外观检测主要是指对部件及产品表面异物、瑕疵、缺陷等进行确认的检测过程。它通常*括以下检测内容：检查食品*装上的异物、检测布料上的污点、识别金属和树脂部件的瑕疵、监测树脂和橡胶成型过程中的缺陷（*括瑕疵和毛刺），以及确认LED灯是否点亮无误等。传统的外观检测主要依靠人工目视检查，但随着工厂自动化进程的加快，视觉系统在检测领域的应用日益广泛。
以下将从视觉系统在异物检测、瑕疵检测和缺陷检测中的应用案例出发，介绍外观检测的基本原理及其当前的发展趋势。
引入视觉系统进行外观检测的基本原理及其优势外观检测能够识别异物、污点、瑕疵和缺陷等，从而防止不良产品的流出。然而，传统的目视检测存在精度限制。全面检测不仅消耗大量人力和成本，还可能因个人差异而导致精度偏差和人为错误。此外，细微的瑕疵和污点等往往难以通过目视检测发现。为了保持产品质量，必须借助显微镜等工具进行放大检测。对于少量点数的检测，可以离线使用显微镜，但面对成千上万的点数，则需要投入大量人力，这会大幅降低生产效率。为了平衡品质和生产效率，视觉系统技术成为不可或缺的关键。
视觉系统可以识别细微的异物、瑕疵和缺陷。随着视觉系统和视觉技术的不懈进步，即使是过去依赖人眼判断的细微异物、瑕疵和缺陷检测也变得可行。盈泰德科技推出了从31万像素到2100万像素高分辨率的多款视觉系统产品，能够满足不同客户的需求，并提供高性价比的视觉系统解决方案。
曾有一位客户询问：“视觉系统能够检测出多小的异物和黑点？”我们可以通过以下公式来估算答案：
最小检测尺寸=B÷A×C其中：
A=感光元件的Y方向像素数
B=拍摄视野（Y方向）[mm]
C=感光元件上的最小检测像素尺寸[像素]
像素数因相机不同而异。例如，31万像素相机的纵向像素数为480像素，而2100万像素相机的像素数则为4092像素。这些数值对应公式中的“A=感光元件的Y方向像素数”。B项的拍摄视野（Y方向）可以根据所用镜头自由调整，如10mm、100mm等。C项中感光元件上的最小检测像素尺寸通常为3像素，根据条件不同，也可能是5像素。
考虑到这些条件，将A=480像素、B=50mm、C=3像素代入公式计算，最小检测尺寸=50÷...（此处需要完整的计算过程才能得出结果）。
通过计算可知，0.312毫米是480乘以3的结果，这意味着能够检测到最小0.125毫米的异物和瑕疵。举例来说，若采用2100万像素的视觉系统，其最小检测尺寸为50除以4092再乘以3，即0.037毫米，这意味着可以检测到0.037毫米的异物和瑕疵，这是目视检测难以达到的精度。在追求检测精度时，需使用2100万像素级别的高分辨率相机，或者通过减小视角来缩小最小检测尺寸。在线上进行全数检测时，根据检测项目，可能需要在离线状态下进行外观检测。然而，借助视觉系统，可以在线准确地检测异物、瑕疵和缺陷。
在间歇传送过程中，检测对象会陆续进入检测范围并在相机前停留一定时间。以下将介绍如何计算每分钟的检测次数及视觉系统的目标处理速度。每分钟的检测次数=60秒/视觉系统的处理时间例如，若视觉系统的处理速度为20毫秒，则每分钟的检测次数为60秒除以0.02秒，即3000次/分钟（等同于50次/秒）。常规外观检测通常能在20至100毫秒内完成处理。当已确定预期的检测速度时，可以使用以下公式计算所需的处理速度。
视觉系统的目标处理速度（毫秒）=1秒/预期检测次数（次/秒）×1000例如，若预期检测次数为50次/秒，则目标处理速度为1秒除以50次/秒再乘以1000，即20毫秒。利用这些公式，可以选择满足要求的视觉系统。然而，上述内容仅适用于间歇传送的情况。对于产品连续传送的情况，必须考虑快门速度。在连续传送检测中，如果快门速度不够快，与生产线速度相比，图像可能会发生抖动，无法正确检测。通常，快门速度应设定为约等于检测物移动最小尺寸的1/5左右的时间。例如，若预期最小检测尺寸为1毫米，生产线速度为1米/秒，则快门速度参考值应为1毫米除以5再除以1000毫米/秒，即1/5000秒。在外观检测中，必须对细微的瑕疵和缺陷进行确认和辨别。为了获得稳定的检测结果，预处理功能至关重要。实时浓淡补正可以通过二值化处理消除工件表面的光泽和阴影，仅提取污点和瑕疵。不同方向的渐变滤波器能够消除背景图案和干扰，允许分别对X和Y方向设置模糊处理效果，以准确提取异物。
斑点分析滤波器的作用在有无检测的说明中有所体现，它被应用于预处理步骤中。此滤波器能专注于提取特定元素，并去除表面光亮、阴影、背景以及凹凸等干扰。
对比度转换功能能够根据不同范围生成适宜对比度的图像，从而实现边缘强化和背景杂波的消除。通过增强明暗对比，可以简化污点等瑕疵的检测。具体来说，视觉系统广泛应用于各种外观检测中。以下将举例说明一个具体的应用场景。
例如，检测汽车发动机活塞上的切屑。这些切屑往往难以通过肉眼识别，是检测过程中容易漏检的关键环节。引入视觉系统后，即便是微小的切屑也能得到准确的确认和区分。在检测晶片电容器的外观方面，*括污点、瑕疵、缺陷等，通过引入视觉系统，也能实现批量化的确认和区分。
这不仅可以进行全面检测，还能通过积累检测数据，有效地用于工艺改进。
食品安全问题日益受到重视，食品行业正逐步引入视觉系统。对于过去仅进行抽样检测的托盘异物检测，借助视觉系统，可以轻松实现全面检测。同时，视觉系统还能识别微小的污点，有助于稳定产品质量。
