食品包装行业：奶粉勺六面外观视觉检测落地方案

01/09现场问题

难点是面太多，而缺陷太小

奶粉勺的缺陷清单不长：脏污、裂纹、缺料、变形，加上注塑常见的飞边与缩痕。难点在三个附加条件。其一，六个面都要检——勺头内外、勺柄正反、两侧边缘，任何一面漏检都直接流向消费者。其二，缺陷尺寸小且形态相近，0.1 mm 的脏点和正常注塑纹理在普通照明下几乎无法区分。其三，工件是反光注塑件，环境光一变，同一件的成像就跟着变，传统阈值法根本守不住。

更麻烦的是标准的弹性。「多小的脏污算 NG」这件事，不同客户、不同批次往往有不同答案。传统 AOI 的做法是先按一个假定档位收样本、训模型、调阈值，等标准明确了再重来一轮——这一轮返工的成本，往往比第一轮还高。所以本方案从一开始就把最小检出档位当作一个待填的参数来设计，而不是当作一个已知条件。

02/09六面覆盖

六相机环绕，一次拍全

六面检测最直觉的做法是单相机加翻面机构，拍六次。但翻面意味着二次定位，六次曝光意味着六倍节拍，而奶粉勺的产线节拍是以秒计的。方案因此采用六相机环绕工位：上下、前后、左右各一只，工件到位静止后六路同时触发，单件六面在一次节拍内完成。

这个布局的关键不是相机数量，而是光轴的相互关系。上下两路垂直对置，覆盖勺头内凹面与勺柄背面；前后两路水平对置，覆盖勺头前端与勺柄尾端；左右两路带 30° 倾角，补出两侧边缘与勺头侧壁。六路之间没有机械运动，也就没有重复定位误差；每一路的视场都留出装夹余量，工件在工装里的微小偏移不会把边缘切出画幅。

值得指出的是，六路对软件是同一套。无论六只相机还是一只相机拍六次，进入状态机的都是「六面结论」六个事件，按同一个工件编号汇合，任一面命中即整件 NG。六相机只是把「六次」压缩成「一次」，检测口径不变。

03/09成像口径

0.023 mm/pixel，缺陷在画面里占多少像素

采样精度必须先定下来。现有配置是 2000 万像素彩色相机、16 mm 定焦镜头、白色环形光源，工作距离 240 mm，单帧视场 128 × 85 mm。按 5496 × 3672 计算，横向 128 mm 对 5496 像素，约 0.023 mm/pixel；纵向 85 mm 对 3672 像素，约 0.023 mm/pixel，两个方向一致。

由此可以核出三个数。其一，奶粉勺长边约 110 mm，128 mm 视场留出装夹余量后单帧覆盖整件，无需分段拍摄。其二，0.1 mm 脏点约占 4.3 像素，已经接近像素级分割的检出下限；0.5 mm 裂纹约 22 像素，1.0 mm 缺料约 43 像素，这两个量级足够让分割贴住轮廓。其三，400 µs 短曝光加黑色背景，把环境光和注塑件的方向性反光一并压住，缺陷与正常面的灰度差拉开——这是后续分割能稳定工作的前提。

环形光源贴得比镜头近（220 mm 对 240 mm），是为了让入射角更陡，把勺头内凹面的阴影区压小。光源稳定性是这套配置里唯一需要现场守住的变量：注塑件表面反光强，光源亮度漂移 5 %，同一处的灰度就可能漂出阈值带。因此注意事项里明确要求「光源稳定，需要一定的避光」——这不是锦上添花，是硬约束。

04/09缺陷样例

六面实拍，缺陷长什么样

以下六张是六路相机在同一节拍内拍到的实际效果，已按面别裁切。可以看到，脏污在勺头内凹面表现为一片不规则暗斑，裂纹在勺柄正面表现为一条细线，缺料在边缘表现为轮廓内缩——三类缺陷在成像上的形态差异很大，这也是它们必须分成不同事件、共用同一套分割底座的原因。

需要说明的是，这批图是打光实验阶段的输出，曝光与背景已按正式口径固化，但缺陷样本量还不足以覆盖所有形态。正式上线前需要按「正常、明显缺陷、临界缺陷、干扰项」四类补齐样本谱，尤其是临界样本——它直接决定了最小检出档位定在哪里才既不漏检也不虚报。

