2D视觉检测是什么？原理、应用场景与选型要点

什么是 2D 视觉检测

2D 视觉检测，是把被测对象通过工业相机成像到二维平面，再由图像算法提取尺寸、位置、形状与表面状态的一类检测技术。它输出的都是平面信息：长度、宽度、角度、孔距、边距与面积，以及划痕、脏污、缺料等缺陷的坐标和面积。因为不涉及高度方向的测量，2D 系统的结构最简单、节拍最快、成本也最容易控制，是产线在线检测中普及度最高的技术路线。汉特士在 CCD 视觉检测领域积累 15 年工程经验，绝大多数在线检测项目都属于这一类。

需要先纠正一个常见认知：2D 不等于低精度。在合理的光学配置下，2D 系统可以稳定做到 0.01mm 级的尺寸测量，检出准确率可达 99.9%。它的边界不在精度，而在于它测不了高度方向的变化。

一套 2D 检测系统由哪些部分组成

一套完整的 2D 检测系统由四部分构成：

• 成像单元：工业相机与镜头。相机决定分辨率与帧率，镜头决定视野、工作距离与畸变水平。
• 照明单元：光源与光源控制器。明场、暗场、背光、同轴光各有适用场景，成像质量的一半由照明决定。
• 运动与触发：编码器、光电传感器或 PLC 信号，保证相机在工件到位的瞬间取图，让节拍与产线同步。
• 算法与软件：标定、定位、测量、缺陷判定与结果输出，通常还需要与 MES 或 PLC 对接。

四部分里最容易被人忽略的是照明。同一种缺陷在明场下几乎看不见，换到暗场就可能非常清晰。选型阶段如果只盯着相机参数，往往会在调试阶段付出成倍的代价。

它最擅长解决的三类问题

尺寸与位置测量

长度、宽度、孔径、孔距、边距、位置度等，都可以在标定后的图像上稳定测量。配合背光把工件成像成剪影，边缘对比度最高，测量重复性最好。这类应用对精度要求明确，也最容易验收。

表面缺陷检测

划痕、裂纹、脏污、缺料、异色等外观缺陷，由算法在图像上定位并给出面积与位置。缺陷对比度低、背景纹理复杂时，通常需要引入深度学习模型。

有无与装配确认

螺丝是否到位、密封圈是否装配、包装内是否缺件，这类存在性判断逻辑简单、节拍快，用 2D 往往是最经济的方案。

什么情况下 2D 不够用，需要上 3D

出现以下任一情况，就应该考虑 3D 视觉检测：

• 需要测量高度、段差、平面度或共面度，而这些量值在 2D 图像里表现为灰度变化，无法直接换算成物理尺寸。
• 缺陷是立体的，比如压伤、凸点、凹陷，明场下只有轻微明暗差异，容易被漏检。
• 工件表面有明显的高度起伏，导致 2D 成像的清晰度在不同区域差异很大，测量结果不稳定。
• 需要体积、截面轮廓或装配间隙这一类三维量值。

反过来，如果检测目标本身是纯平面的尺寸与外观，强行上 3D 只会增加成本与调试复杂度。判断标准是检测量的维度，而不是设备的先进程度。

选型的五个关键问题

选型时把这五个问题回答清楚，方案基本就能定型：

1. 最小检测特征多大：是 0.05mm 的划痕，还是 0.5mm 的缺口。这直接决定需要多少像素。
2. 视野多大：单次要拍多大范围。视野越大，同样的像素数带来的精度越低。
3. 节拍要求：每秒需要检测多少件。这决定相机帧率、曝光时间与算法耗时。
4. 被测材质与表面：金属反光、透明、黑色吸光材质，成像策略完全不同，需要先做光学验证。
5. 判定标准由谁给：缺陷的可接受边界、公差带、允收数量，必须在项目开始前明确，否则验收无从谈起。

精度由像素精度决定，推导方式很直接：

单像素精度 = 视野 ÷ 沿该方向的像素数。例如 40mm 视野用 2448 像素成像，单像素精度约为 0.016mm；而算法要可靠识别一个缺陷，一般需要它覆盖 3～5 个像素，因此实际可稳定检出的最小特征约为单像素精度的 3～5 倍。

精度一定要从需求倒推：先确定最小缺陷或最小公差是多少，再反推需要多大视野与多少像素，最后才去选相机与镜头。先挑一台高像素相机再去凑视野，是项目返工最常见的原因。

三个常见误区

误区一：像素越高，检测越准

分辨率只是必要条件。镜头畸变、光照不均、机械振动、工件定位偏差，任何一项没控制住，高像素也只是把噪声拍得更清楚。

误区二：用离线图片代替产线实测

样品在实验室拍出来的图像，和产线上运动、打光、上下料状态下的图像，往往差别很大。方案评估应尽量在接近真实节拍与机构条件下取图。

误区三：把检出率当成一个固定值

99.9% 的检出率是有前提的，它对应特定的样品、特定的缺陷类型与特定的成像条件。换一种缺陷或换一批物料，这个数字需要重新验证。

把需求、成像、机构与判定标准一次性对齐，2D 视觉检测就能以较低的成本稳定运行，这也是它在产线上长期占据主流的原因。