Skip to Main Content
texto

线扫描与面扫描照明:为什么错误的选择会带来比糟糕的图像更多的成本

了解为什么线扫描检测依赖精确的照明来捕捉高速缺陷,以及集中照射、精确对齐和稳定曝光如何帮助制造商提高对比度、减少漏检缺陷并保持一致的生产质量。
Continuous web with bright lighting for line scan inspection

关键要点

  • 线扫描相机在微秒内捕捉行,没有实际的频闪解决方法或全帧回退。
  • 线扫描照明不足可能会掩盖关键的表面细节,降低对快速移动材料的可靠检测。
  • 有效的照明需要辐照度、宽度均匀性和精确对齐,以防止生产现场性能问题。 

如果缺陷被忽略,相机可能不是第一个需要检查的地方

您的线扫描系统可能配备了合适的相机、编码器和软件。但缺陷仍然可能被忽略。当这种情况发生时,团队通常会首先考虑处理能力、更智能的算法或更高分辨率的光学元件。在许多情况下,问题的根源在于成像链的早期。

根本原因通常是光线。

照明可能感觉像是一个已经解决的问题:安装一个条形灯,在调试期间验证图像,然后继续进行。这种方法通常适用于 区域扫描相机 检查离散部件。然而,在线扫描应用中,照明问题可能会悄然出现,反复出现,并且代价高昂。

原因很简单:区域扫描相机和线扫描相机收集光线的方式从根本上不同。
 

区域扫描照明是如何工作的?

区域扫描相机可以一次性捕捉整个场景。快门打开,每个像素同时收集光线,图像就完成了。这就是为什么区域扫描仍然是许多机器视觉安装的默认选择:它熟悉、宽容、灵活。

照明通常很简单。对于移动缓慢或静止的部件,适度的漫射照明可以产生可用的图像。如果光线水平较低,LED照明器可以在其额定功率的十倍以下以短而强烈的脉冲进行闪烁。当光线不足时,这为工程师提供了一个实用的补偿杠杆。
 

当你切换到线扫描时,会发生什么变化?

线扫描相机一次构建一行像素的图像。随着材料在相机下方移动,数千条扫描线被缝合在一起,形成完整的图像。这种方法非常适合连续的网络材料,如纸张、薄膜、箔片、纺织品、涂层基材和金属板,以及需要高分辨率检查的大型或圆柱形物体。 

物流IS3800L标签读取动画
线扫描相机一次拼接一行像素来构建图像。

线扫描系统可以将连续物体的检查速度提高到区域扫描传感器的20到30倍。这种速度产生了一个物理约束,改变了工程师对光的看法。

每一行扫描的曝光时间都非常短,通常在30微秒左右。在那一刻,相机单行中的每个像素都必须收集足够的光来产生可用的信号。由于相机连续运行,没有实际的闪光灯过载可以依赖,也没有第二个完整的帧捕获。系统必须在通过时正确地获取该行。

康耐视的应用工程师Ethan Nash提供了一个类比,使物理学原理立即变得清晰易懂:

我通常通过将其与MRI进行比较来解释线扫描。我们一次捕捉一个薄片,然后将这些薄片构建为完整的图像。对于照明,可以想象一个房间的顶灯与一个阅读灯。区域扫描将照明分散到广阔的视野中;线扫描则将其集中到镜头正下方的非常狭窄的线上。由于我们没有照亮一个广阔的区域,因此聚焦的条形灯可以在检查点提供更强、更可控的照明。

区域扫描与线扫描照明:快速参考

因素

面阵扫描

线扫描

图像捕捉方法全帧快照逐行扫描,拼接
典型曝光时间(移动物体)~30 µs(冻结运动)~30 µs 每扫描线
可用频闪过载是,高达额定功率的10倍否,需要连续开启
如果曝光不足,还有第二次机会是的,下一帧会重新捕捉该区域不,系统必须在扫描线通过时正确捕捉
均匀性要求在整个2D视野范围内在整个网络宽度上,每条扫描线
对安装角度的敏感性中等高,因为微小的变化会影响边缘亮度

表格比较了区域扫描和线扫描的照明需求,显示线扫描需要更严格的曝光、均匀性和对齐。
 

为什么线扫描需要如此高的辐照度?

通过一个简单的例子,物理学变得更加清晰。

将一行扫描相机与其行中的1,000像素与捕捉1,000 x 1,000像素图像的区域扫描相机进行比较。如果区域扫描相机在静止物体上使用30毫秒曝光,那么在同一总时间内扫描同一场景的线扫描相机每行只有30微秒的曝光时间。

1,000:1的曝光比意味着线扫描相机需要1,000倍的辐照度,或每单位面积的光功率,才能产生相同的像素信号。由于区域扫描照明覆盖了整个视场,而线扫描照明只覆盖了一条窄带,因此在静态情况下,总功率可以大致相等。

当材料移动时,一切都发生了变化。

在运动中,区域扫描相机也必须将其曝光时间缩短到30微秒,以防止模糊,这意味着它需要更多的光在整个视场中传播。线扫描相机自然地将模糊限制在一像素宽度,因此其辐照度要求仍然集中在扫描线上。

线扫描与面阵扫描之比较方形图
区域扫描相机的照明必须充满整个视场(右)。对于线扫描相机,光仍然集中在扫描线上(左)。

在现实世界的移动应用中,对窄条带的集中照射是检查要求的一部分。这就是为什么线扫描的机器视觉照明应该作为一项精密工程决策来选择和定位,而不是作为事后考虑。 

机器视觉产品指南| 英语

机器视觉产品指南

了解 康耐视 机器视觉系统 AI 如何轻松自动化复杂视觉任务。 

下载指南

在生产中,照明不足是什么样子? 

