一台AI视觉检测机看着是一个整体,拆开只有六样东西:工业相机、镜头、光源系统、运动与机架、工控机、算法软件。整机按台报价,故障却要按部件查。上海科迎法电气在客户现场做定位时,第一步几乎都是问"哪一类缺陷判不出来",第二步才是拆开看部件。同样一套AI深度学习检测平台,装在两台不同机架上,检出率能差十几个百分点,差别往往不在算法,而在前面五个部件给出的图像质量。这也解释了同一套算法平台在不同项目里口碑差得很远:模型可以复制,成像链路不能。拆开看零件,不是为了背参数,而是为了在报价单和故障单之间建立对应关系——哪一项参数决定了哪一类缺陷能不能被看见。

一、工业相机:决定能看见多小的东西

相机把光信号变成可计算的像素阵列,它决定空间分辨率的上限。规格看四项:分辨率、像元尺寸、帧率、接口。两千万像素配三分之二英寸靶面,像元约二点四微米;五百万像素配一英寸靶面,像元可到四点五微米,后者单像素进光量大,弱光下噪声低。帧率要与节拍匹配,九十件每分钟的线,曝光加传输必须留出余量,不能按标称满帧算。接口从千兆网到万兆网、同轴电缆,带宽不足时只能降分辨率或降帧率。

AI视觉检测机部件拆解结构图_上海科迎法电气

分辨率要用缺陷尺寸反算,不是越大越好。假设最小缺陷零点一毫米、要求至少占三个像素,单像素对应实物就不大于零点零三三毫米;视场六十毫米宽,横向至少需要一千八百像素,再留两成余量。算完这一步再选型号,可以避免"两千万像素拍不清零点一毫米划痕"的尴尬,因为问题常常出在镜头解像力、景深或打光,而不在像素数。

相机坏了的典型表现不是黑屏,而是"偶尔一张糊":曝光被拉长、触发抖动、传感器局部坏点、镜头座轻微松动,都会表现成同一类现象——同一位置连拍十张,总有一两张边缘发虚。另一种是暗处噪点突然变多,多半是传感器温度上去了,散热片积灰或风扇停转。做三维检测时,相机换成3D激光轮廓测量仪,判据从灰度变成高度,光源的影响方式也随之改变。

二、镜头:决定视场、景深与畸变

镜头把被测面成像到传感器上,决定视场、工作距离、景深与畸变。选型先算放大倍率:视场除以传感器尺寸,再反推工作距离。景深不足是最常见的坑,工件高低差两毫米,边缘就虚,软件再强也补不回来。远心镜头畸变小、测量准,但视场固定、价格高,适合尺寸测量;普通定焦适合外观检测。光圈不是越小越好,收到F16以后衍射会让分辨率反而下降,现场常见的"加大光圈求清晰"往往适得其反。

举个算例:靶面宽十一点一毫米,视场要覆盖八十毫米宽的工件,放大倍率约零点一四,配五十毫米焦距镜头,工作距离约三百七十毫米。若工件高低差三毫米,还要用景深公式反算光圈,必要时拉远工作距离换更长焦段。变焦镜头调机方便,但倍率会随温度与振动漂移,量产线更宜用定焦加机械微调,调完锁死;接口也要一起定,C口、F口、M42法兰距不同,转接环越多,偏心与漏光的概率越高。

镜头失效的表现很直观:整幅均匀发虚是对焦跑了,四角发暗是靶面不匹配或渐晕,直线看成弧形是畸变未校正,局部雾状反光是镜片内有油污或水汽。小件检测最容易忽略这一环,注射器视觉检测设备看针尖毛刺时工作距离只有几十毫米,景深往往不到零点二毫米,工件稍一翘起就出了景深范围。

工业相机与远心镜头安装位置特写_上海科迎法电气

三、光源系统:决定缺陷与背景的对比度

光源的任务不是照亮,而是让缺陷和背景在灰度上分开。常见方案有环形光、条形光、同轴光、背光、穹顶光与结构光:反光强的金属件用穹顶光压反光,透明件用背光看轮廓,平面划痕用低角度条形光把划痕打亮。颜色也参与成像,红色光下蓝色油墨变暗,对比度反而提高。频闪同步能压环境光干扰,前提是相机与光源的触发延时标定过,否则闪光落在曝光窗口之外,图像会一块亮一块暗。

