机器视觉系统的完整工作流程可划分为 7 个阶段，每个阶段都有对应的硬件、算法与数据接口。以下按时间线逐一说明：
需求定义
明确检测目的（缺陷、尺寸、定位、OCR 等）、精度、节拍、环境光、通信协议（Profinet、EtherCAT、Modbus/TCP 等）。
光学方案与硬件选型
相机：分辨率 = 视野(FOV)/精度×2（奈奎斯特）。
镜头：放大倍率、景深、畸变；远心镜头用于高精度测量。
光源：环形、条形、背光、同轴、结构光；根据材质、颜色、缺陷类型确定波长、角度、频闪。
触发：光电/编码器/软件触发，保证“拍照时刻”与产线同步。
机械：防震、防尘、恒温、IP 等级；运动平台（XYZ、旋转台）用于多面或 3D 扫描。
图像采集
相机驱动（GigE/USB3/CameraLink/CoaXPress）→ 帧抓取卡或嵌入式工控机。
采集模式：连续、软触发、硬触发（Line0/Line1）。
曝光与增益：高速场景用全局快门，低光场景用 TDI 或 sCMOS。
原始格式：RAW、Bayer、Mono8/10/12、RGB8。
图像预处理
去噪：中值、高斯、双边滤波、频域滤波。
增强：直方图均衡、CLAHE、Gamma、HDR 合成。
几何校正：畸变标定（张正友法）、透视变换、仿射变换。
色彩空间：RGB→HSV/Lab，方便阈值分割。
亚像素级边缘增强（Canny、Sobel、LoG）。
特征提取与算法处理
传统 CV：
阈值分割（Otsu、自适应阈值）。
形态学：开/闭运算、骨架化、分水岭。
轮廓提取：FindContours、Douglas-Peucker 简化。
几何测量：最小外接圆、矩形、直线拟合、亚像素边缘。
模板匹配：NCC、形状匹配（Shape-based）、灰度匹配。
标定：相机内参、手眼标定（Eye-in-Hand / Eye-to-Hand）、像素→世界坐标转换。
深度学习：
数据集：采集→标注（LabelImg、CVAT）→数据增强（旋转、模糊、亮度）。
训练：YOLOv8、Mask R-CNN、U-Net、Transformer（Swin）。
部署：TensorRT、OpenVINO、ONNX Runtime；量化 INT8、剪枝、蒸馏。
混合流程：传统算法做 ROI 提取，再送入 CNN 做缺陷分类。
逻辑决策与通讯
判定规则：公差带、SPC 控制图、多相机融合投票。
输出格式：
– 数字 I/O：OK/NG 信号、NG 位置脉冲、剔除气缸。
– 总线：EtherNet/IP、PROFINET IRT、EtherCAT、CC-Link IE。
– 文件：CSV、JSON、XML 与 MES/ERP 对接。
追溯：条码/二维码读取→图像与结果绑定→数据库/云端。
运行维护与持续优化
在线监控：实时帧率、丢包率、温度。
日志分析：误检/漏检统计→自动重训模型。
版本管理：算法、光源、治具变更记录；A/B 测试。
预防性维护：光源衰减校准、相机快门寿命、镜头除尘。
补充：典型 2D 检测节拍示例
产线给出触发脉冲→1 ms
全局曝光→0.2 ms
图像传输（5 MP@GigE）→15 ms
CPU/GPU 处理（传统+DL）→10 ms
输出结果→1 ms
总节拍 ≈ 27 ms（>37 fps），满足高速产线需求。
Tags：奎斯特 畸变 高精 景深 条形 工作流