企业官网建设流程全解析

三年前有个做精密五金件的客户找到我们，难度不高但很烦：一款微型螺丝靠六个人在放大镜下挑外观不良，一天十小时挑不到一万颗，还漏。漏出去的不良品到了客户产线上，一次投诉索赔就够买半台设备。后来我们交付的，就是标题里这套玻璃盘CCD影像筛选机——玻璃盘载着零件高速绕圈，五个工位共五套CCD视觉系统各拍各的，上位机把五路结果汇总判定，经过IO板转换成OK/NG信号，吹气嘴把不良品吹进废料盒。整个过程一秒钟过几十颗料，稳定、快、不眨眼。

这篇文章我就拿这个项目把整条链路讲透。重点放在别人很少讲清楚的几个地方：五个工位为什么这么分、每路相机的视野和光源怎么定、上位机程序到底怎么跟硬件握手、OK/NG信号为什么不能想发就发，以及调试期真正让人头疼的三个坑。如果你正在做视觉筛选机、上位机视觉检测或者类似的自动化项目，这篇文章应该能帮你少走不少弯路。

1. 玻璃盘筛选机的整体工作逻辑：零件在一圈内如何完成五次检测

1.1 玻璃盘怎么把零件“排队送检”

玻璃盘筛选机的核心是一个圆形、平整、高精度的玻璃载盘，由伺服电机或变频电机带动旋转。零件通过振动盘排料后，进入玻璃盘靠近外圈的位置，在离心力和导向板的共同作用下，沿着盘面方向排列成单列，并落入均布在盘面上的载料孔或者标准治具槽里。每个载料位置都相对固定，零件与零件之间保持间距，这就给后续拍照检测提供了“标准化定位”的基础。

这里用玻璃而不是铝盘或钢盘，关键原因是玻璃透明。底部相机可以透过玻璃从下往上拍，背光源可以从上往下打，直接拍出零件的剪影轮廓，这对尺寸检测精度来说价值极大。同时玻璃硬度高、热膨胀系数小，表面平整度能保证零部件在高速旋转中不会因为盘面颠簸发生跳动。有同行过来问“为什么不用黑色亚克力盘”，答案很简单：不透光，背光剪影做不了，且耐磨性差、容易刮花影响检测。

1.2 五个工位的检测项拆分：一台螺丝的体检清单

五套CCD不是均匀围着盘子转圈就行，每一个工位都要有一个明确的检测目标。我们那个项目检测的是微型精密螺丝，算是这类设备最典型的工件之一。我把五个工位做了如下分工：

1号位看正面外观，2号位看背面和端面，3号位抓螺纹质量，4号位做高精度尺寸测量，5号位做方向识别和混料筛选。五个工位的检测顺序就是零件在玻璃盘上走过的物理顺序。零件转一圈，相当于做了一整套从表面到轮廓、从尺寸到字符的全身体检。

1.3 为什么是五套CCD，而不是一套或八套

“五”这个数字一方面来自客户要求的检测项数量，另一方面是成本和稳定性的平衡。

如果只用一套CCD，一个视野要同时覆盖正面、侧面、尾部，意味着视野做得很大，零件在画面里占比小，分辩率不够，打光也顾此失彼。想要靠旋转玻璃盘用同一台相机拍多个角度也不是不行，但节拍会翻倍，而且光源角度很难兼顾所有特征。

反过来做八套甚至十套，精度是够了，但设备和程序复杂度大增。盘上物理空间有限，相机、光源、支架、走线全挤在外面，换型时调光路能把人调崩溃。我们后来的经验是：常规五金小件的视觉筛选，四到六个工位是最合理的区间，五套正好是多数场景的平衡点。

