相机调到怀疑人生，缺陷还是漏检：问题到底出在哪？

相机调到怀疑人生最后发现锅不在算法在光源产线一开跑漏检就开始冒头。相机参数调了三轮缺陷还是像会隐身。客户站在旁边问“是不是算法不行”这类场景在机器视觉项目里太常见了。一开始大家都盯着相机、镜头、算法、阈值、模型。调曝光调增益调二值化调到鼠标都快包浆。结果最后一查根因不在算法。在光。准确点说是光源颜色没选对。在机器视觉系统里光源颜色会直接影响目标特征的对比度、图像清晰度以及背景干扰的抑制效果。选对了图像干净算法轻松。选错了后面全靠硬扛。1. 白光项目初期的“老实人”但别指望它包治百病很多视觉项目一开始工程师都会先上白光。不是因为白光最神。而是因为它最通用。白光覆盖整个可见光谱波长范围大约在380nm 到 750nm。它最大的优势就是能比较完整地还原物体真实颜色。换句话说你肉眼看得到的颜色特征白光通常也能比较自然地拍出来。所以在项目初期白光常常被拿来做基线测试。先看看产品整体长什么样。看看缺陷在普通照明下有没有明显差异。看看背景、材质、颜色对图像有没有严重干扰。白光适合这些场景检测任务刚开始需要做初步评估产品种类多、材质杂需要统一成像应用本身对颜色还原要求比较高。但问题也在这里。白光“什么都照”也就意味着它可能把你不想看的东西也照得很清楚。背景也清楚。反光也清楚。干扰也清楚。现场最怕的就是这种图像看起来信息丰富实际上算法压力巨大。所以白光适合做起点。但不一定适合做终点。2. 蓝光别看它冷抓细小缺陷是真狠如果现场要看金属表面的划痕、颗粒、压痕、凹凸这类细小缺陷蓝光经常会站出来救场。蓝光波长较短大约在450nm 到 495nm。短波长的特点是遇到表面细小结构时更容易产生明显散射。说人话就是表面一点点不平、一点点划伤、一点点颗粒感在蓝光下更容易被“拎出来”。这也是为什么蓝光常用于高反射材质尤其是金属表面缺陷检测。有些缺陷在白光下像是不存在。换成蓝光突然就有了边界、有了层次、有了对比。工程师这时候一般会沉默两秒。然后默默把刚才调了半天的参数恢复一部分。蓝光的特点很明确容易增强微小瑕疵对比对金属表面划痕、凹凸、压痕更敏感镜面反射干扰相对小图像稳定性更好但对人眼刺激较强现场使用要注意操作安全。适用场景包括金属表面划痕检测凹凸、压痕等外观缺陷识别对结构边缘敏感的定位、对位需要增强轮廓清晰度的工业外观检测。但蓝光也不是万能钥匙。项目里最危险的想法就是“这个光源上次好用这次也肯定好用。”视觉项目不是套公式。对象变了材质变了背景变了光就可能要重新选。3. 红光看深色、半透明材料时别忘了它有些产品表面看不清。有些字符藏在深色液体后面。有些结构隔着半透明材料才是重点。这时候再拿普通照明硬拍工程师很容易进入熟悉的流程曝光加一点。阈值调一点。图像增强来一点。最后噪声也跟着一起上来了。红光的价值就在这种时候体现出来。红光波长较长大约在620nm 到 750nm。它具备较好的穿透能力适合检测深色、半透明物体内部或者覆盖层下面的特征。红光的主要特点是能穿透部分材料帮助做深层检测对深色或暗部区域表现更突出成像会偏暖色调对特定颜色背景的影响相对较小。它常见的应用包括深色液体瓶中的字符读取比如口服液字符半透明皮革、胶体等内部结构识别多层材质之间的界面或夹杂物探测。所以当你发现目标不是“表面看不清”而是“特征藏得深”就别只盯着相机参数了。有时候不是图像处理不够努力。是光根本没打到该看的地方。4. 绿光背景复杂、字符难读时它很会“拆场子”绿光波长在520nm 到 570nm之间位于可见光中段。它不像蓝光那样专门抓细节也不像红光那样主打穿透。它更擅长处理一类让工程师头疼的问题背景干扰。尤其是包装、瓶盖、标签、字符识别这类场景背景颜色一复杂字符就容易和周围混在一起。现场看起来不大。一上产线全是坑。绿光的特点包括色彩居中成像比较自然适用于黑白相机系统对红色区域能形成较高对比度在绿色背景条件下可以帮助背景消隐对人眼相对友好适合长时间工作场合。它适合这些场景包装瓶盖、标签字符的背景干扰过滤红色字体、红色缺陷突出显示目标和背景色差不明显时增强对比。很多字符识别项目不是 OCR 算法差。是前端图像已经把字符拍“糊”在背景里了。图像前端没处理干净后端算法就像在雾里找人。你当然可以继续调。但现场不会陪你慢慢试错。5. 真正的关键别只看光源颜色还要看颜色关系光源颜色本身很重要。但在实际项目里还有一个更容易被忽略的问题光源颜色和被测物颜色之间的关系。这里有两个常用思路相邻色。互补色。用好了图像会变得很听话。用错了缺陷和背景一起摆烂。相邻色策略让不想看的东西“消失”相邻色就是光源颜色和被测物颜色在色环上相近甚至一致。当两者颜色接近时被测物反射出来的光在黑白图像里会显得更亮。这就可以用来“消隐”背景或干扰内容。比如绿色瓶盖表面有绿色批号字符。如果这些绿色批号会影响白色字符识别就可以使用绿色光源让绿色批号和背景融为一体。这不是魔法。是让干扰项在图像里不再那么显眼。视觉项目里有时不是要把所有东西拍清楚。而是要把该看的拍清楚把不该看的压下去。互补色策略让关键特征“跳出来”互补色是色环中位置相对的颜色组合。比如红与绿蓝与黄。在黑白相机中互补色会形成强烈明暗对比。这就很适合用来增强特征。比如检测绿色背景上的白色字符时可以使用红光照明。这样绿色背景会变暗白色字符会更亮识别成功率自然更容易提升。这就是视觉项目里的一个底层认知别一上来就问算法能不能识别。先问图像有没有把差异拍出来。算法不是神。它只是把图像里的差异利用起来。如果前端图像没有对比度后端再聪明也很难稳定。6. 最后给你一张选型清单别靠感觉选光光源颜色选型不能只凭经验拍脑袋。更不能一句“上次这么用没问题”就直接复制到新项目。至少要综合考虑被测物材质目标颜色背景颜色缺陷类型是否需要穿透是否要压制干扰使用黑白相机还是彩色相机现场安全和长时间操作体验。下面这张表可以作为初步选型参考光源颜色波长范围nm主要特性典型应用白光380–750色彩还原全面通用性强初始测试、通用视觉任务蓝光450–495缺陷突出反射抑制金属表面划痕、细节增强红光620–750穿透能力强适合深色物体深色液体/材料透视检测绿光520–570对比度强背景抑制优异字符识别、互补色增强视觉项目最怕的不是难。是方向错了。方向错了参数越调越累。方向对了算法反而轻松。所以下一次项目现场又出现“缺陷漏检、字符识别不稳、背景干扰严重”的时候先别急着怀疑相机也别急着甩锅算法。先回头看看那束光。它可能不是配角。它才是这场视觉项目能不能跑稳的关键变量。这篇建议转给正在做视觉项目的朋友少走一个光源坑可能就省下一周现场调试时间。