工业视觉质检：打光方案选不对，算法再好也白搭

做过几个视觉质检项目，最大的体会是：图像质量决定了项目成败的 70%，而图像质量里打光又占大头。分享几种常用打光：

1. 正面漫射光：最通用，适合表面平整的标签、字符识别。便宜但容易反光。
2. 低角度暗场光：检测金属表面划痕、压伤的神器。划痕在暗场下会亮起来，背景是黑的，对比度极高。
3. 背光：轮廓尺寸测量首选，边缘锐利，算法简单到用阈值分割就行。
4. 同轴光：镜面、反光强的工件（比如晶圆、玻璃）用，贵但效果好。
5. 线光源加线阵相机：高速产线、幅面大的场景，面阵拍不过来就上这个。

实战教训：

- 光源颜色要和相机波段匹配，红光配黑白相机是经典组合，别拿白光源硬上。
- 环境光是隐形杀手，产线上的日光灯 100Hz 频闪会让图像忽明忽暗，罩子加恒流源是正解。
- 打光方案定下来之前，先拿样品实拍验证，别在 PPT 上选型。

你们做视觉项目时，有没有遇到过“换了三种光源才搞定”的案例？都是什么工件？

赞同楼主，这个确实是关键点。我们当时也是这么做的，效果立竿见影。

确实，打光对了算法可以做得很“薄”，打光错了再强的模型也救不回来。补充两个实战细节：

1. 光源波长要跟缺陷的谱响应匹配：比如隐形胶痕、指纹这类弱对比缺陷，白光下几乎看不见，换成 UV 光源激发荧光，对比度立刻拉开；检测浅色基材上的丝印缺损，红光对油墨的吸收差异也比白光好得多。

2. 偏振是压镜面反光的利器：金属拉丝面、玻璃盖板这类强反射工件，正面漫射光直接糊一片，在光源端和镜头端各加一片正交偏振片，能把镜面反射压掉 80% 以上，只留下散射出来的缺陷信号。

另外一个经验：打光一旦把缺陷对比度做到 30 灰阶以上，传统 blob 分析加形态学往往比深度学习更快更稳，标注成本也省了。你们当时主要做的是哪类工件？