制造业视觉系统：完整指南
视觉系统已成为现代制造业不可或缺的工具。从简单的存在检测到复杂的质量检测，这些系统使用相机和图像处理来自动化曾经需要人眼的视觉任务。本指南为制造业专业人士提供了视觉系统的全面概述。
什么是视觉系统？
视觉系统是硬件和软件的集成组合，用于捕获和分析图像以做出决策或测量。在制造业中，视觉系统检测产品、引导机器人、读取代码、测量尺寸并验证装配——这些任务都需要"看"并解读视觉信息。
与容易疲劳的主观人类视觉不同，视觉系统提供客观、一致且不知疲倦的视觉分析。它们能以人类不可能达到的速度检测产品，持续运行无需休息，并对每次检测应用相同的标准。
视觉系统的核心组件
相机
相机是视觉系统的"眼睛"，捕获产品图像供分析。工业相机与消费级相机有显著差异——它们专为可靠性、精确触发和与工业系统集成而设计。
面阵相机
在单次曝光中捕获完整2D图像。适合检测可定位在视野中的离散零件。
线阵相机
每次捕获一行像素，在产品经过时构建图像。适用于卷材、板材或传送产品等连续材料。
3D相机
除2D图像外还捕获深度信息。支持高度、体积和3D形状分析测量。
智能相机
将相机、处理器和软件集成到单一单元中。简化独立检测任务的部署。
照明
照明可以说是视觉系统最关键的组件。适当的照明能揭示需要检测的特征，同时最小化可能干扰分析的特征。无论相机或软件质量多高，照明不当都无法实现可靠检测。
常见照明技术：
- 正面照明：照亮表面特征，适合颜色和纹理检测
- 背光照明：将物体轮廓映射到亮背景上，适合边缘检测和尺寸测量
- 漫反射照明：柔和均匀的照明，最小化反光表面的眩光
- 结构光照明：将图案投射到表面以揭示3D形状和表面缺陷
- 暗视场照明：低角度照明，突出表面划痕和缺陷
光学元件
镜头将光线聚焦到相机传感器上。镜头的选择决定视野（相机看到多大区域）、工作距离（距物体多远）和分辨率（捕获多少细节）。选择适当的光学元件对于达到所需检测精度至关重要。
处理硬件
视觉系统需要计算能力来处理图像和做出决策。这从智能相机中的嵌入式处理器到用于复杂多相机系统的专用工业PC不等。处理能力决定了分析图像的速度。
软件
视觉软件分析捕获的图像以提取信息并做出决策。传统软件使用编程算法——包括边缘检测、模式匹配和斑点分析——执行特定任务。现代软件越来越多地融入机器学习以实现更灵活的分析。
制造业应用
质量检测
最常见的应用：检测产品缺陷。视觉系统检测表面缺陷、验证颜色和外观、检查污染并识别损坏产品。检测可以简单（瓶盖是否存在？）也可以复杂（这块汽车面板上有划痕吗？）。探索表面检测应用。
测量与量规
视觉系统无需物理接触即可测量产品尺寸。它们验证长度、宽度、直径、角度和位置。非接触测量比手动量规更快，且不会损坏精密产品。
识别与追踪
读取条形码、QR码、数据矩阵码和OCR（光学字符识别）可实现产品追踪和溯源。视觉系统以高速读取代码，即使损坏或印刷不良，并验证所打印的信息是否正确。
机器人引导
视觉引导机器人使用相机定位零件并引导机器人运动。机器人无需零件处于精确位置，可从不同位置找到并拾取零件，从而实现更灵活的自动化。
装配验证
验证装配体的完整性和正确性——所有组件均存在、正确定位且方向正确。装配验证能在产品出货前发现错误。
选择视觉系统
选择正确的视觉系统需要将能力与应用要求相匹配：
关键选型标准：
- 分辨率要求：需要检测或测量的最小特征是什么？这决定相机分辨率和光学元件的选择。
- 速度要求：检测必须有多快？这影响相机类型、曝光时间和处理能力。
- 视野范围：需要检测多大区域？决定镜头选择以及可能需要多台相机。
- 工作环境：温度、振动、污染和其他环境因素影响组件选择。
- 集成能力：系统如何与其他设备通信？工业协议、I/O和数据接口非常重要。
- 易用性：谁将设置和维护系统？这影响软件和平台的选择。
系统架构
智能相机系统
将相机、处理器和软件集成在一个封装中的自包含单元。易于部署用于单点检测任务。受限于紧凑外形中所能容纳的处理能力和灵活性。
基于PC的系统
独立相机连接到运行视觉软件的工业PC。比智能相机更灵活、更强大。可处理多台相机和复杂处理。需要更多集成工作。
集成系统
专为将相机、处理、软件有时还包括照明整合到经过测试、有支持的套件中而设计的系统。通过消除组件选择和集成来简化部署。以部分灵活性换取实施便利性。
实施最佳实践
- 从照明开始：在考虑相机或软件之前先解决照明问题。大多数视觉问题实际上是照明问题。
- 明确定义需求：需要检测或测量什么？需要什么速度？需要什么精度？
- 使用真实样品测试：使用实际生产零件，包括全范围可接受变异和已知缺陷。
- 规划维护：视觉系统需要持续维护。规划清洁、校准和调整。
- 考虑总成本：包括集成、培训和维护，而不仅仅是硬件购买价格。
- 让操作员参与：将使用和维护系统的人员应参与选型和实施过程。
视觉系统的演进
视觉系统持续快速发展。传统基于规则的系统正在被基于学习的方法补充甚至取代，后者能够处理更复杂多变的检测任务。处理能力持续提升而成本下降。相机提供更高分辨率和更快速度。标准化接口使集成更简单。
来自Overview.ai等公司的现代视觉平台将最新成像技术与先进处理能力结合在为制造业设计的集成套件中。这些系统简化部署的同时，提供的能力在几年前还需要定制工程才能实现。