硬件選擇：精確的“先天基石”，從源頭上決定上限
從硬件選擇階段開(kāi)始，機(jī)器視覺(jué)檢測(cè)系統(tǒng)的精度就已經(jīng)定下了基調(diào)。作為系統(tǒng)的“核心三件套”，相機(jī)、鏡頭、燈源可能會(huì)成為任何環(huán)節(jié)的選擇偏差，后續(xù)改進(jìn)很難突破瓶頸。
1. 攝像機(jī)：精確的“捕獲核心”，參數(shù)匹配是關(guān)鍵。
相機(jī)作為圖像采集的核心部件，其分辨率、傳感器類(lèi)型和快門(mén)方式直接關(guān)系到捕獲細(xì)節(jié)的能力，從而決定測(cè)量精度[7]。分辨率可以理解為相機(jī)“看”的有多詳細(xì)，就像手機(jī)拍照一樣，高分辨率相機(jī)可以捕捉到更微妙的產(chǎn)品細(xì)節(jié)——比如檢查10毫米。×對(duì)于10毫米的電子芯片，高分辨率相機(jī)可以清晰地顯示0.01毫米的細(xì)微劃痕，而低分辨率相機(jī)則可以直接忽略[1]。
傳感器類(lèi)型的選擇也同樣重要:CCD傳感器像素一致性好，噪音低，適用于半導(dǎo)體芯片等微米級(jí)高精度檢測(cè)場(chǎng)景；CMOS傳感器成本低，幀率高，更適合精度等級(jí)中等的快速檢測(cè)場(chǎng)景。如果CMOS傳感器在高精度場(chǎng)景中被誤用，細(xì)節(jié)識(shí)別誤差會(huì)因噪音干擾而產(chǎn)生。此外，快門(mén)方法還需要適應(yīng)場(chǎng)景。在檢查運(yùn)動(dòng)目標(biāo)時(shí)，全局快門(mén)可以一次性捕捉到整個(gè)畫(huà)面，防止卷簾快門(mén)一個(gè)接一個(gè)地暴露虛影，從而保證±0.01mm精度穩(wěn)定[5]。
2. 鏡頭：精確的“傳送橋梁”，畸變控制是核心。
鏡頭相當(dāng)于機(jī)器視覺(jué)系統(tǒng)的“眼晶狀體”，其焦距和畸變水平直接關(guān)系到成像質(zhì)量，尤其是在精密測(cè)量場(chǎng)景下，鏡頭的選擇錯(cuò)誤會(huì)直接導(dǎo)致測(cè)量誤差。一般來(lái)說(shuō)，鏡頭有顯像畸變的問(wèn)題。如果物體與鏡頭的距離不同，放大倍數(shù)會(huì)不一致，影響尺寸檢測(cè)精度；遠(yuǎn)心鏡頭可以有效消除畸變，保持物體的實(shí)際尺寸不變，是高精度測(cè)量的“必備”[3]。
焦距匹配也很重要:焦距越長(zhǎng)，視線越低，細(xì)節(jié)放大效果越好；焦距越小，視線越大，細(xì)節(jié)越模糊。例如，在檢查汽車(chē)連接器的插針時(shí)，16毫米焦距鏡頭可以覆蓋所需的視線，并清晰地放大細(xì)節(jié)。如果誤選8毫米焦距鏡頭，插針細(xì)節(jié)會(huì)因?yàn)橐暰€過(guò)大而模糊，無(wú)法準(zhǔn)確測(cè)量直徑。同時(shí)，鏡頭的分辨率和鏡頭質(zhì)量也會(huì)影響顯像清晰度，需要與相機(jī)的分辨率相匹配，防止“高像素相機(jī)組合低精度鏡頭”的資源浪費(fèi)[7]。
3. 燈源：精確的“隱形助手”，適應(yīng)性決定清晰度。
燈源是機(jī)器視覺(jué)檢測(cè)的“照明靈魂”，其亮度、均勻性和直接視角直接決定圖像對(duì)比度。如果光源選擇不當(dāng)，即使相機(jī)和鏡頭性能優(yōu)越，也無(wú)法獲得清晰的圖像細(xì)節(jié)，從而影響精度判斷[3]。不同材料和缺陷類(lèi)型的產(chǎn)品對(duì)光源的需求大不相同:
