机器视觉质检全面方法工具课件

TECHCOURSE机器视觉质检全面方法工具课件成像·算法·工具·落地2026年课程导览01质检与视觉基础问题定义、缺陷类型与光学成像原理02成像与打光方案相机镜头光源选型与打光设计03检测算法体系传统图像算法与深度学习算法04工具链与平台视觉软件、框架与开发工具全景05系统集成与部署从单站检测到产线级系统06工程落地与趋势精度评估、运维体系与前沿方向CHAPTER质检与视觉基础看清问题，才谈得上解决从缺陷定义到成像原理，打好质检地基01机器视觉质检是什么维度人工目检机器视觉质检一致性易受疲劳与情绪影响判据标准统一速度受人力上限约束可高速连续运行数据难以结构化留存可记录与追溯换型需重新培训人员需重新配置算法核心价值是

稳定检出

与

可追溯用成像设备加算法替代人眼，完成产品外观与尺寸的自动检测与判断工业缺陷的四大类型表面、尺寸、装配、功能四类缺陷，共性问题决定了成像与算法的选型方向。表面缺陷划痕、脏污、气泡、色差、凹凸覆盖多种常见外观瑕疵，需配合针对性打光凸显。典型表现尺寸缺陷长度、孔径、位置度、角度偏差几何量偏离设计公差，依赖高精度标定与测量算法。典型表现装配缺陷漏装、错装、装配不到位、方向错误部件结合关系异常，需推理装配逻辑与空间位姿。典型表现功能缺陷密封、导通等需间接特征表征无法直接观测，需通过传感信号或衍生特征间接判定。典型表现缺陷类型决定了成像方式与算法路线的选择光学成像的物理基础光的反射、透射、散射与吸收，决定缺陷在图像中的表现反射/透射/散射与吸收

决定缺陷在图像中的表现对比度

是缺陷可检出的前提，来自缺陷与背景的反射差异分辨率、视野与景深

相互制约，需按检测精度倒推参数含义影响分辨率单像素对应实际尺寸决定最小可检缺陷视野单次成像覆盖范围决定工位数量景深清晰成像的深度范围决定高度容差参数含义影响分辨率单像素对应实际尺寸决定最小可检缺陷视野单次成像覆盖范围决定工位数量景深清晰成像的深度范围决定高度容差质检系统的典型组成“一套完整的质检系统由四个功能单元协同构成”“四个单元协同，缺一环都无法稳定出货”成像单元相机图像信号采集前端镜头光学成像与聚焦光源照明与特征凸显支架稳定承载与对位计算单元工控机系统控制与调度图像采集卡图像数据高速接入算力平台算法推理与运算执行单元剔除机构不良品分离下线PLC逻辑控制与联动报警与标记异常提示与缺陷标识软件单元采集图像信号获取入库算法缺陷识别与判定界面人机交互与监控数据管理结果存储与追溯CHAPTER成像与打光方案成像质量决定检测上限相机、镜头、光源三位一体的选型逻辑02工业相机选型要点选型维度决定相机如何匹配检测需求先算精度，再定分辨率，最后才谈型号分辨率R按最小缺陷尺寸与视野倒推，需留出余量。帧率F与产线速度、单件检测耗时匹配。芯片类型C面阵适合静态或飞行拍摄，线阵适合连续卷材。接口I带宽需覆盖数据量，兼顾线缆长度与同步需求。镜头选型与光学参数“焦距、工作距离、视野与景深之间环环相扣。”“高精度测量场景优先选用远心镜头，消除畸变影响。”成像几何焦距与工作距离、视野构成成像几何关系，三者需联合求解。景深景深随光圈与放大倍率变化，影响高度方向容差。分辨率匹配镜头分辨率需与相机像素匹配，避免成像瓶颈。光源类型与特性光源的目标是放大缺陷，而不是照亮整个产品环形光源通用照明，适合多数表面检测条形光源可组合，适合大平面与边缘增强同轴光源适合高反光平面的均匀照明背光源形成轮廓，适合尺寸与缺料检测圆顶光源漫射均匀，适合曲面与高反光件打光方式怎么设计从明场暗场到偏振，打光方式必须与缺陷类型匹配明场照明表面反射进入镜头，突出颜色与脏污暗场照明仅散射光进入镜头，突出划痕与凹凸背光照明形成剪影，突出轮廓与孔位尺寸偏振照明抑制反光，适合金属与玻璃表面因缺陷而打光，是成像设计的第一原则CHAPTER检测算法体系没有万能算法，只有合适算法传统与深度学习算法的能力边界与选型03传统图像处理算法四类基础算法各有适用边界阈值分割灰度差异明显时快速定位缺陷区域边缘检测提取轮廓，用于尺寸与位置测量形态学处理去除噪点、连接断裂、分离粘连模板匹配固定形态做定位与一致性比对传统算法可控、可解释、算力低，但依赖稳定成像特征提取与分类器说明如何把图像转化为可判别特征，再交给分类器决策将图像转化为可判别特征，再交给分类器决策阈值规则人工设定判别边界支持向量机高维空间最优分割随机森林多决策树投票融合几几何特征面积目标区域像素总数周长目标边界像素总数圆度面积与周长综合比率长宽比外接矩形宽高比例纹纹理特征灰度共生矩阵像素灰度联合分布梯度分布边缘方向与强度统计颜颜色特征各通道均值RGB三通道平均亮度方差通道像素离散程度色差目标与背景颜色差异深度学习缺陷检测分类、检测、分割三类任务的适用场景与样本挑战任务类型输出形式适用场景图像分类整图类别有无缺陷的初筛目标检测缺陷框与类别多缺陷定位与计数语义分割像素级掩膜不规则缺陷的轮廓提取核心挑战样本稀缺分布漂移常用手段数据增强迁移学习异常检测建模算法选型的决策依据两类路线在四个维度的差异与选型边界维度传统图像算法深度学习算法成像要求依赖稳定成像对成像波动更宽容样本需求少量即可通常需要一定样本量可解释性强，判据明确弱，需辅助分析换型成本需重新调参需重新训练与验证复杂缺陷用深度学习，稳定场景用传统算法，二者常组合使用CHAPTER工具链与平台工具选对，效率翻倍主流视觉软件、框架与开发工具全景04商业机器视觉软件商业视觉软件的能力形态，快速落地优势核心优势在于