频闪不是万能的。频率高到一定程度,驱动余量不足,亮度会掉,图像反而更暗;节拍允许时,连续照明加遮光罩更稳。环境光是最常见的外部干扰:车间天窗、工位指示灯、相邻设备的红色报警灯,都会在图上留下固定亮斑。装遮光罩之前先关掉设备光源拍一张暗场图,亮斑位置一目了然,比反复调阈值快得多。

光源衰减是慢性的。LED用满两年光通量掉两三成,操作员只觉得"最近参数老要调",很少想到光源。表现是同一套阈值白天勉强过、夜班过杀率升高;或者同一批工件换个工位就判不准。灯珠单颗失效会造成局部暗区,在缩略图上看不出来,只有放大到原始分辨率才看得见,所以日常点检要看原图,不能只看监控小窗。

穹顶光源压制金属件反光效果对比_上海科迎法电气

四、运动与机架:决定图像稳不稳

运动机构把工件送到视野里并对准,机架负责让相机不动。常见形式有皮带线、转盘、机械手、直线模组。定位重复精度要优于检测精度的三分之一,节拍要留出曝光稳定的时间。机架刚性最容易被低估,铝型材加薄板的结构在高速启停时会整体微振,肉眼看不见,图像上就是边缘拖影,高倍率下尤其明显。

这部分失效的表现是"位置漂":同一工件在画面里的位置每次差几个像素,标定好的区域对不上。皮带打滑、联轴器松动、编码器丢脉冲、支架螺丝振松,都是常见原因。整机层面,一条电芯外观检测机若六个面在同一节拍内取图,任一工位的机构抖动都会让该面的误判率单独升高,而总报表只会显示"某一类缺陷误判偏高",看不出是机械问题。

五、工控机:决定算得完算不完

工控机负责取图、推理、通讯与人机界面。规格看CPU核数、内存、是否独立显卡、存储写入速度与网口数量。多相机同步取图时,网卡与总线通道容易成瓶颈,四路两千万像素同时进机,普通千兆网卡必然丢帧。存储要按天算:一天二十四小时、每张五兆、四路相机,一天就是四点三太字节,保留三十天需提前规划阵列容量与清理策略。

工控机出问题的表现是"卡一下,然后跳帧"。CPU过热降频、内存不足触发换页、硬盘写入跟不上导致缓存溢出,都会让节拍忽快忽慢。这类问题最容易被误判成算法慢,实际打开任务管理器看十分钟就能分清:若CPU长期贴着百分之百,先查算力,不要先去改模型。机箱滤网也要定期清理,粉尘堆积后风扇转速升高、噪声变大,是过热的前兆。

六、算法软件:决定判据怎么立

算法把图像变成结论,分规则与深度学习两类。规则算法可解释、调参快,适合尺寸、缺件、字符;深度学习适合纹理复杂、缺陷形态多变的外观项,但依赖样本,样本不足时过杀率很高。软件还负责标定、区域管理、复判回流与数据追溯,这些功能比模型本身更影响日常使用,采购时容易被一句"支持深度学习"带过。还有一条经验:上线前先把误判率的统计口径定死——按件算还是按面算,过杀与漏检是否合并,口径不同,同一个百分之二能差出三倍。

软件失效比较隐蔽:模型没变,误判率却缓慢上升。常见原因是来料批次变化没有回流样本、相机或光源老化后图像分布偏移、参数被现场人员改过而无版本记录。把每次参数修改记进日志,比事后靠记忆倒推省很多时间,也能分清是设备退化还是产品改版。复判数据宜按周回流,不要等模型明显退化才补样本,那时积压的误判已经进了成本表。

七、六个部件的匹配关系

六个部件不是各自最优就好。分辨率选高了,镜头解像力跟不上等于白买;光源配强了,曝光时间缩短,运动抖动的影响被放大;工控机算力不足只能降帧率,节拍又不够。反过来,节拍有余量时,把曝光时间放长、光源调柔,往往比换相机更能压误判。机器视觉产品列表里同类设备参数相差不大,真正的差别在匹配:视场、景深、曝光、节拍、算力五项要一起算,缺一项就会在某个工况下暴露。

拆机排查建议按"图像质量、定位稳定性、算力余量、判据合理性"的顺序走。先看原图能不能看清缺陷,再看位置是否稳定,再看机器是否算得完,最后才动算法。顺序颠倒,最常见的结局是模型反复训练,问题依旧,因为前端给的图本来就不合格。科迎法电气在交付时会把这四项做成一张点检表,每周填一次,比出故障再查省事。