产线节拍压缩到秒级、缺陷容忍度逼近零，传统2D视觉在反光、遮挡、低对比度场景下频频漏判。工业自动化质检真正需要的，是从三维空间中还原工件的完整形貌，再叠加多光谱图像做联合判定。

从2D到3D：质检维度的升维挑战

2D视觉依赖灰度或彩色纹理，面对弧面划痕、暗色异物、高度差缺陷时，信噪比急剧下降。引入三维建模后，系统可获取点云深度信息，将缺陷检测从“平面纹理比对”升级为“空间形貌分析”。例如在精密结构件检测中，0.05mm的高度异常在2D图中几乎不可见，但在三维点云中可被稳定分割。

核心实现路径：三维重建与图像识别的融合

深圳市零图科技有限公司在工业视觉软件架构中，将结构光三维重建与深度学习图像识别系统并行部署。具体流程包括：

• 点云预处理：滤波、配准、法线估计，消除传感器噪声
• 特征融合：将深度图与灰度图对齐，生成多通道输入张量
• 缺陷判定：采用改进的PointNet++与CNN双分支网络，分别处理几何与纹理异常

该路径在机器视觉检测节拍上可控制在200ms以内，满足多数智能制造产线的在线要求。

数据可视化与闭环调优

检测结果若只输出OK/NG，产线工程师无法定位工艺漂移根因。通过数据可视化看板，将缺陷点云投影至工件CAD模型，叠加SPC趋势图，可快速识别是来料波动还是设备偏移。实践建议：
每批次保留原始点云与推理置信度，用于模型迭代。某客户案例中，基于三个月数据回训，漏检率从1.8%降至0.3%。

三维建模与机器视觉检测的深度耦合，正在重新定义工业质检的精度上限。随着边缘算力与点云算法持续演进，全检替代抽检将成为智能制造的标配能力。