视觉检测和激光、光电、称重传感器，到底怎么分工

视觉检测和传感器不是二选一的关系。多数产线的正确做法是：能用简单物理量判定的，优先用传感器；只有涉及动作、顺序、形态、外观这类没有单一物理量能表达的问题，才交给视觉。一个工位同时装接近开关、称重传感器和工业相机，是很常见的配置——它们回答的本来就是不同的问题。

分工的第一原则：能用电平判定的，别用图像

传感器输出的是开关量或标量：有 / 无、到位 / 未到位、重量、扭矩、光通断。这类判断的阈值明确、响应在毫秒级、不受光照和物料表面颜色影响，单个点位成本低且基本免维护。只要问题的答案能写成一个数值区间或一个开关状态，传感器的性价比几乎总是高于视觉。 两个传感器也能组合出顺序——先后触发就构成一个简易的时序判定；但一旦顺序判断涉及多个工位、多种料号，或者要区分「做了但做错」和「根本没做」，传感器逻辑就会迅速复杂化，接线、编程和后期改型的成本一起上涨。这个复杂度上升的临界点，正是视觉 AI SOP 系统要接手的地方。 从成本结构上看，一个接近开关的采购与安装成本通常是相机方案的零头，而且它不占算力、不依赖网络——即便整个视觉系统离线检修，它仍然照常工作，这也是安全相关点位应当保留硬件冗余的原因。

视觉真正不可替代的三类判断

• 动作序列。 先扫码、再贴标、后压合，顺序错了产品照样能过。传感器只能知道「扫码枪触发过」，判断不了它发生在上料之前还是之后。
• 形态与方向。 连接器插反、密封圈装歪、标签贴错面，都是形态问题，没有阈值可以设定。
• 与料号绑定的判定。 同一工位一个班次可能切换十几种料号，每个料号的正确动作不同。传感器的固定逻辑改不动，视觉可以通过配方切换判定规则。
• 动作是否规范。 同一个步骤「做了」和「按规矩做」是两回事——拧螺丝的角度、贴标的起止位置、插接的插入深度，都属于过程质量，只有图像能持续记录。

这三类问题的共同点是：它们要的不是一个「量」，而是一个「状态」或一个「关系」。 传感器擅长把物理世界压缩成一个数字，但当一个判断需要理解「这个动作相对于那个动作发生在什么时候」「这个零件相对于那个零件朝向对不对」时，数字化的表达方式就不够用了，必须回到图像本身。

边界：什么时候不该上视觉

视觉不是万能工具，下面几类情况要谨慎，甚至应该直接放弃视觉方案。判定依赖触感、力矩或内部结构而相机看不到的（焊点内部熔深、螺纹啮合长度）；缺陷判据本身说不清、合格与否没有共识的——这类要先解决标准问题，参考漏工序怎么防的五种手段；节拍极快且需要微米级测量的，那属于激光轮廓仪、影像测量仪等专业设备的领域，通用相机达不到；现场光照、粉尘、震动、油污无法治理的，成像不稳定，任何算法都救不回来；以及单工位年产量很低、错误后果又轻的，投入产出不成立，人工确认反而更划算。判断标准可以概括成一句话：如果这个判断用一句普通话就能向没到过现场的人解释清楚，它多半适合用传感器；如果必须结合图像才能说清，才轮到视觉上场。

选型与部署的先后顺序