05/09张量流

六条支路，汇进同一条工作流

视觉智能体部署在边缘侧：配置、推理、展示与结果输出在同一套软件里完成，零代码拖拉编排——从算子库拖出节点、按数据流连接。本项目的流很规整：触发后六路并行采图，每路先预处理（定位与归一化）、再语义分割、再事件探测，六路事件汇入同一个状态机，之后接存图与上位机通讯。

这条流的结构与产品规格无关，换一种勺型只需改标定值、样本与阈值，流本身可以直接复用到同类工位。六路并行对边缘 GPU 的算力要求不高：单路 5496 × 3672 的语义分割在边缘 GPU 上约 80 ms，六路并行约 120 ms，加上事件判定与状态机流转，单件总耗时控制在 200 ms 以内，远低于产线节拍。

06/09语义分割

像素级掩膜，用 1–10 张样本把新形态定下来

奶粉勺的缺陷边界大多不规则：脏污是任意形状的斑，裂纹是细碎的线，缺料是渐变的轮廓内缩——框回归很难贴合，而后续的尺寸判定又完全依赖轮廓精度。方案因此走像素级语义分割：在标注工具里用少量现场图定义「脏污」「裂纹」「缺料」三个类别，产品侧按 1–10 张样本图、数分钟配置 起步，输出掩膜后再算面积、长度或最大外接尺寸。

这一步是「六面外观检测」能落地的前提。少样本底座意味着新增一类缺陷不必重启一轮采集与长训——不同批次、不同颜色的勺型之间，形态相近的类别往往只需少量补标即可迁移。训练与推理都在边缘 GPU 本地完成，工位画面不出厂，既保实时性，也减少数据外传。

07/09事件判定

把掩膜变成「脏污超 0.5 mm²」

分割只负责看见像素，业务要的是可判定事件。事件在 GPU 事件编排器里搭：由「物体存在」确认掩膜命中目标类别，再由「面积检测」或「长度检测」取掩膜尺寸与毫米阈值比较，两者经「与」汇合。脏污档位就是在这里落地的——先由「物体存在」确认掩膜命中脏污类，再由「面积检测」取掩膜面积与平方毫米阈值比较。

把阈值放在事件层而不是模型里，是这套结构的关键。0.3 mm² 与 0.5 mm² 共用一条掩膜、共用一个模型，改验收档位只改一个数字；同理，裂纹长度的上限、缺料深度的容差，都在配方里改，感知层不动。这一点对频繁变更公差的产线尤其重要。

08/09状态机

六面全 OK 才放行

六路判定带来一个人工目检没有的问题：一件产品会产生六个结论，必须有东西把它们收成一个结论。状态机把离散事件编成现场流程：工件到位后进入六面采图，六路判定全部合格才放行并计数，任一面命中即转 NG，存图时把面别、类别与尺寸一并记录下来。NG 件离位进入待复核，复判后重新到位再检。

机器给出的不是「某一帧看起来像不像」，而是「这一件在当前配方下是否允许过站」——带面别、带类别、带毫米、可复核。

09部署闭环

边缘本地推理，样本与结论一起沉淀

整套系统落在五层结构上：六只相机与环形光源负责采集；千兆工业以太网在内网传输，图像不出厂区；边缘 GPU 完成分割推理、事件判定与状态机流转；前端提供实时画面、NG 报警、人工复核与按时间／件号／面别检索的追溯；配方统一管理相机参数、标定值、模型版本与阈值。原图、掩膜、结果图与结论按件归档，既是追溯材料，也是下一轮优化的样本来源。

对这个尚未锁定标准的项目，归档还有一层额外价值：系统跑起来之后，每一件的缺陷尺寸分布都会被记下来，几周之后就有了一张真实的尺寸分布。最小检出档位可以定在数据上，而不是定在感觉上。

系统硬件配置

下表只定设备类别与配置方向；具体型号在实物复核与节拍确定后冻结。

实施节奏

顺序上有一处与常规不同：标准对齐排在样本采集之前。判据没定就开始标注，标注规范会随判据一起返工。

适用边界也说清楚。本方案面向表面型缺陷，即在六面外观上造成可见异常的脏污、裂纹、缺料与变形；如果验收范围还包括内部气泡、熔接线这类结构型缺陷，环形光从外部照明的做法就不再适用，需要另配透射或 X 光作为第二套配方，属于另一条技术路径。文中所有量测值取自打光实验阶段的输出，用于确定量级；最小检出档位与 OK／NG 界限，以正式样件和客户验收标准为准。