工业视觉系统的镜头异常会直接影响检测精度，导致生产环节出现漏检错检问题，使用Python可以快速实现自动化的镜头异常检测，提升生产稳定性。
常见镜头异常类型
工业视觉场景中镜头异常主要分为以下几类，检测逻辑需要针对不同异常设计对应的判定规则：
- 镜头污渍：表面附着灰尘、油污等异物，导致图像出现固定暗斑或亮斑
- 镜头模糊：对焦失效或镜片磨损，图像整体清晰度下降，边缘细节丢失
- 镜头偏移：安装位置松动导致拍摄视角偏移，图像中目标位置出现固定偏差
- 镜头破损：镜片出现裂纹，图像中出现不规则的条纹或阴影
检测实现核心步骤
1. 图像采集与预处理
首先需要从工业相机获取实时拍摄的图像，对图像做灰度化、去噪等预处理操作，减少环境干扰。以下是基础的图像读取和预处理代码：
import cv2
import numpy as np
def preprocess_image(image_path):
# 读取图像
img = cv2.imread(image_path)
# 转换为灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 高斯去噪
denoised = cv2.GaussianBlur(gray, (5, 5), 0)
return denoised
2. 异常特征提取
针对不同异常类型提取对应的特征指标，比如污渍可以通过固定区域亮度偏差检测，模糊可以通过梯度值检测，偏移可以通过特征点匹配检测。
镜头模糊检测特征
模糊图像的整体梯度值会明显低于清晰图像，可以通过计算拉普拉斯梯度方差来判定：
def check_blur(image, threshold=100):
# 计算拉普拉斯梯度
lap = cv2.Laplacian(image, cv2.CV_64F)
variance = lap.var()
# 梯度方差低于阈值判定为模糊
if variance < threshold:
return True, variance
return False, variance
镜头污渍检测特征
污渍通常会在图像固定区域出现亮度异常，可以对比当前图像和基准图像的局部亮度差异：
def check_stain(current_img, base_img, diff_threshold=30):
# 计算两图差异
diff = cv2.absdiff(current_img, base_img)
# 统计差异像素占比
stain_pixels = np.sum(diff > diff_threshold)
ratio = stain_pixels / (current_img.shape[0] * current_img.shape[1])
# 差异占比超过5%判定为污渍异常
if ratio > 0.05:
return True, ratio
return False, ratio
3. 综合异常判定
整合不同特征的检测结果，输出最终的异常类型和置信度，以下是完整的检测流程代码：
def detect_lens_abnormal(current_img_path, base_img_path):
# 预处理当前图像和基准图像
current = preprocess_image(current_img_path)
base = preprocess_image(base_img_path)
result = {
"is_abnormal": False,
"abnormal_type": None,
"detail": {}
}
# 检测模糊
is_blur, blur_var = check_blur(current)
if is_blur:
result["is_abnormal"] = True
result["abnormal_type"] = "镜头模糊"
result["detail"]["blur_variance"] = blur_var
return result
# 检测污渍
is_stain, stain_ratio = check_stain(current, base)
if is_stain:
result["is_abnormal"] = True
result["abnormal_type"] = "镜头污渍"
result["detail"]["stain_ratio"] = stain_ratio
return result
return result
实际应用注意事项
在工业现场部署时需要注意以下几点：
- 基准图像需要定期更新，避免生产环境光照变化导致误判
- 检测阈值需要根据实际相机的拍摄参数和场景做校准，不能直接套用默认值
- 可以结合多帧图像的检测结果做投票判定，减少单帧噪声带来的误报
- 检测逻辑需要预留接口，方便后续扩展新的异常类型检测规则
镜头异常检测是工业视觉系统稳定运行的重要保障，通过Python实现的自动化检测流程可以大幅降低人工巡检的工作量，提升生产环节的可靠性。