机器视觉检测产品不良产品系统

针对精密电子元器件制造中人工检测效率低、精度不足、易疲劳且难以识别微米级缺陷的行业痛点。本项目面向3C电子、半导体封装等领域，构建一套高精度机器视觉检测系统，通过工业相机与智能算法的深度融合，实现对金属基座、芯片引脚等核心部件的外观瑕疵与尺寸参数的自动化、非接触式检测，解决传统质检模式的瓶颈，保障高端制造的产品一致性与生产效率。

本系统核心涵盖五大功能模块：①高精度成像模块：配置高分辨率工业相机、定制化光源及远心镜头，精准捕捉金属表面微观纹理，消除反光干扰，实现0.001mm级缺陷成像；②智能缺陷检测模块：基于深度学习算法与传统图像处理技术，自动识别表面划痕、污渍、氧化斑点、缺角等瑕疵，区分“合格/不合格”状态；③精密尺寸测量模块：完成基座边长、厚度、孔位间距等参数的自动测量，数据精度远超人工卡尺，超差实时报警；④运动控制与联动模块：根据视觉定位结果，引导执行机构完成产品抓取、分拣或精准加工，实现“检测-执行”一体化；⑤数据管理与追溯模块：自动存储检测图像、尺寸数据及判定结果，生成质量报表，支持历史数据回溯与工艺分析，为生产优化提供数据支撑。

我独立完成项目核心算法开发与视觉系统集成。技术栈方面，基于 Halcon 完成图像预处理、边缘提取与亚像素定位， 实现特征匹配；采用 C#编写底层调用接口，结合 SQLite 进行检测数据存储与追溯。技术亮点在于攻克金属表面反光干扰难题，通过定制化光源融合与自适应阈值算法，实现微米级缺陷的精准识别与尺寸测量，系统稳定性与检测精度达到工业级应用标准。