线扫描系统中的照明不足并不总是会产生暗图像。更常见的是,它会产生看起来可接受但缺乏可靠检测所需对比度的数据。精细的表面特征,如涂层中的发丝状空隙、微妙的纹理变化或微米级划痕,可能会低于检测阈值。然后,检测点可能会通过本应标记的产品。

一旦错过,移动网上的缺陷就很难恢复。当下游质量检查发现问题时,材料可能已经通过检查或达到生产后期阶段。在受监管的行业,如医疗包装或食品接触薄膜,后果可能不仅仅是废品和退货。

Nash经常遇到这种故障模式:

我经常看到这种情况:客户认为相机或软件有问题,而真正的问题是照明对齐。在线扫描中,光线必须照射到相机聚焦的确切点。如果相机稍微旋转或光线角度不对,焦点就不再对齐,导致图像的照明不均匀。当工作距离、角度和对齐方式得到纠正时,图像的照明变得更加均匀、稳定和可靠。

请求演示 → 
 

线扫描工程师犯的三个照明错误

大多数新手线扫描从业者会从区域扫描经验中继承直觉。三个假设会导致生产问题最多。

1. 使用错误的光类型

Nash直接指出了问题:

我看到人们忽略的细节是对线扫描专用照明的需求,或者至少是一个带有真正线扫描滤镜的条形灯。线扫描系统使用非常短的曝光时间,因此光线必须紧密聚焦。标准条形灯通过将光线照射范围过宽而浪费了强度。专用线扫描灯将可用强度准确地传递到相机需要的地方。

为区域扫描设计的标准环形灯或穹顶灯无法达到线扫描所要求的空间精度。专用机器视觉照明提供应用所需的聚焦、均匀的光束几何形状。

2. 将安装视为设置步骤而非工程决策

线扫描相机对光、检测线和相机之间的精确几何关系很敏感。即使相机或灯座的轻微旋转也会产生亮度差异,这些差异会模仿真实的缺陷或使细微的缺陷更难被发现。

Nash 直接指出了这一点:

我看到线扫描照明最常出错的地方是将其视为“足够接近”就足够了。对于区域扫描,粗糙的工作距离或角度可能仍然有效。使用行扫描,误差要小得多。工作距离、相机角度、光源位置和照明角度都需要与实验室设置精确匹配。我依赖照片、测量和笔记,因为小的变化可能会产生非常不同的生产结果。

照明位置应在设计时指定,并且要清楚地记录下来,而不是在安装时“凭感觉”调整。

3. 忽略曝光预算中的速度变化

在大多数行扫描安装中,曝光时间是根据最大线速度设置的。如果由于张力波动、机械抖动或上游工艺变化导致输送带速度变化,那么每行扫描的时间也会变化。有些区域曝光不足。其他区域曝光过度。图像不一致会破坏自动检测的目的。

照明应针对最苛刻的情况进行设计:最快的速度、最大的工作距离和最严格的缺陷规格。在正常速度下通过调试但在峰值生产时表现不佳的系统通常受到照明的限制。

探索机器视觉照明选项 → 
 

何时选择行扫描才是正确的选择?

行扫描技术特别适合四种情况:

  1. 连续网状材料,包括纸张、薄膜、箔片、纺织品、无纺布、涂层基材和金属板
  2. 圆柱形或弯曲表面,物体在相机前旋转以“展开”整个表面进行检查
  3. 大型离散部件,单个区域扫描帧无法在整个物体上提供所需的像素分辨率
  4. 高速生产线,在超过每秒两米的线速下,区域扫描闪光灯照明在物理上变得不切实际

在每种情况下,照明都应作为光学系统设计的一部分进行指定。辐照度、波长、光束几何形状、工作距离和安装角度都会相互影响。如果不考虑其他因素而改变其中一个因素,可能会在调试期间不出现性能下降的情况,但在生产速度下可能会出现。

康耐视线扫描视觉系统,包括In-Sight 3800 线扫描,采用人工智能分析技术,在全速生产线上进行连续网络检测、圆柱表面检测和大尺寸缺陷检测。该系统将先进的处理技术与专用机器视觉镜头和专用照明相结合,为制造商提供协同设计的光学基础。即使是最强大的相机仍然依赖于提供足够辐照度、均匀性和几何精度的照明。 
 

将照明系统集成到系统中,而不是作为事后的想法

根据SNS Insider的报道,机器视觉照明市场在 2024 年达到 18.7 亿美元,预计到 2032 年将达到 36.5 亿美元。这种增长反映了更广泛的转变:制造商将照明视为精密组件,而不是商品配件。

在线扫描应用中,这种转变至关重要。照明是一个设计变量,它会影响您的系统可以检测到哪些缺陷、在什么速度下、跨越什么材料宽度以及在什么生产条件下。

选对相机。选对编码器。选对软件。然后以同样的纪律设计照明。如果没有这个基础,即使是一个复杂的检测系统也可能错过它设计要捕捉的缺陷。

机器视觉产品指南| 英语

机器视觉产品指南

了解 康耐视 机器视觉系统 AI 如何轻松自动化复杂视觉任务。 

下载指南
最后修改日期2026/07/29

相关资源