机器视觉检测结果不稳定的原因有哪些？

自上个世纪80年代以来，机器视觉检测系统开始得到广泛应用。通过机器识别替代肉眼目检。自视觉检测系统问世以来，凭借更快的检测效率、更高的准确率、更广泛的应用场景被越来越多自动化生产企业关注并引入。

随着工业4.0理念普及，越来越多企业开始加入智能制造领域。机器视觉检测系统在单一光学镜头的基础上，逐渐加入红外线、激光等更多检测技术用于检测人眼无法观测的细微差距。

在视觉检测项目落地实施的过程中，如何保证整套检测系统的稳定和可靠是项目能否最终落地实施的关键。其中视觉检测精度受到相机、镜头、光源、软件、检测环境五大要素影响。

影响检测精度的五大要素

相机对稳定性的影响

在工业相机选型的过程中，首要考虑传感器芯片类型、分辨率和帧率三个层次。根据传感器芯片类型，市面上主流工业相机可以划分为CCD和CMOS两种。CCD传感器相机成像质量更高，更稳定，响应速度更快，但能耗高，价格昂贵。CMOS传感器相机读取速度更快，更高的灵敏度和图像集成能力。选用不同的传感器相机会对系统稳定性产生影响，需要根据实际项目需求进行一对一分析。

镜头对稳定性的影响

在硬件选型的过程中，要着重关注光学镜头的选择，除了根据现有条件选择正确的焦距、光圈、景深等参数之外，还要注重关注是否会产生图像畸变。图像畸变产生的原理在其他图文分享内已经详细说明了，感兴趣的朋友可以去看一下。

现在市面上常用的光学相机可以通过自动调整稍微弥补畸变，也有相关的工业软件可以对畸变图像进行修复。但在高精度要求的检测需求下，镜头畸变仍然会对精度产生严重影响。

光源对稳定性的影响

正确使用光源完成打光可以在图像中增强待检物体特征和缺陷，减弱背景干扰。因为待检样品和需求不一，现在没有通用的光源检测方案，需要根据每次检测需求单独定制。不同的光源在亮度和使用寿命上都存在较大差异在视觉检测中常用的光源有LED灯、荧光灯、卤素灯几种。常用的照明方式有前向照明、背向照明等。

觉软件对稳定性的影响

所有图像在获取之后最终都需要在视觉识别软件中进行分析、处理。同一套视觉检测方案下针对同一待检物体进行检测时同一时间获得的两张不同图片，在不同的算法和图像处理分析方式下都会带来不同的误差。可以说软件算法的设计优劣直接决定视觉检测精度的高低。

环境对稳定性的影响

视觉检测系统受现场环境影响较大，不同的温度、环境光、灰尘、湿度都会影响最终视觉检测精度。视觉检测系统中使用到的主要检测部件在出厂前都会标明正常工作环境氛围，在落地实施中需要特别关注并及时保养，确保整套系统的稳定运行。

视觉检测方案在设计之处就需要考虑各方面影响，除了针对待检物品进行分析根据实际检测需求进行常规选型之外，更要着重关注相机传感器影响，镜头畸变导致的检测误差以及环境和光源等因素带来的干扰和检测误差。机器视觉检测方案在设计过程中需要尽可能考虑到所有因素并不断进行优化和调整，才能更好的检测稳定、精确的机器视觉检测系统。