为什么选型不能只看算法？
工业视觉检测项目的最终目标是稳定识别现场缺陷，而不是单纯跑通一个模型。相机、镜头、光源、安装角度、产线节拍和数据质量都会影响最终效果。
- 先明确检测对象：缺陷、尺寸、字符、位置还是装配状态。
- 再明确现场约束：视野、距离、空间、速度、光照和反光情况。
- 最后评估算法路线：传统视觉、深度学习、异常检测或混合方案。
相机、镜头和光源如何配合？
相机负责采集，镜头决定成像视野和畸变，光源决定目标特征是否稳定呈现。实际项目中，光源设计经常比模型选择更影响稳定性。
| 选型项 | 关注点 | 常见问题 |
|---|---|---|
| 工业相机 | 分辨率、帧率、接口、触发方式 | 像素不足或数据量过大 |
| 镜头 | 视野、工作距离、畸变、景深 | 边缘变形、清晰度不一致 |
| 光源 | 亮度、角度、颜色、均匀性 | 反光、阴影、缺陷不明显 |
| 算法 | 检测精度、速度、样本需求 | 误检漏检、泛化不足 |
项目启动前可先开展样本级PoC验证，通过多组光源和成像方案对比，确定可落地的视觉方案。
算法和部署平台如何评估？
如果项目需要实时检测或本地部署，需要同时评估模型速度、硬件算力、系统稳定性和接口对接方式。
- 工控机方案适合复杂界面、多相机和高算力场景。
- 边缘AI盒子适合本地推理、低延迟和小型化部署。
- 智能相机适合功能相对固定、部署空间有限的场景。
常见问题
工业视觉检测系统选型最先看什么？
最先应明确检测目标、检测尺寸、精度要求、视野范围、产线节拍和现场安装空间。
光源为什么会影响机器视觉检测效果？
光源会决定目标边缘、缺陷纹理、反光区域和背景对比度，是影响检测稳定性的关键因素。
相机像素越高越好吗？
不一定。像素需要根据精度和视野计算，高像素也会带来更高的数据量和处理压力。