板材在线全检不能停线，线阵相机行频跟不上板速图就先变形，漏检率还怎么从8%压下去
板材幅面宽、连续运动，产线在线连续来料。此前靠人工抽检，缺陷漏检率约 8%——抽检本身只能覆盖部分板面，抽不到的区域就是盲区，带缺陷的板直接流进下游。更麻烦的是抽检没有结构化记录，缺陷类型、位置、频次都统计不出来，同一类问题反复出现，工艺端却定位不到根因。
抽检的问题不是漏看，是没有记录
人工抽检漏检率约 8%，背后是两层损失：抽不到的板面漏掉了缺陷，抽到的板面也只留下一句这批还行。质量管控要往下走，需要的是缺陷在哪块板、哪个位置、什么类型、出现几次，而不是一个通过率。在线全幅检测的价值就在这里——它不只把漏检率压下去，还把缺陷变成可统计的数据。
行频跟不上，图就先变形了
线阵相机逐行成像，拼成整幅表面图。这里最容易出事的地方是行采集与板材运动的同步：行频跟不上板速，图像沿运动方向被拉伸；行频过快，图像被压缩。几何一变，缺陷位置判定就跟着偏，标出来的坐标对不上实物。方案用编码器输出板材位移信号，按位移等距触发行采集，使行间距与运动严格同步，速度波动也不会造成拉伸失真。
灰度对比管面，边缘分析管线
缺陷谱可以粗分成两类：面状缺陷，如压痕、污渍，表现为成片的灰度异常；线状与边缘缺陷，如划痕、缺边，表现为轮廓或边界异常。灰度对比擅长前者，边缘分析擅长后者，互相补位。区分划痕和污渍也靠这个分工：划痕通常呈细长线状、方向与接触过程相关，污渍多为成片灰度异常区域，算法按形状、走向等特征分类标记。
阈值分级：重缺陷从严，轻缺陷放宽
一套阈值管所有缺陷，结果只能二选一：要么轻缺陷大量误报把产线拖住，要么重缺陷被放过。方案按缺陷等级分级设置阈值，重缺陷从严、轻缺陷放宽，在漏检与误报之间取平衡。这个策略的前提是缺陷要先分级，分级标准来自工艺，不是算法自己定的。
30 秒不是检测时间，是板通过窗口
单块板材检测节拍 30 秒，与产线同步、不停线，以现场验收结果为准。板材高速流过检测区，系统必须在板通过的窗口内判定，延迟判定等于漏检。所以成像、检测与归档是并行流水线，不是先拍完再一起算。系统随产线启停自动衔接，换卷换料时按板号重新建档。
缺陷数据反哺工艺
缺陷按类型、位置、批次统计后，工艺人员可据此定位来源：某一位置反复出现划痕，可能是导辊或输送接触的问题；某一批次污渍增多，可能与前道工序有关。缺陷漏检率由人工抽检约 8% 降至 0.5% 以内，以现场验收结果为准。这个改善的另一半价值在于数据沉积——检测从拦截缺陷延伸到支撑工艺改进。
选型按产线速度、板材宽度与最小缺陷尺寸确定线阵相机的行频与分辨率，三者要一起算。编码器与相机的同步是关键参数，行频设定不当会导致图像拉伸或漏行；光源均匀性影响灰度阈值的稳定性；安装位置宜避开振动大的区段。
行频、阈值与记录的三个问题
为什么不用面阵相机做整幅检测？
板材幅面宽、连续运动，面阵相机要覆盖整幅需多次拼接，接缝处的漏检风险与配准误差都要处理。线阵相机随运动逐行成像，天然适配连续产线。
漏检率 0.5% 以内是怎么达到的？
全幅连续成像覆盖每一块板，加上按缺陷类型分设的检测算法与分级阈值。具体指标以现场验收结果为准，不同板材与缺陷谱会有差异。
换规格要不要重新标定？
板宽变化时相机覆盖范围与光源布置要复核，行频随板速调整。相机与光源的安装基准一般不动，但触发与判定参数要按新规格更新。