摘要：本文分享从十多个工业现场项目中总结的机器视觉尺寸外观检测落地要点，针对中级工程师常踩的选型、打光、维护三个环节的坑，给出实际验证过的经验，所有参数和规则都符合行业通用规范，没有空泛理论。
选型：不是精度越高越好，适配才是核心
很多刚接触这个领域的工程师，第一反应就是堆参数，像素越高越好，精度越高越好。对不对？
我三年前给国内某汽配厂做冲压件尺寸检测项目，就栽过这个跟头。当时客户要求冲压件的轮廓尺寸公差是±0.1mm，我们为了保险，选了标称精度2μm的线阵相机，单台设备成本直接超了预算30%！结果上线调试，误判率居然高达13%。
什么原因？车间的地面震动啊！哪怕是装了减震平台，每分钟也有1~2μm的无规律晃动，加上冲压件本身因为热处理留下的微小形变，高像素相机把这些全部都捕捉进来了，算法直接把这些噪点当成了尺寸偏差。
说实话，那时候才真正读懂标准里写的规则。根据GB/T 39116-2020《智能制造 机器视觉检测 性能测试方法》，机器视觉的检测精度必须控制在被测公差的1/5~1/10，太高没用，太低不够。我们当时把相机换成标称精度10μm的面阵相机，加上边缘亚像素插值补偿，误判率直接降到0.2%，成本还降了一半。
不过话说回来，也不是说让你刻意选低精度，这里的核心是看被测工件的公差要求，还有现场环境。如果是做半导体晶圆的焊盘尺寸检测，公差是μm级，那你肯定要上高精度相机。要是做家电外壳的尺寸检测，公差都是mm级，选太高精度纯纯浪费钱。
外观缺陷：打光比算法更重要
我见过太多新手，上来就说我要弄大模型，我要做YOLO分割，要把所有缺陷都检测出来。可90%的外观检测问题，根本不是算法的问题，是打光不对。
去年给某消费电子厂做手机中框的划痕缺陷检测，我一开始也犯了错。中框是喷砂铝合金，表面哑光，我一开始用了常规的环形顶光，结果0.05mm以下的发丝划痕全和背景融在一起，算法根本分不出来，换了好几个语义分割模型，准确率最高才82%。
我蹲在车间调了三天打光。试了背光，试了同轴光，试了漫射光，都不对。最后随手把环形灯拆下来，转成了15度的低角度侧光，哦豁。哪怕是0.02mm的发丝划痕，边缘的反光差一下子就出来了，阈值分割一下准确率直接到99.7%。
打光才是外观缺陷检测的核心，这句话我敢拍胸脯说。不同工件，打光方案差十万八千里：透明PET保护膜的晶点缺陷，要加偏振片的背光，消除表面反光；曲面玻璃的气泡缺陷，要用同轴漫射光；冲压件的飞边缺陷，低角度侧光永远是最优解。别上来就堆算法，先把打光调明白了，再谈算法，能省你几个月的功夫。
批量落地：校准维护是容易忽略的生死线
很多项目验收的时候好好的，过了三五个月，客户找上门说精度不对，误判率飙升。什么原因？绝大多数都是没做好校准维护。
前年给连接器厂做引脚间距尺寸检测，验收的时候所有精度都符合要求，误判率0.1%都不到，结果四个月后客户说误判率飙到了8%，我们工程师过去排查，拆了防护罩一看，标准校准块上落了一层厚厚的油污，相机的安装支架因为车间常年35度的高温，热胀冷缩，螺丝松了，支架偏移了0.03mm，整个检测坐标系都飘了，结果能对吗？
很多人做项目，只想着上线验收，根本不告诉客户日常维护怎么做。这里说两个硬规则，都是行业里默认的：第一，每周必须做一次单点校准，用标准块校一个基准尺寸，消除环境震动和温度带来的偏移；第二，每月必须做一次全幅校准，更新整个视野的畸变参数。还有，标准块必须放在防尘干燥的盒子里，每次用之前必须用无尘酒精擦干净，指纹油污都会影响校准结果。
别小看这十几分钟的维护，能帮你避免90%的售后问题。我现在做项目，交付的时候一定会把维护流程贴在设备上，让车间的班长每周照着做，少了好多麻烦。
机器视觉尺寸外观检测，本质是工程问题，不是学术问题。没有完美的方案，只有适合现场的方案。把每个细节抠到位，比堆多少高端硬件都有用。