2. 五路相机与光源的选型逻辑：先拆检测项，再定分辨率

2.1 像素当量怎么算：检测精度决定视野和分辨率

相机选型最大的误区是上来就问“用多少万像素的相机”，正确顺序是——先明确这个工位要检测的最小特征尺寸，然后反推视野和分辨率。

以1号位测头部外径为例。客户图纸要求头部外径公差正负0.02mm，如果要稳定测到这个精度，一个像素对应到物方的尺寸至少得是公差的四分之一，也就是约0.005mm。假设视野做到10mm宽来覆盖整个头部和周边，那相机水平方向至少需要10÷0.005=2000个像素。500万像素工业相机的水平分辨率是2448像素，刚好满足，再留点余量方便后续移动ROI。所以1号位果断用500万像素。

计算公式统一整理成一句话：

像素当量（mm/pixel）＝视场宽度（mm）÷相机水平分辨率（pixel）

然后把“公差÷像素当量”作为精度富裕系数，工程上我一般要求这个系数在3到5之间。系数太小，图像噪声、边缘抖动、零件定位偏差都会直接吃掉你的测量稳定性。

2.2 相机、镜头、光源的搭配选择

这台设备里相机统一用全局快门工业相机。虽然项目名叫CCD影像筛选机，但新做的机型里用的基本都是全局快门CMOS传感器，灵敏度更好、帧率更高，行业沟通中大家还是习惯叫“CCD筛选机”，不用纠结。

镜头这块，4号位因为要做高精度轮廓测量，配的是远心镜头加背光源。远心镜头的好处是物方大小不会因为零件的远近变化而变化，螺丝在盘上如果有一点高度方向的跳动，普通镜头拍出来尺寸会跟着变，远心镜头则很稳定。其他工位用普通工业定焦镜头或微距镜头就够，把景深和光圈调好。

光源的搭配要按检测类型来：

这里有个容易被忽略的点：金属零件对光源角度极其敏感。同一个螺丝，光源角度差十度，拍出来的缺陷对比度可能差一倍。所以光源支架一定要选可微调的，装配时反复调角度，调完锁死，固化到换型基准里。

2.3 触发链路与曝光时间：高速过检的关键

玻璃盘高速旋转时，零件在相机视野里是“飞过去”的。如果靠软件里不停地抓帧，很容易漏拍、重拍。所以这套系统的拍照全部是硬触发：玻璃盘转轴位置安装编码器，每转过一个设定的角度就发一个脉冲，脉冲进入IO板后由IO板分发给对应工位的相机触发口。相机硬件收到触发信号后立刻曝光，上位机只负责接收已经拍好的图像。

触发链路的顺序是：

IO板接收编码器脉冲 → 按盘面角度映射到工位 → 输出触发信号给相机 → 相机曝光 → 图像进入上位机处理

硬触发比软触发稳定的原因是它不依赖上位机线程调度。上位机哪怕有一瞬间卡顿，相机该拍还是有硬件信号触发，不会因为软件卡了造成整个节拍的丢失。这是自动化检测设备必须遵守的一条铁律：关键的时序动作不要放在应用程序的线程里裸跑。

3. 上位机程序的两个核心维度：多工位取流与结果判定管线

3.1 线程与队列：五路相机同时干活，结果怎么不乱

上位机程序如果写成：拍一张、处理一张、再拍一张，那五路相机等于串行工作，节拍一定跟不上。我搭的是一个主线程加五个取流线程的结构，每个相机对应一个线程。相机的图像通过回调函数主动上报，取流线程只负责把图像塞进该工位的待处理队列，然后立刻回到等待状态，处理逻辑由独立的处理线程去拿。

这里最关键的是“零件ID”的同步。IO板触发相机时，同时会给上位机一个触发序号，这个序号就是零件在盘上的槽号。图像回调时把这个序号绑定在图像消息上，处理完再带着同一个序号返回结果。实现时用一个字典结构，键是零件ID，值是该零件的各工位判定结果。伪代码大概长这样：

private ConcurrentDictionary<int, PartResult> partDict = new(); void OnImageReceived(int partId, int stationId, Image img) { bool ok = ProcessImage(stationId, img); partDict.AddOrUpdate(partId, id => new PartResult(id, stationId, ok), (id, existing) => { existing.SetStationResult(stationId, ok); return existing; }); }

partId从哪来？IO板每触发一路相机，会在通信缓冲里写一个“当前圈号+槽号”的计数，上位机取图像时同时读取。只要这个ID不重复，五个工位的线程怎么并发处理都不会乱套。这个做法帮我避开了一个大坑：多线程同时写同一个零件的判定结果，如果没有原子保护，统计的良率数据会错得离谱。

