# 视觉质检怎么做才有用：澄序工业从成像与判定标准谈起 | 澄序工业 原文：/articles/vision-system-guide/ 工业智能 · 技术与实践 # 视觉质检怎么做才有用：澄序工业从成像与判定标准谈起 AI 视觉质检的前提是缺陷能够被稳定成像，并有一致的判定标准。项目评估应分别检查漏检、误检和整站响应时间，再决定是否扩大应用。 质量检测 [技术文章](/resources/) / [精选资讯](/articles/featured/) 澄序工业网站内容整理内容整理：2026 年 9 月 10 日约 3 分钟 技术解读 · 公开资料解读，配图为场景示意。 ## 本文要点 AI 视觉质检的前提是缺陷能够被稳定成像，并有一致的判定标准。项目评估应分别检查漏检、误检和整站响应时间，再决定是否扩大应用。 ## 背景与依据 Edmund Optics 的照明技术资料指出，照明方式会影响目标特征的对比度。对视觉质检而言，这提醒我们先验证图像质量，再讨论算法选择。 [[1]](https://www.edmundoptics.com.au/knowledge-center/application-notes/illumination/choose-the-correct-illumination/) 本文导读[同一道划痕，换个角度可能就看不见了](#article-section-1)[先把“什么算缺陷”说清楚](#article-section-2)[上线评估要走完一次完整检查](#article-section-3)[先验证图像，再选择算法](#article-section-4)[参考资料](#article-sources) 01 ## 同一道划痕，换个角度可能就看不见了 以反光金属表面为例，同一缺陷在不同照射方向下，可能表现为亮线、暗线，也可能与背景混在一起。这个例子用于说明成像条件的影响，不是本站客户的测试结果。 建议在样件验证时保留不同角度、批次和表面状态的原图。如果人工看图都难以稳定区分合格与不合格，应先调整照明、定位或拍摄方式。 02 ## 先把“什么算缺陷”说清楚 “明显划伤”这样的描述留有较大解释空间。质量人员可以把位置、长度范围、可接受区域和争议样件放在同一份判定说明中，供标注人员与现场复检共同使用。 模型测试要保留没有参与调参的样本。对于样本很少的缺陷，应单独说明验证不足，不能用常见缺陷的表现推断全部质量风险。 03 ## 上线评估要走完一次完整检查 从触发拍照，到图像处理、判定输出、剔除确认，再到异常品复核，任何一环延迟或失效都可能影响产线。建议把整站流程作为试运行对象。 阅读检测报告时，重点查看缺陷类型对应的漏检数量、合格品误判数量，以及高峰线速下的运行记录。一个笼统的“准确率”不能替代这些信息。 04 ## 先验证图像，再选择算法 在视觉方案中，澄序工业主张把成像试验、缺陷定义和人工复核一起写入前期任务。对未覆盖的材质、角度和缺陷，不用已经测过的样本替代验证。 ## 阅读要点对照 视觉质检怎么做才有用：澄序工业从成像与判定标准谈起：要点对照| 关注点 | 应该看什么 | 容易忽略什么 | | --- | --- | --- | | 成像 | 跨批次、跨姿态原图 | 只保存清晰的优选图片 | | 样本 | 缺陷类型与独立测试集 | 稀少缺陷验证不足 | | 运行 | 触发到剔除的完整记录 | 只测算法推理速度 | ## 延伸一问 ### 像素更高，检测就一定更好吗？ 不一定。还要看视野、光学分辨能力、对比度、运动模糊和安装条件。选型应以目标缺陷的实际图像为依据。 ## 参考资料与阅读范围 - [Common Illumination Types：机器视觉照明方式 ↗](https://www.edmundoptics.com.au/knowledge-center/application-notes/illumination/choose-the-correct-illumination/) Edmund Optics（光学厂商技术资料） · 技术资料 · 查阅日期：2026-09-10 本文为公开资料解读与方案建议；文中场景和计算示例不代表企业历史业绩。技术要求需结合设备资料与现场条件核验。 来源用于支持上文标明的背景；正文的场景分析与建议不代表来源机构的项目结论或对本站的认可。 ## 继续阅读 质量检测 ### 自动检测与人工复检怎样协作：澄序工业的质量流程建议 2026 年 9 月 10 日 机器视觉适合重复且标准明确的检查；争议样件、新缺陷和系统异常需要有人工复核入口。复检能力应与自动检测的误判数量一起评估。 [阅读全文](/articles/vision-vs-manual/) 设备运维 ### 预测性维护需要哪些数据：从曲线到设备事件 2026 年 9 月 10 日 预测性维护需要把状态信号与设备、时间、工况和维修反馈关联起来。缺少工况的异常曲线只能作为线索，不能直接当成故障结论。 [阅读全文](/articles/maintenance-data-list/)