在2D視覺引導應用現場，最常聽到的一句話是什么？

——“剛才還能抓，怎么現在就不行了？”

——“換個時間、換個批次，又對不準了。”

——“這光怎么調都不對，太玄了。”

于是，“光照”成了2D視覺引導中最容易背鍋的“玄學問題”。但真相是：光照從來不是玄學，而是被低估的系統工程。

光照的“玄”，本質上是不確定性

2D視覺的核心，是用相機拍攝二維圖像，通過算法提取特征，進而定位工件位置或姿態。整個過程高度依賴一個前提：成像穩定。

所謂穩定，就是同一個工件、同一個位置，在不同時間、不同環境下，拍出來的圖像特征應當高度一致。只有這樣，算法才能穩定輸出坐標。

但現實恰恰相反——光照環境時刻在變。自然光忽明忽暗、車間燈光開關、工件表面反光率波動、光源老化衰減……這些變化都會直接反映在圖像上。昨天調試好的參數，今天可能完全失效。

當工程師無法解釋“為什么參數沒變、結果卻變了”時，“玄學”就成了最方便的答案。

光照不穩，根源在三個維度

其一，環境光干擾。 許多2D視覺系統使用環境光或簡單補光。一旦外界光線變化——比如陰天、夜晚、旁邊工位燈光開啟——成像灰度、對比度、陰影都會隨之波動。算法基于固定閾值或模板去定位，自然難以穩定。

其二，光源與工件關系變化。 工件的材質、顏色、表面狀態如果存在批次差異，反光特性就會不同。同樣角度、同樣強度的光源，在啞光面和鏡面工件上成像天差地別。更棘手的是，同一工件在不同擺放角度下，反射路徑也會改變，導致特征忽明忽暗。

其三，光源本身不可控。 普通光源隨著使用時間推移，亮度會衰減；光源驅動器的電壓波動，也會導致瞬時亮度變化。這些細微的漂移，在人眼看來難以察覺，但對于圖像處理算法而言，足以改變識別結果。

從“玄學”到“工程”，只需三步

既然光照問題不是玄學，就可以用工程方法解決。關鍵在于把光照變成可控變量。

第一步：隔離環境光。 成熟的2D視覺引導系統，應采用封閉或半封閉的光學結構，配合主動光源，將外界環境光影響降到最低。相機曝光時間、光源頻閃與快門同步，形成“只看我給的亮，不看別處的光”的成像環境。

第二步：光源參數可量化、可追溯。 光源亮度、色溫、照射角度、頻閃頻率等參數，應作為系統配置的一部分，與視覺程序綁定。換型時自動調用對應光源參數，避免人工旋鈕調節帶來的隨意性和不可復現性。

第三步：成像質量閉環監控。 系統應具備成像自檢能力。每次拍照時，對圖像對比度、灰度分布、特征清晰度進行實時評估。一旦成像質量偏離閾值，自動報警或觸發光源自校準，而非“帶病作業”。

成像穩定的本質，是排除變量

2D視覺引導的精度和穩定性，本質上取決于系統對變量的排除能力。

光照是變量，工件批次是變量，環境光是變量，光源老化也是變量。如果一個系統對這些變量沒有管控手段，那么“玄學”就會一直存在。反之，當光照被標準化、參數化、閉環化，2D視覺引導就從“看天吃飯”變成了“穩定輸出”。

結語

“玄學”這個詞，在工程技術領域，其實是一種遮羞布——它掩蓋的是對變量管控的缺失。2D視覺引導中的光照問題，既不可怕，也不神秘。它需要的不是“手感”和“經驗”，而是結構化的設計思路：隔離干擾、量化參數、閉環監控。

當光照成為可控變量，2D視覺引導就不再靠“運氣”運行。

2D視覺引導中的成像與打光問題解析