3.2 图像处理管线与判据设计

每个工位内部的图像处理流程，本质上是固定的几步：

图像降噪 → 模板定位找到零件 → 提取ROI → 特征提取 → 尺寸测量/缺陷判断 → 输出布尔结果

以1号位为例。因为玻璃盘高速运动，零件在画面中的位置不是绝对固定的，会有几个像素到十几个像素的偏移。如果直接把ROI框固定在图像坐标上，很容易把玻璃盘上的灰尘划痕或旁边的零件框进来。所以第一步一定是模板定位：拿一颗标准件预先存好模板，每帧图像先做模板匹配，找到零件中心，然后基于中心坐标再偏移出检测ROI。

定位之后做缺陷检测用传统的图像处理手段就够，不需要一上来就上深度学习。毛刺、裂角这类特征，在合适的光源下会表现为灰度突变区域，做形态学处理和blob分析就能很稳定地抓到。尺寸测量则用边缘检测后在边缘附近做亚像素插值，取边缘亚像素坐标相减得到尺寸值。判定逻辑不复杂：

bool result = true; double headOD = MeasureHeadDiameter(); if (headOD < spec.HeadODMin || headOD > spec.HeadODMax) result = false; int crackArea = CountBlobPixels(crackRoi); if (crackArea > spec.MaxCrackArea) result = false;

这里要说一个特重要的经验：判据里的阈值不要直接放在公差边界上，要在软件里单独设“警告带”和“判定带”。具体做法我会在第五章展开。

3.3 配方管理与换型

同一个客户往往有几十种规格的螺丝要检测，每种产品的视野位置、ROI坐标、光源亮度、曝光时间、公差范围都不一样。所以上位机必须做“产品配方”。配方文件里保存该产品的全部参数，包括五个工位的ROI、判据、像素当量、触发延时、剔除角度差。

换型时的操作流程是：选择配方 → 一键载入 → 放标准件跑一遍标定 → 确认各工位亮度和尺寸读数在基准范围内 → 开始量产。以前没有配方管理的时候，换一次产品要调半小时，现在五分钟就能完成。对客户来说，这比检测速度快更值钱。

4. IO板通讯与剔除时序：OK/NG信号为什么不能想发就发

4.1 IO点表规划：输入输出都要想清楚

很多第一次做这类项目的人，IO板的输入输出点只规划了“OK信号”和“NG信号”，调试到后面才发现完全不够用。实际项目里IO点表至少要规划这几类：

IO板选型上，我坚持用带光电隔离的PCIe或USB数字IO板，通道数至少要留百分之三十的余量。现场环境里有电机、电磁阀、变频器，干扰特别多，没有隔离的IO板很容易误触发——一颗良品被莫名吹进废料盒，客户会疯掉的。

4.2 时序计算：从检测完成到剔除吹气差多少毫秒

这是本文最核心的一个公式。玻璃盘转速是固定的，假设某工位完成判定时，不良品零件还需要转动一个角度才会到达剔除点的吹气嘴。那么从“结果产生”到“吹气动作”之间需要延时时间，这个时间必须精确计算。

公式如下：

t(ms) = Δθ × 1000 / (6 × N)

