很多人说机器视觉是高大上行业，因为工业4.0的核心是智能制造，智能制造的核心包括机器视觉。这样一来，要说机器视觉不是高大上行业，可能我说了一句假话。于是机器视觉集成商经常问一句话，如何让我的图像更加锐化，或者说打光方案够逼格？机器视觉应用五花八门，项目难度也在不断提升，势必对机器视觉的基础----图像提出更高要求。

　　打光方案可以由集成商自己的软件工程师摸索解决，也可外包给一家靠谱的光学方案公司。选前者的好处是节约直接成本，选后者则可少走弯路。

　　为了帮助系统集成商找到一个够逼格的打光方案，我们大致整理出一个流程出来，供大家参考。

　　1． 定义期望的图像
　　2． 基本打光原则
　　3． 参考以往案例
　　4． 撸起袖子打光
　　5． 和软件一起优化光学方案   

　　首先，是定义需求，具体化到期望拍到什么的图像，也就是哪里打成白色，哪里打成黑色或灰色。这个问题看起来很简单，但不少时候就是因为太轻视它，就可能在这个地方载跟头。

　　我给大家说一个小故事。在广东有一家企业，准备做一台全自动视觉检测设备，用于检测滚珠轴承的钢珠表面划痕等缺陷。我被这家公司叫过去的时候，机构和电气已经做得差不多了，就差光源还没选。这家公司老总就说了，朱工，你帮看一下选一个什么光源合适，只要图像拍出来了，这个项目的算法我们有十足的把握搞定。我一看到被测物体，就是非常光滑的钢珠球，需要检测表面的细小划痕，难点是反光非常厉害，厉害到相机、镜头和光源都会在上面产生倒影。当时我和老总商量，能否每次只检测钢珠球上的一个小圆环中的缺陷，待这个工位检测完换到下面一个工位检测该钢珠球其他位置的缺陷？老总说，不行，因为机器的整体节拍来不及，并且钢珠球难于让它准确地翻面或旋转到合适的位置。最后分析下来的结果是：因为无法拍到合适的图像，这个项目不能开展。要是当初就对期望的图像进行仔细评估的话，就很早就发现以上问题，可以避免资源浪费和时间浪费。

　　根据美国AIA网站的统计：在过去二十年当中有60~70%的项目，就是因为打光打得不好，导致整个项目失败！那很显然，我们必须重视图像需求分析。

　　其次，机器视觉打光有基本的规律可循。

　　关于角度

　　左边是高角度，右边是低角度

　　实际照出的效果。

　　左边是高角度环形，能将产品平面部分打白，而右边是低角度环形，将平面部分打成黑色，只有倒角等凹凸部分呈白色。这里也可以验证不同照射角度下面得到的效果有多大的差别。

　　关于安装距离
　　这是一个钻头，这里有两个图像，实际上都是用同一个钻头和同一个环形光源得到的，那为什么会有这么大的差别呢？区别就是光源安装距离不一样，左边的高一些，右边低一些。
因为可能我们生产钻头的厂家可能会关注不同尺寸，左边是关心钻头切削刀刃，右边的是只关心外面的轮廓，不关心刀刃。

　　关于颜色
　　比如IBM红绿蓝Logo，分别用红绿蓝的光源照射，黑白相机分别拍出的效果。

　　即使有以上规则，并都不是普遍适应的，也有先决条件的。所以有人说，机器视觉打光是一门艺术而非科学。

　　第三，参考以往案例
　　由于不同行业工件的生产工艺不一样，对可能出现的产品质量问题也有不同，最后反映出来的就是光学效果会不一样。所以我们需要有一个不断完善的案例库，作为我们的参考，可能节约很多宝贵时间和精力，并且避免少走弯路。下面举例几个例子。

　　第四很多人说机器视觉是高大上行业，因为工业4.0的核心是智能制造，智能制造的核心包括机器视觉。这样一来，要说机器视觉不是高大上行业，可能我说了一句假话。于是机器视觉集成商经常问一句话，如何让我的图像更加锐化，或者说打光方案够逼格？机器视觉应用五花八门，项目难度也在不断提升，势必对机器视觉的基础----图像提出更高要求。　实际打光测试，撸起袖子干。
　　打光和很多工程项目一样，还是需要实际测试和验证。

　　最后，和软件一起优化光学方案。
　　比如下面是一个汽车内饰件，黑色塑料件，需要检测表明划痕。我们采用ProSight智能视觉软件，是一款通用型的智能视觉系统应用软件。无需编写任何代码，只需要通过简单的将各种工具进行组合，就可以实现丰富多样的机器视觉的检测任务。该软件的使用，极大的提高了项目开发的效率和降低技术验证的难度。

ProSight软件找出了细微的划痕。　

　　为此，我们建议将光学方案外包给一家靠谱的光源服务商，比如方千光电这样的公司，只需整理出要求，她们将提供可靠的光学方案和专业的技术支持。而系统集成商的软件工程师“重操”主业，用算法解决速度和精度等难题。

更多案例咨询和在线样品借用，请关注方千光电的官微vanch technology