人工目检存在疲劳、标准不一、难以留痕等问题。机器视觉通过"成像—处理—判定—剔除"的闭环，把质检从经验判断变成可量化、可追溯的数据过程，是工业质量一致性的关键基础设施。

它能做什么：五大检测类型

• 缺陷检测：划痕、脏污、破损、缺料、变形等外观缺陷。
• 有无检测：零件是否漏装、标签是否贴歪、封口是否完整。
• 尺寸测量：长度、直径、间距、角度的亚像素级测量。
• 条码/字符识别：一维码、二维码、生产日期 OCR 读取与校验。
• 称重检测：配合称重模块判断缺件、多装、净含量异常。

技术原理：从成像到判定

1. 成像：工业相机 + 合适光源（环形光、同轴光、背光等）把特征"打"出来，降低环境干扰。
2. 预处理：去噪、二值化、边缘提取，突出目标区域。
3. 特征提取与判定：传统算法（模板匹配、轮廓分析）或深度学习（缺陷分类模型）输出 OK/NG。
4. 执行与留痕：NG 品触发剔除，图像与判定结果写入追溯系统，形成质检大数据。

算法选择：传统视觉 vs 深度学习

硬件怎么选：相机、光源、镜头

• 相机分辨率：按最小检测尺寸与视野换算，例如检测 0.1mm 缺陷需足够像素密度；工业连接线场景公开方案可达 2000 万像素。
• 光源：环形光突出轮廓、同轴光抑制反光、背光看轮廓，选错光源等于"蒙眼拍照"。
• 镜头：远心镜头减小透视畸变，适合精密测量。
• 节拍：单工位典型节拍从"秒级"到"数百毫秒"，需与产线速度匹配。

部署架构（企业级）

典型方案为"边缘相机 + 工控机 + 工厂网络"：相机在工位完成采集，工控机运行算法并下发判定，结果通过 MQTT/OPC UA 汇入工厂 MES/追溯云，实现质检数据可追溯、可分析、可改进。

行业实践案例（公开报道参考）

以下为公开报道中可查的机器视觉落地形态；广州思创智云科技有限公司的机器视觉检测系统即为同类场景提供 AI 全检能力。

注：以上为行业公开报道数据，未使用任何具体客户名称；实际效果因产品形态、缺陷率与产线条件而异。

选型建议

• 缺陷规则清晰、节拍高 → 传统视觉优先；
• 缺陷多样、类间差异小 → 引入深度学习分类；
• 需精密尺寸 → 配远心镜头 + 高分辨率相机；
• 要求数据可追溯 → 务必对接 MES/追溯云留痕。

联系我们

广州思创智云科技有限公司 · 广州市
电话/微信：15989070764
官网：www.strazn.com

原创内容 · 审核：技术部 · 内容仅供行业参考，具体方案以需求调研为准。