工业相机选型与机器视觉系统搭建实战指南

1. 机器视觉相机选型核心要素解析

在工业自动化领域，相机就像视觉系统的"眼睛"。去年为某汽车零部件厂商做缺陷检测系统时，我们测试了7款不同型号的工业相机才最终确定方案。选型时主要考量以下参数：

1.1 分辨率与精度匹配

以检测0.1mm的零件划痕为例，计算公式：

code复制所需像素数 = (视野范围/最小缺陷尺寸) × 3（奈奎斯特采样定理）

若视野为100mm，则至少需要：
(100/0.1)×3 = 3000像素 → 选择500万像素相机（2592×1944）更稳妥

注意：实际要考虑10-20%的余量，避免边缘畸变影响

1.2 帧率与运动模糊

输送带速度2m/s时，曝光时间需满足：

code复制允许模糊量 = 速度 × 曝光时间 ≤ 1像素对应物理尺寸

若1像素=0.05mm，则：
曝光时间 ≤ 0.05/2000 = 25μs
此时需选择全局快门相机（卷帘快门会产生果冻效应）

1.3 接口类型对比

实测发现：GigE接口在电磁干扰强的车间需要改用光纤转换器

2. 工业相机特殊功能深度剖析

2.1 HDR成像技术实现

焊接质量检测中，我们采用多曝光融合方案：

1. 相机连续拍摄3帧（0.1ms/1ms/10ms）
2. 使用OpenCV的createMergeMertens()算法融合
3. 输出动态范围达140dB的图像

关键参数：

python复制exposure_sequence = [100, 1000, 10000]  # 微秒
merge = cv2.createMergeMertens(