缺陷检测的三个核心战场——**模板比对、拟合测量、Blob分析**——各有各的适用场景和工程陷阱

缺陷检测的三个核心战场——模板比对、拟合测量、Blob分析——各有各的适用场景和工程陷阱。下面用三个真实产线案例把它们的实战逻辑讲透。案例一模板比对检测印刷品缺陷场景药品包装盒印刷质量检测。检测目标印刷错位、漏印、脏污。为什么用模板比对印刷品是平面物体图案固定合格品的样子高度一致。模板比对“找差异”的思路天然适合。关键步骤定位对齐用形状匹配find_shape_model找到包装盒的位置和角度。这一步是模板比对的生命线——不对齐减法结果全是差异。图像减法将当前图像变换到模板坐标系与合格品模板逐像素相减。差异分割对差值图像做阈值分割差异超过阈值的区域就是缺陷候选。Blob 筛选用面积、形状特征过滤掉噪声引起的微小差异。工程陷阱光照波动会让整幅图的灰度整体偏移导致减法后出现大面积“伪差异”。解决方案是在减法前做灰度归一化或者用相对阈值相对于图像平均灰度的偏差而非绝对阈值。案例二拟合测量检测卡簧尺寸场景E型卡簧的内径、外径、开口宽度检测。为什么用拟合测量卡簧是标准几何形状检测目标是尺寸精度。拟合能把离散边缘点变成精确的几何参数。关键步骤定位形状匹配找到卡簧位置建立跟随坐标系。亚像素边缘提取沿径向射线用卡尺提取内外圆边缘点。RANSAC 剔除坏点卡簧表面可能有油污或反光导致部分边缘点偏离。RANSAC 随机采样拟合剔除偏离主趋势超过 2 像素的点。最小二乘拟合对剩余点做圆拟合得到内径和外径。直线拟合对开口两侧边缘点分别拟合直线计算开口宽度。精度提升RANSAC 剔除坏点这一步把直径测量的重复性从 ±0.05mm 提升到 ±0.01mm。工程陷阱拟合点数太少如直线少于 5 点不稳定太多如整个圆用 1000 点会把远处坏点拉进来。工业上通常取20-50 个点。案例三Blob 分析检测金属表面脏污场景金属冲压件表面脏污、异物检测。为什么用 Blob 分析脏污表现为与金属表面灰度不同的斑块Blob 分析“找斑”的思路直接有效。关键步骤打光用低角度暗场照明让脏污散射光形成亮斑金属光滑表面呈暗场。阈值分割用自动阈值binary_threshold分割出亮斑。形态学清理开运算去除噪点闭运算填充斑块内部小孔。Blob 筛选用面积、圆度、灰度均值筛选出真正的脏污。工程陷阱金属表面反光会在图像中形成亮斑与脏污混淆。解决方案是偏振光——偏振片能滤掉金属表面的镜面反射只保留脏污的散射光。三个案例的共性定位是共同前提。模板比对需要对齐拟合测量需要跟随坐标系Blob 分析需要 ROI 限定。定位没做好后面全是空中楼阁。打光决定上限。印刷品需要均匀漫射光卡簧需要背光或同轴光凸显边缘金属脏污需要低角度暗场。打光方案定了算法才有意义。参数需要现场调。模板比对的差异阈值、拟合的 RANSAC 距离阈值、Blob 的面积阈值都不是拍脑袋定的是根据现场样本和公差要求反推的。一句话总结模板比对是**“找不一样”拟合测量是“量准尺寸”Blob 分析是“找斑”**。三者不是替代关系而是互补关系——一个完整的检测系统往往先用模板匹配定位再用 Blob 找缺陷候选最后用拟合测量确认关键尺寸。传统缺陷检测的生命力来自“定义正常、找出异常”的工程智慧以及“成像先行、算法逼近”的务实路径。