为什么说光源比算法更重要
一个视觉检测项目通常由三部分构成：光学成像、算法处理、机械与电气执行。三者之中，光学成像最容易被压缩，因为它看上去"只是几个灯"。但现场绝大多数"算法不稳定"的反馈，追溯到最后都是成像输入不足——缺陷与背景在图像上本来就没有对比度，再强的算法也无法凭空把它们分开。
举一个具体的例子。金属件表面的浅划痕，在垂直漫射的明场光下，划痕与周围基体的反射亮度接近，灰度差常常不到 8 个灰阶，与相机噪声处在同一量级；把光源换成低角度掠射的暗场光，划痕边缘产生强烈散射，灰度差可以拉开到 60 以上。相同的相机、相同的镜头、相同的算法，仅更换打光方式，检出结果就出现量级上的差异。
算法的职责是放大信噪比，而不是创造对比度。所以在汉特士 15 年 CCD 视觉检测经验中，光源方案始终与相机、镜头同等优先评估。
先把缺陷在图像上变成可量化的灰度差，再谈算法。
六种常用照明方式与成像差异
照明方式的名字很多，真正区分它们的只有两个参数：光线的入射角度，以及光线是反射回相机还是被散射到相机之外。下表是工程中最常用的六种方式及其成像特征。
| 明场漫射 | 表面整体明亮均匀，颜色还原稳定 | 印刷字符、标签、颜色判别、装配到位确认 |
|---|---|---|
| 暗场掠射 | 低角度入射，表面起伏与划痕高亮 | 金属与玻璃表面划痕、崩缺、毛刺、拉丝纹理 |
| 背光透射 | 只保留轮廓，形成高对比剪影 | 尺寸测量、有无料判别、孔位与透明件内部异物 |
| 同轴光 | 半透镜垂直入射，抑制镜面反光 | 芯片焊盘、镜面金属、玻璃基板表面缺陷 |
| 条形光 | 方向性强，可自由调整入射角度 | OCR、条码、局部特征增强与轮廓过渡 |
| 圆顶光 | 半球漫射，消除高亮反光与阴影 | 曲面金属件、电镀件、反光外壳的表面缺陷 |
明场与暗场：同一缺陷的两种面孔
明场追求看到整个表面，暗场追求只看表面起伏。同一道划伤，明场下是灰度略低的条纹，暗场下是明亮的高对比曲线。判断缺陷有无时暗场更稳，读取表面印刷内容时明场才合适。两者不是优劣关系，而是对应不同的检测语义。
背光与同轴：把"测尺寸"和"看镜面"分开
背光把被测物变成剪影，边缘定位精度高，测量类项目优先考虑。同轴光用于镜面件：平整表面把光原路反射回相机形成亮场，凹陷与污渍改变反射方向，呈现为暗斑。
按检测目标反推光源
光源选型的正确方向是从检测目标往回推，而不是从现有光源清单里挑。可以先按特征分类，再决定打光方式：
- 划痕、凹坑、压伤：属表面起伏类，优先暗场掠射或条形光低角度入射
- 尺寸、间距、孔位：属轮廓类，优先背光透射取得清晰剪影
- 字符、条码、颜色：属表面图纹类，优先明场漫射保证亮度均匀
- 镜面件表面的脏污与异色：优先同轴光或圆顶光抑制反光
- 曲面、深腔、复杂结构：优先多方向组合光，避免单一角度产生照明死角
确定方式之后，再按下面的顺序收敛参数：
- 用真实缺陷样品在实验台上逐一试打光，记录每种方式下的灰度差
- 选出灰度差最大、且在批次间最稳定的方式
- 调整入射角度与工作距离，再按景深与安装空间确定光源尺寸
颜色光与滤光片的用法
单色光的作用是提高对比度，而不只是节能。照明光与目标颜色接近时该区域反射率高、成像偏亮，互为补色时被明显吸收、成像偏暗，利用这条规律可以人为放大某类特征的亮度差。
- 红色光照射在偏黄背景上，蓝色印刷明显变暗，字符对比度提高
- 蓝色光照射铜、黄铜等暖色金属时，表面反光被压低，细划痕更容易显现
- 绿色光或绿色滤光片可抑制红色标记干扰，同时压制车间顶灯与窗口自然光造成的亮度波动
滤光片会同时削减进入相机的光通量，需与曝光时间、光源亮度一起标定。
光源控制器与频闪
同一只光源在常亮与频闪过驱动两种模式下表现完全不同。常亮亮度低、发热大，适合节拍较慢的工位；频闪只在曝光瞬间点亮，可用数倍额定电流过驱动，瞬时亮度极高、发热最低，适合高速产线。
- 同步：频闪触发必须与相机曝光信号对齐，否则会出现亮度不均的暗带
- 稳定性：长时间运行后光源温度上升，亮度会小幅漂移，需要控制器恒流或带反馈输出
- 分区控制：多通道控制器让不同角度的光源按工位分别点亮
- 环境光隔离：顶灯与自然光无法关闭，需靠遮光罩、频闪和滤光片共同抑制
四个常见误区
光源方案是否可靠，往往不取决于选了多少种，而取决于有没有避开下面四个判断失误。
- 越亮越好。亮度超过相机动态范围上限后，高光被削顶，缺陷与背景一起变成纯白，对比度反而丧失。应把最亮处控制在 220 灰阶以内。
- 一套光源打天下。不同缺陷特征往往需要不同打光，多光源按工位切换远比用一种光解决全部问题可靠。
- 忽略环境光。车间照明与窗户自然光随时间与天气变化，会造成误判波动，遮光结构与频闪控制不是可选项。
- 不拿样品打样就定型。必须用包含真实缺陷与良品的样本集做打样验证，才能确认方案的检出下限。
把这四件事做在前面，后续的算法开发与调参工作量通常可以减少一半以上。
