗,对比度提升一个数量级。
相机未换,仅调整光源与曝光,漏检率降到0.3%以下。同步做了产线节拍匹配与剔除机构联动,五周上线。
视觉检测的预算优先级:光源大于相机大于算法。好的成像让算法变简单,差的成像让算法背锅。
老线改造要先做成像实验再定硬件清单,避免为错误方案买昂贵设备。
视觉检测项目最常见的弯路是堆硬件:漏检就换更高分辨率的相机,识别慢就上更贵的处理器,钱花了不少,问题还在。这个案例的诊断把方向拧了过来:划痕在漫射光下几乎不可见,问题出在成像对比度而不是分辨率。相机一台没换,只改光源:低角度暗场照明让划痕散射进镜头、背景压暗,对比度提升一个数量级,漏检率降到0.3%以下。光学的事用光学解决,这是视觉系统的铁律。
FIELD · SCHH-2026按这个优先级:光源与成像方案占大头(决定检测能力上限)、相机够用就好(分辨率匹配缺陷尺寸即可)、算力按算法复杂度配(传统算法比深度学习省得多,能用传统的先别上AI)。我们的经验是光源方案的投入回报最高。同样一万元,花在光源上的效果提升通常是花在相机上的数倍。
FIELD · SCHH-2026看缺陷与背景的成像差异能不能做出来:表面划痕、缺料、错装、污渍、尺寸偏差都是成熟应用;颜色渐变、透明件内部、高速运动模糊属于难点,要先做打样验证再定方案。我们接项目前坚持用您的实际样品打样测试,成像效果摆出来再谈合同。打样通不过的项目,我们不会硬接。