其中Δθ是检测工位到剔除点的角度差，N是玻璃盘每分钟转速。

举个例子。玻璃盘转速N=90转/分钟，4号位检测完成后，零件还要转60度才到剔除点：

t = 60 × 1000 / (6 × 90) = 111.1ms

也就是说，上位机从拍完图到判定出结果并通知IO板，必须在111ms内完成，否则吹气就会晚，把下一颗料给误吹了。

这里有一个实操中的关键设计：真正的延时输出由IO板硬件实现，而不是上位机软件里设一个延时再输出。上位机在判定结果产生的那一刻，只做一件事——把结果写入IO板的输出锁存寄存器，之后IO板自行根据已经配置好的延时值，在指定时间触发输出。这样即使上位机后一秒卡了、线程被阻塞了，IO板硬件仍然能把NG信号准确发出去。标题里说的“上位机工控电脑采用IO板转换通讯输出OK/NG”，完整含义就是这套“软件判定+硬件输出”的配合逻辑。

4.3 输出信号宽度与握手设计

IO输出的脉冲宽度不能太短。PLC或者电磁阀的响应时间一般有几毫秒到几十毫秒，你输出一个2ms的脉冲过去，对方还没反应过来信号就没了。我习惯将OK和NG脉冲宽度设定在50ms左右，既能保证可靠识别，又不会因为太宽占用下一个节拍的判定周期。

如果需要PLC参与分拣或记录，还要做信号握手。上位机输出NG信号后，不要立即复位，要等PLC回一个“已收到NG信号”的输入信号后，才允许将这路输出复位。否则就会出现PLC还没读到NG电平、上位机已经把信号撤了的情况。这种握手逻辑，虽小，但在客户现场能省掉许多玄学的“偶发漏判”问题。

5. 调试期反复周旋的三个坑：运动模糊、打光漂移、临界误判

5.1 转速一上去，图像就糊了

项目初期，玻璃盘转速提上去之后，拍出来的图像整个是花的，螺纹牙型拖影严重，根本没法判断。原因很直接：运动模糊。

算一下就知道怎么回事。玻璃盘直径600mm，零件在靠近外圈半径280mm处，转速90转/分钟，线速度大约是：

v = 2π × 280 × 90 / 60 ≈ 2637mm/s

如果曝光时间是1ms，那零件在曝光期间移动了约2.64mm——大部分零件的直径都没这么大，图像自然是糊的。要获得清晰的图像，运动模糊位移至少要控制在0.02mm量级，反推曝光时间：

t = 0.02 / 2637 ≈ 7.6μs

这种级别的曝光时间，靠常规常亮LED光源根本不够。解决方案是上频闪光源：相机曝光的同时，光源控制器给出一个极短的超高亮光脉冲，把瞬间亮度拉到常亮的几十倍甚至上百倍。于是画面里只有那个极短的瞬间被照亮，运动被“冻结”了。这套方案的关键是光源控制器必须支持外触发模式，由相机曝光信号同步触发闪光。

调试期我踩过另一个连带坑：频闪光源的瞬间电流很大，所有光源控制器接到同一个电源上时，电压跌落导致五路光源亮度不一致。后来把每路光源单独用一路带隔离的供电，问题才消失。

5.2 打光一致性漂移：早上判OK晚上判NG的元凶

设备上线第一周，我们接到客户投诉：同一批零件，早上检测良率百分之九十八，到了下午良率掉到百分之九十，而且被误判NG的零件肉眼看着明明就是好的。

排查后发现，问题不在算法，而在光路一致性漂移。LED光源会随着使用时间发热导致亮度衰减，而且车间光线从早到晚也在变化，玻璃盘表面还会不断积累灰尘。同一颗零件，早上拍出来的对比度和下午拍出来的对比度会有明显差异，原先设定好的灰度阈值就失效了。

解决思路分三块：

• 物理上，给检测区域加遮光罩，把环境光的影响挡到最低；
• 软件里，每个工位ROI内统计灰度均值和对比度，如果偏差超出设定范围，上位机直接弹警示“光源状态异常”；
• 管理上，要求客户每班开班前用一块标准件跑一遍标定程序，软件自动比较当前亮度和基准亮度的差异，超出范围就锁定设备不允许启动。

这三块叠加后，光源漂移导致的误判基本消掉了。

5.3 临界品误判：漏判比误判严重得多，判据必须偏向NG

所谓临界品，就是尺寸或缺陷刚好卡在公差边界一带的零件。图像算法受噪声、边缘像素、零件微小抖动影响，同一颗临界品可能这次测出来超差，下次测出来合格。这种波动在高速检测中非常常见。

