先明确一件事
把「精度」这个词拆开：能拍到 ≠ 能测准 ≠ 能判稳
视觉检测精度不是像素当量。像素当量只说明一个像素代表多少物理尺寸，而实际可检出的缺陷还取决于缺陷在图像上的对比度、缺陷跨越的像素数以及判定阈值。正确的做法是先明确「最小缺陷尺寸」与「检测幅面」，再反推相机分辨率与镜头，最后用实物样品实测验证。
在视觉检测项目里，「精度是多少」是最常被问到、也最容易被含糊回答的问题。很多人会用「像素当量」来回答，例如「0.02mm/pixel」。这个数字有意义，但它不等于检测精度。
区别在哪里？一个缺陷要在图像上被稳定检出，需要跨越若干个像素（通常至少 3～5 个），还需要与背景有足够的对比度。如果缺陷只有 1 个像素大小，或者对比度接近噪声，那它就检不出来——哪怕像素当量再小。
所以讨论精度必须同时说清楚三件事：最小缺陷尺寸、检测幅面、以及缺陷与背景的成像对比度。缺少任何一个，讨论都无法落地。
选型维度
最小可分辨缺陷尺寸
整个方案的起点。它决定了需要多少像素当量，进而决定相机与镜头。应先由质量部门给出量化标准。
检测幅面
与最小缺陷尺寸共同决定相机分辨率。幅面越大、缺陷越小，需要的分辨率越高，成本上升很快。
成像对比度
缺陷能否显形，取决于照明方案。同样的缺陷在不同照明下可能一个清晰一个不可见。这是最容易被忽视的一环。
判定稳定性
不只要求「能检出」，还要求「每次都能检出」。稳定性取决于姿态一致性、照明稳定性与阈值余量。
节拍
曝光时间与检测时间都被节拍约束。速度越高，允许的曝光时间越短，对光源要求越高。
视野与像素采样
别把像素当量当成检测精度
像素当量的计算很直接：视野宽度 ÷ 相机横向分辨率。例如视野 150mm、横向分辨率 8192 像素，像素当量约为 0.018mm/pixel。
但这个数字不能直接当作检测精度。要判断某尺寸的缺陷能否检出，还需要看它跨越几个像素、以及它在图像上与背景的差异有多大。
| 概念 | 含义 | 常见误区 |
|---|---|---|
| 像素当量 | 一个像素对应的物理尺寸 | 误当作检测精度 |
| 最小可分辨缺陷 | 在给定成像条件下能稳定检出的最小缺陷 | 未明确量化标准就开始选型 |
| 检测精度 | 测量值与真值的偏差（尺寸类） | 与像素当量混为一谈 |
| 检出率 / 漏检率 | 缺陷检出的统计表现 | 用单次测试结果代表整体能力 |
光源与打光
为什么打光比相机更重要
相机决定「能分辨多细」，光源决定「能不能看见」。如果光源没把缺陷照出来，换再好的相机也没用。
常见缺陷的照明取向
漫射光适合色差与污渍；低角度光适合划痕与压痕；透射光适合孔洞与破损；同轴光适合反光表面。
照明稳定性
光源亮度漂移会让阈值失效。方案需要考虑光源的稳定性与老化补偿，以及环境光的影响。
对比度不足时的取舍
如果某类缺陷在现有材料上对比度始终不足，应当明确承认无法稳定检出，而不是硬调阈值——后者只会带来大量过杀。
算法选择
算法选择的原则是「按判据形态选」，而不是「按先进程度选」。有明确几何判据的用规则算法，形态多变的用深度学习。两者常常组合使用。
定位与匹配
先建立稳定坐标系，是所有判定的前提。
- 形状匹配 / 灰度匹配
- 对位后再做区域切分
阈值与形态学
适合与背景有稳定灰度差的缺陷。
- 阈值分割 + 连通域统计
- 按面积 / 长宽 / 圆度判定
边缘与轮廓测量
适合尺寸、轮廓类判定。
- 亚像素边缘提取
- 直线 / 圆 / 弧拟合
深度学习
适合形态多变、规则难穷举的缺陷。
- 分类 / 检测 / 分割
- 需要足量标注样本
通信与联动
检测系统的输出需要作用到产线上，所以通信方案要在项目早期就确定，而不是最后再补。现场 PLC 的品牌与可用接口直接决定实现方式。
- 01相机采集图像
- 02算法判定
- 03结果合成单件 OK / NG
- 04结果写入通信接口
- 05PLC 读取并执行动作
- 06剔除 / 分拣 / 报警
- 07数据回传入库
常见问题
像素当量 0.02mm 就代表能检出 0.02mm 的缺陷吗？
怎么确定我的项目需要什么配置？
为什么要用实物样品验证？
检测速度和精度能不能同时提高？
你们的设备能保证多少漏检率？
选型时最容易被忽略的是什么？
提交样品测试
选型结论建议以实测打样为准。请提供含已知缺陷的样品与缺陷量化标准，我们做成像与检出验证。
提交成功
我们已收到您的样品测试需求，方案工程师会在 1 个工作日内与您联系。如需加急，请直接致电 13913763268（微信同号）。
需要逐项评估成像条件、缺陷标准与节拍？ 前往完整需求评估 →