112、工业AOI与缺陷检测：高帧率成像与算法协同

112、工业AOI与缺陷检测：高帧率成像与算法协同

一、一个让我失眠三天的产线问题

去年夏天，某3C代工厂的AOI产线突然出现大量漏检。产线节拍要求每小时检测1200片PCB，相机帧率已经跑到200fps，算法模型是当时最火的YOLOv5s。奇怪的是，离线测试时模型mAP达到0.95，一上产线就崩——漏检率从0.3%飙到2.1%。产线经理拍着桌子说“你们算法就是纸上谈兵”。

我带着示波器和热成像仪蹲了三天产线。第一晚就发现问题：当产线振动导致相机与光源相对位移0.5mm时，图像边缘出现亚像素级的模糊。更致命的是，200fps的帧率下，每帧曝光时间只有5ms，光源的PWM驱动频率与相机帧同步存在2.3μs的相位抖动——这个抖动在单帧里根本看不出来，但连续帧间的亮度波动达到了12%。算法模型在训练时用的都是理想光照下的数据，遇到这种“呼吸式”亮度变化，特征提取直接崩了。

这个案例让我意识到：工业AOI从来不是“算法+相机”的简单叠加，而是一个从物理层到算法层的协同系统。高帧率成像不是把帧率调高就完事，它像一把双刃剑——砍掉了产线节拍瓶颈，但也砍出了新的系统性问题。

二、高帧率成像的物理天花板与工程妥协

2.1 帧率与曝光时间的死锁

很多人以为“高帧率=快”，这是第一个坑。工业相机的高帧率本质上是通过缩短每帧的可用时间来实现的。假设我们要跑200fps，每帧周期是5ms。如果曝光时间设为4ms，留给数据传输和处理的窗口只有1ms。这里踩过坑：某次用全局快门C