和客户沟通后我意识到，筛选机这个场景里，客户对“漏判”的容忍度远低于“误判”。一颗不良品漏出去，流到客户终端，可能导致整个批次被退货；而一颗良品被误判NG，不过就是多废一颗料，成本可控。

所以判据设计必须主动偏向NG。具体做法是将判定线从规格边界向内收紧：

判定NG的尺寸上限 = 规格上限 - 缓冲值；判定NG的尺寸下限 = 规格下限 + 缓冲值

缓冲值一般取该尺寸测量波动的三倍标准差。比如测头部外径，标准差的统计结果在0.003mm左右，缓冲值就设为0.01mm。落进缓冲带的零件，软件按NG处理，不犹豫。这个方法牺牲了一部分误判率，但换来了可观的漏判率下降，在客户那里是值钱的。

又因为NG本身是合理的，我还会在软件里做一个“可疑品复检”的算法路由：如果检测结果落在警告带（而不是判定带），上位机把该零件标记为可疑，到剔除点时不直接吹掉，而是送入一个独立缓存盒，待人工复检。这样既保住了漏判底线，又不会浪费太多良品。

6. 验收时客户最在意的三个数字：漏判率、误判率与UPH

6.1 三项指标的现场计算口径

项目验收时，客户盯着的就三个数字：漏判率、误判率、UPH。

漏判率的实测方法是：提前准备一批已知缺陷样件，涵盖裂角、缺牙、毛刺、尺寸超差等类别，每类做二十到五十颗，混进正常批次里，让设备在满速状态下反复跑十轮，统计有多少颗缺陷品被判成OK。漏判率就是被判成OK的缺陷品数除以缺陷品总数。

误判率的实测方法更容易理解：拿一批百分百确认过是良品的零件，跑完整流程，统计被吹进废料盒的数量占比。

UPH的计算则是一个理论值和实测值结合的过程：

UPH ≈ 盘速（圈/分钟）× 盘面有效载料位 × 60 × 有效送料系数

例如90转/分钟、120个载料位，送料机构不可能做到百分之百满，有效送料系数一般取0.85左右，那么UPH≈90×120×60×0.85=550800颗/小时。

不同行业的验收标准差异很大。普通五金件通常漏判控制到0.1%以下、误判0.5%以下就算合格；用在汽车关键安全件上，漏判率要求收敛到几十ppm级别，那就需要在剔除位后增加几套复检机位。

6.2 数据统计与NG图像追溯

工程上最怕的是“知道有不良，但说不清不良出在哪一步、长什么样”。所以上位机必须做三件事：实时统计、NG图像存档、批次报表导出。

每颗NG料被判定时，软件自动把触发序号、工位号、NG原因、时间戳以及该工位的原图一起存入本地数据库。对客户来说，每天早上上班打开软件就能看到昨天的直方图和缺陷分布，质量部门拿去跟来料批次做复盘非常方便。

这里分享一个细节：NG图保存格式不要存原始大图，全部压缩成JPEG，按零件ID命名。曾经有个客户一天生产五十万颗，不良率百分之三，也就是一万五千张图，如果存原始BMP图，一天能吃掉几GB硬盘，一个月磁盘就满了。

6.3 最后聊两句维护上的体会

验收结束后，我在机台控制柜门上贴了一张标签，内容很简单：“每班开班前，用标准件跑一遍标定；每周用酒精清洁玻璃盘和光源透镜；光源控制器参数改动后必须重新跑全工位标定。”这张标签背后全是调试期换来的教训。

玻璃盘CCD筛选机这种设备，硬件选型、软件算法、时序配合各占三分，剩下的一分全在日常维护管理的细节里。设备再稳定，玻璃盘脏了、光源老化、标准件被磕碰，检测精度一样会悄悄掉下去。把这些规则固化到SOP里，比买再贵的相机都管用。