机器视觉检测中光源的作用以及分类

🎯机器视觉检测中光源的作用

在机器视觉系统中，光源并非普通照明工具，而是图像质量的“决定因素”——它通过控制光线的强度、角度、波长和分布，将目标物体的关键特征（如缺陷、尺寸、纹理、位置）与背景清晰分离，为相机和算法提供“可分析的优质图像”。若光源设计不当，即使采用高精度相机和算法，也无法实现稳定检测。

🎯一、机器视觉光源的核心作用

机器视觉光源的核心目标是**“凸显有用特征，抑制无用干扰”**，具体可拆解为4大作用：

1. 提升目标与背景的对比度
   这是最核心的作用。通过调整光源角度、颜色或照射方式，让目标区域（如零件的划痕、引脚、字符）与背景（如载具、工作台）形成明暗差异，避免“目标淹没在背景中”。例如：检测电路板上的焊点时，用斜射光源使焊点边缘形成阴影，与平整的基板形成清晰对比。
2. 凸显微小细节或缺陷
   针对微米级的缺陷（如电池极片的针孔、薄膜的划伤）或精细结构（如芯片的金线），光源需提供均匀且高方向性的光线，避免因光线不均导致细节“被忽略”。例如：检测手机屏幕的微裂痕时，用同轴光源（光线垂直照射）使裂痕产生漫反射，呈现为暗线，而屏幕表面则因镜面反射呈现亮面。
3. 抑制环境干扰与物体反光
   工业场景中存在环境光（如车间灯光、阳光）、物体表面反光（如金属、玻璃）等干扰，光源需通过“主动控光”抵消这些影响。例如：检测不锈钢零件时，用穹顶光源（光线从360°漫射）替代直射光源，避免金属表面的镜面反光形成“亮斑”，导致缺陷被遮挡。
4. 统一成像条件，保证检测稳定性
   同一批产品在不同时间、不同工位检测时，若照明条件不一致（如环境光强弱变化），会导致同一物体的图像出现差异，影响算法判断。光源通过标准化的光强、色温输出，确保“每次成像的条件相同”，让检测结果具有重复性。

🎯二、机器视觉光源的分类（按4大常用维度）

机器视觉光源的分类需结合“应用场景”（如检测目标、缺陷类型、物体材质），常见分类维度包括光源形状、照射方式、光源类型、波长，具体如下：

1. 按“光源形状”分类（最常用，对应不同检测目标形态）

光源类型	结构特点	核心优势	典型应用场景
环形光源	环形灯珠阵列，中心留相机孔	360°均匀照射，减少阴影	圆形物体检测（如瓶盖、镜头）、表面缺陷（如划痕、污渍）、字符识别（如瓶身喷码）
条形光源	长条形灯珠阵列（可单条/多条组合）	光线方向性强，可调整角度	长条形物体检测（如电池极片、导线）、缝隙检测（如零件的装配间隙）、边缘定位（如板材的边缘直线度）
面光源（平板光源）	灯珠+导光板，输出均匀面光	光照面积大且均匀，无眩光	大面积平面检测（如显示屏、玻璃基板）、薄型物体轮廓检测（如薄膜、纸张）
点光源	高亮度LED点，配聚光透镜	光线集中，可远距离照射	微小区域检测（如芯片引脚、光纤端面）、深孔/凹槽内缺陷检测（如螺丝孔的毛刺）
穹顶光源（碗形光源）	内壁漫反射材质，光线360°漫射	完全消除镜面反光，光照均匀	曲面/反光物体检测（如金属零件、塑料外壳）、表面凹凸纹理检测（如注塑件的纹路）

2. 按“照射方式”分类（对应物体材质与缺陷类型）

• 正面照射（直射/斜射）：光线从相机同侧照射目标，适合检测物体表面的“高度差特征”（如划痕、凸起、字符）。
  • 直射（光线垂直目标）：适合平整表面的缺陷（如玻璃的污渍）；
  • 斜射（光线与目标成15°-45°角）：适合检测微小高度差（如金属表面的划痕、纸张的折痕）。
• 背面照射（背光源）：光线从相机对侧照射目标，目标若为“不透明/半透明”，会形成“剪影效果”，适合检测轮廓、间隙、通孔。例如：检测零件的外形尺寸（如螺栓的长度）、电路板的引脚间距、薄膜的破洞。
• 同轴照射（同轴光源）：光线通过半透半反镜与相机光路重合，垂直照射目标，适合反光物体的表面检测（如金属、玻璃、亚克力），避免镜面反光干扰。例如：检测手机玻璃盖板的划痕、金属零件的表面平整度。
  

3. 按“光源类型”分类（对应性能需求：寿命、亮度、发热）

光源类型	核心特点	优势	劣势	应用场景
LED光源	半导体发光，可单色/多色	寿命长（10万小时+）、低发热、亮度可调、响应快	单颗亮度有限，需阵列组合	90%以上工业场景（如缺陷检测、尺寸测量、OCR）
激光光源	单色性好，光线高度集中	亮度极高，可远距离照射，适合高精度检测	易产生“散斑”（影响图像均匀性），需配匀光组件	高精度测量（如激光三角测距、细丝直径检测）
卤素灯	热辐射发光，色温连续可调	亮度高，光谱接近自然光	发热量大、寿命短（数千小时）、能耗高	早期机器视觉场景，现逐步被LED替代
荧光灯（日光灯）	气体放电发光，光照均匀	成本低，光照面积大	亮度低、寿命短、有频闪	低端检测场景（如印刷品表面检测）

4. 按“波长（颜色）”分类（对应目标与背景的颜色差异）

• 可见光光源（400-760nm）：最常用，包括白色、红色、绿色、蓝色等，核心是“利用颜色对比度分离目标”。
  • 白色：通用场景，模拟自然光，适合颜色无关的缺陷检测（如金属划痕）；
  • 红色：穿透性较强，适合检测透明/半透明物体（如塑料薄膜下的杂质）；
  • 绿色：对金属表面的对比度优于其他颜色，适合金属零件检测；
  • 蓝色：对有机材料（如纸张、塑料）的对比度高，适合印刷品字符检测。
• 红外光源（760nm-1mm）：不可见光，具有“穿透性”和“温度敏感性”，适合特殊场景：
  • 穿透检测（如检测塑料瓶内的液体液位、电路板内层线路）；
  • 温度相关检测（如新能源电池的热失控预警、电机表面温度分布）。
• 紫外光源（10-400nm）：不可见光，可激发荧光物质发光，适合“隐性缺陷检测”：
  • 如检测零件表面的荧光渗透剂（用于裂纹检测）、食品包装的荧光增白剂。

🎯总结

机器视觉光源的选择需遵循“目标导向”——先明确检测的核心需求（如“找划痕”“测尺寸”“辨字符”），再根据目标物体的材质（反光/不反光）、形态（圆形/长条形）、缺陷类型（表面/内部），从“形状、照射方式、波长”三个维度匹配最合适的光源。例如：检测新能源电池极片的涂层漏涂，需选择“条形光源（长条形极片）+ 红色波长（提升涂层与基材对比度）+ 斜射照射（凸显漏涂区域的明暗差异）”。