檢查金屬材料(如不銹鋼螺栓)時(shí)，金屬表面反射強(qiáng)烈，需要選擇低視角環(huán)形光源，通過(guò)斜射光源突出表面劃痕和毛邊，防止直射光造成的“白色”反射；在檢查透明材料(如塑料薄膜)時(shí)，需要選擇背光源，利用光源的散射差異清晰地呈現(xiàn)輪廓和內(nèi)部氣泡；在檢查深色塑料零件時(shí)，需要選擇高亮度條形光源，以增強(qiáng)零件與背景的對(duì)比度，防止光線不足造成的不足。此外，光源的穩(wěn)定性也不容忽視。光照不均勻和色溫波動(dòng)會(huì)導(dǎo)致圖像亮度的差異，從而引入測(cè)量誤差。
軟件算法：精確度的“后天提升”，算法實(shí)力決定誤差控制
硬件是精度的基礎(chǔ)，軟件算法是精度的“核心賦能者”，負(fù)責(zé)將收集到的圖像信息轉(zhuǎn)化為精確的測(cè)量數(shù)據(jù)。其算法的魯棒性和校準(zhǔn)精度直接決定了最終的測(cè)量誤差[7]。很多企業(yè)忽視了算法優(yōu)化，導(dǎo)致硬件性能無(wú)法充分發(fā)揮，導(dǎo)致精度波動(dòng)。
1. 算法選擇：適應(yīng)情景可以精確控制差異
不同的測(cè)試場(chǎng)景需要匹配不同的算法。傳統(tǒng)的“單一灰度閥值”算法容易受到反光和污垢的影響，容易出現(xiàn)誤檢和漏檢。然而，多特征融合算法(結(jié)合灰度、線條和形狀)可以有效提高復(fù)雜場(chǎng)景下的測(cè)試精度[5]。例如，在尺寸測(cè)試中，“斜邊代斜角”偏差可以通過(guò)“定位基準(zhǔn)”來(lái)解決商品旋轉(zhuǎn)和偏移引起的偏差→校正姿態(tài)→對(duì)算法流程進(jìn)行測(cè)量，首先將圖像旋轉(zhuǎn)到標(biāo)準(zhǔn)姿態(tài)，然后進(jìn)行測(cè)量，大大減少偏差。
伴隨著AI技術(shù)的發(fā)展，深度學(xué)習(xí)算法(如CNN和Transformer結(jié)構(gòu)的結(jié)合)顯著提高了復(fù)雜場(chǎng)景下的識(shí)別精度，尤其是在小樣本、多缺陷場(chǎng)景中，可以通過(guò)自我監(jiān)督學(xué)習(xí)來(lái)降低標(biāo)注成本，同時(shí)提高精度穩(wěn)定性[6]。例如，在汽車(chē)沖壓件缺陷檢測(cè)中，原型網(wǎng)絡(luò)算法可以將標(biāo)注成本降低96%，而精度只是輕微降低，兼顧了效率和精度。
2. 校準(zhǔn)校正：清除系統(tǒng)偏差的關(guān)鍵步驟
校準(zhǔn)校準(zhǔn)是機(jī)器視覺(jué)檢測(cè)系統(tǒng)的“精度校準(zhǔn)器”。如果校準(zhǔn)不準(zhǔn)確，會(huì)導(dǎo)致鏡頭畸變、像素偏移等系統(tǒng)偏差，在測(cè)量過(guò)程中會(huì)不斷積累偏差。相機(jī)校準(zhǔn)、鏡頭畸變校準(zhǔn)、灰度校準(zhǔn)等步驟缺一不可。比如鏡頭畸變引起的尺寸偏差可以通過(guò)校準(zhǔn)板校準(zhǔn)來(lái)調(diào)整；定期灰度校準(zhǔn)可以防止光源亮度變化引起的圖像對(duì)比度誤差。
在工業(yè)場(chǎng)景中，建議使用高精度校準(zhǔn)模板，通過(guò)多次采集圖像尋求平均值來(lái)減少校準(zhǔn)偏差，同時(shí)定期重新校準(zhǔn)——尤其是設(shè)備移動(dòng)和環(huán)境溫度變化后，及時(shí)校準(zhǔn)可以保證精度的穩(wěn)定性。很多企業(yè)忽視定期校準(zhǔn)，導(dǎo)致設(shè)備使用一段時(shí)間后精度降低，影響商品檢測(cè)質(zhì)量。