工程化成熟，缩短从验证到量产的时间三大能力构建工程化成熟的视觉平台图形化流程搭建拖拽工具组合检测流程以可视化拖拽方式编排检测步骤。降低开发门槛非专业开发者也可快速构建视觉应用。内置算法库定位、测量、检测、识别工具齐备覆盖主流机器视觉应用需求。脚本与二次开发支持自定义算子与外部调用灵活扩展算法能力，满足定制化场景。开源框架与平台开源负责算法上限，商业软件负责落地效率开源负责算法上限，商业软件负责落地效率，二者共同构成完整的技术底座图像处理库基础算子提供基础算子与几何变换能力深度学习框架模型全链路负责模型定义、训练与推理全流程检测与分割框架预训练权重提供主流网络结构与预训练权重开发与部署工具链数据标注框选、多边形、掩膜等标注工具训练管理实验记录、参数配置、模型版本管理模型转换与加速适配目标硬件与推理引擎部署运行与采集、界面、产线控制系统对接CHAPTER系统集成与部署单站能测，产线才叫落地从单站检测到产线级系统的集成路径05单站检测系统组成硬件采集基础相机、镜头、光源、支架、工控机与触发装置构成视觉采集的物理基础。触发采集基础采用光电传感器或编码器，保证拍摄时机一致。软件检测能力覆盖采集、算法、判断、结果输出与界面全流程。关键要求检测能力节拍生产节奏匹配稳定性检测结果可靠产线级集成路径说明从单站扩展到整线集成的思路与难点从单站扩展到整线，关键在于四步打通产线集成，各环节环环相扣。多工位分工按缺陷类型与检测面拆分工位统一节拍各站耗时匹配产线速度，避免瓶颈结果汇聚多站判定合并为统一的产品结论产线联动NG品剔除、报警与停线策略单站做好不等于产线做好，瓶颈往往在协同通信接口与数据对接与PLC交互下层控制采用工业以太网或现场总线传递结果与触发。与上位系统上层数据对接上位系统，上报检测结果、图像与统计信息。数据留存追溯按产品序列号关联图像与判定，支持追溯。同步要求节拍内闭环触发、拍摄、判断需在节拍内闭环完成。部署实施与验收实施四步走，稳定成像、减少调整，确保检出能力与节拍达标。第一步现场勘查光照·振动·空间电气与节拍确认第二步安装调试成像稳定后固化参数减少人为调整第三步试运行覆盖不同批次与工况观察稳定性第四步验收要点检出能力误判水平节拍达标三项全部达标即通过验收CHAPTER工程落地与趋势稳定运行，才是最终答案精度评估、运维体系与前沿方向06检测精度评估指标核心指标漏检与过杀是一对矛盾，需按产线容忍度取舍漏检真实缺陷被判为良品，是最需关注的失效过杀良品被误判为缺陷，直接影响产线效率混淆矩阵以真阳、假阳、真阴、假阴描述判定分布样本代表性评估需在样本代表性充分的前提下进行运维体系与持续优化模型上线只是起点，持续运维才是良率保障第1步运行监控趋势跟踪跟踪检出率与误判率的变化趋势第2步结果复核人工确认对争议样本人工确认，形成反馈数据第3步模型迭代补充验证定期补充样本并重新验证后上线第4步版本管理可回溯算法与参数变更需可回溯前沿技术趋势技术方向四项前沿技术，共同重构