外观缺陷检测中，光源为什么比算法更先决定成败

做外观检测项目时，最常见的讨论是「用哪个模型」。但在多数表面缺陷场景里，缺陷能否被稳定检出，在相机取图那一刻就已经决定了。算法只能在已有的图像信息上做判断，无法补回没有被照出来的特征。

先明确缺陷与背景的差异在哪里

判断光源方案前，需要先回答：缺陷与正常区域的区别是亮度差、颜色差、纹理差，还是高度差。划痕多为细长的高反或暗线，压伤是局部几何形变，油污则常常只在特定角度下显影。差异类型不同，对应的照明方式完全不同。

• 亮度差为主：低角度光或暗场照明更容易把细微起伏打成亮线
• 颜色差为主：需要控制环境光与色温，避免同色异谱造成误判
• 高度差为主：侧向光或多角度组合判断形变方向
• 透明材质：背光与暗场组合，兼顾轮廓与内部异物

同一工位的光照方案要能覆盖全部检测面

结构件通常有多个朝向不同的面，如果只用一组固定光源，往往只有部分面能呈现清晰缺陷。常见做法是分区光源按面切换点亮顺序，或增加翻转机构，让相机在固定视角下完成多面采集。前者改造成本低，后者对节拍影响更小，需要结合产线情况取舍。

在我们做样品评估时，会先用客户提供的 OK 件与 NG 件在同一工位上反复试拍，确认缺陷在图像里确实「看得出来」，再讨论用哪种判定方法。

算法解决的是稳定性，不是可见性

当缺陷在图像中已经清晰可辨，算法要做的是保证不同批次、不同光照波动下判定一致：用纹理与边缘特征组合区分划痕与脏污，用区域统计控制过检，用等级划分把可返修与报废分开。这些工作能显著减少复判量，但前提是成像本身可靠。

因此在实际项目里，光源与镜头的选型通常先于算法定型。把成像条件固定下来，后续的算法迭代才有稳定的输入，也更容易在换型时复用已有方案。