视觉检测精度怎么换算

精度这个词在视觉项目里被用得很松。有人指的是相机有多少像素，有人指的是算法能分辨多小的缺陷，有人指的是重复测量之间的波动。这三件事的量级差得很远，混在一起谈，就会出现「两千万像素的相机为什么测不准 0.02 毫米」这种争论。要把它谈清楚，得先把链路拆开：检测公差、视场、像素当量、实际重复精度，一环扣一环。这条链是单向的，从相机参数往回推回答不了任何实际问题。

从要求出发，而不是从相机出发

一个很常见的开局是拿着相机参数表讨论：两千万像素、3.45 微米像元、卷帘快门。这些参数当然重要，但它们回答的是「这台相机能干什么」，而不是「这个检测需要什么」。正确的起点是一句很朴素的话——这个尺寸的公差是多少。比如一个装配间隙要求 0.2±0.1 毫米，判定就必须在 0.1 毫米的尺度上可靠，相机应该围绕这个数去选，而不是先买相机再来适配工艺。

从公差到像素当量，行业里常用的经验是让像素当量落在公差的 1/3 到 1/10 之间。取 1/3 是最低要求，通常在只需区分「明显合格」与「明显超差」时够用；取 1/10 用在需要给出具体测量值、或者要做趋势统计的场合。这个比例不是教条，它真正的含义是：测量系统的误差必须显著小于被测量的公差，否则测出来的波动里有多少来自产品、多少来自量具，永远分不开。这条原则和检出率与精确率里讲的指标口径是同一件事的两面。

一张常用的对照表

把视场与分辨率组合起来就得到像素当量。下表按常用的几档视场与分辨率算了一遍，可以直接对号入座。表中的公差列按像素当量的三倍估计，也就是判定类应用的宽松下限。

这张表想说明的是一件很直接的事：视场是精度的主要代价。同一台两千万像素的相机，视场 100 毫米时像素当量是 0.018 毫米，视场放大到 300 毫米就退化到 0.055 毫米，差了三倍。所以第一件该争取的事不是换更贵的相机，而是把视场做小——把相机挪近、换更长焦距的镜头、或者改成局部检测加机械定位。很多时候现场条件允许把视场砍掉一半，那等于免费把精度提高一倍。相机安装位置与支架形式对这件事的影响，在相机怎么装、支架怎么选里有更具体的讨论。

像素当量不等于精度

像素当量是几何上的理论极限：一个像素覆盖的物理尺寸。真正决定能不能用的，是重复精度——同一个工件不动，连续测十次，读数之间的波动范围。这个数通常是像素当量的两到五倍，原因有几个，值得逐条看，因为它们各自对应一笔该花的钱。

• 镜头畸变：普通镜头在视场边缘的畸变可以到百分之几，换算到尺寸上就是十几到几十个像素的系统偏差。标定之后能大幅改善，但不做标定的场景它一直存在。
• 机械重复性：工件每次摆放的位置与姿态都有微小差异，加上传送机构的停止精度，这部分误差常常比相机本身的极限大得多。
• 标定误差：像素当量本身就是标定出来的，标定物本身的精度、标定时镜头的对焦状态、标定板的平整度都会带进来。
• 边缘稳定性：算法找边缘靠灰度梯度，光照变化、表面反光、工件毛刺都会让边缘位置跳动一到两个像素。这部分与光学和打光直接相关，也是打光设计值得单独投入的原因。

一次完整的算例

举一个具体例子把流程走一遍。要检测一个金属件上两孔的中心距，图纸尺寸 50±0.08 毫米，公差带宽 0.16 毫米，要求给出测量值而不只是判定合格。第一步，按 1/10 取像素当量上限：0.16 ÷ 10 = 0.016 毫米。第二步，确定视场：工件最大外形约 120 毫米，加上定位余量取 150 毫米视场宽度。第三步，反推分辨率：150 ÷ 0.016 ≈ 9375 像素。第四步，选相机：12288 像素的相机在 150 毫米视场下像素当量为 0.0122 毫米，满足要求；5472 像素的相机在同样视场下是 0.027 毫米，只有公差的六分之一，勉强可用但余量不足。到这里，硬件方向就定下来了。

接下来是同样重要的一步：如果算下来大分辨率方案的成本或节拍不能接受，就该回头改检测方案，而不是硬上相机。三条常见的退路是——改用局部视场配合机械定位、把中心距拆成两个局部尺寸分别测再合成、把要求从「给出测量值」降级为「判定合格与否」。这三条路都比上一个超规格的相机务实。做这类取舍时，视觉 AI SOP 的选型清单里那套逐条核对的方式可以直接套用。