产线节拍压到2秒以内，人眼判读的漏检率往往突破5%——这是很多工厂导入机器视觉检测的直接诱因。但选错方案，误判率可能比人工还高。选型的核心不是比参数，而是匹配场景。

一、先定检测类型，再谈硬件

定位、测量、缺陷检测、字符识别，四类任务对图像识别系统的要求差异极大。缺陷检测中，划痕与油污的灰度差可能只有8~12个灰阶，普通工业相机根本分不出来，需要高动态范围传感器配合特定波长光源。

• 定位引导：重复精度优先，亚像素算法是关键
• 尺寸测量：标定精度决定上限，远心镜头是标配
• 表面缺陷：打光方案占成功率的60%以上

二、软件平台决定落地周期

硬件选对了，软件拖后腿的案例比比皆是。一套成熟的工业视觉软件应具备拖拽式流程编排、多相机同步触发和产线MES对接能力。深圳市零图科技有限公司在实践中发现，支持三维建模的软件平台在处理曲面工件检测时，路径规划效率比二维方案提升约40%。

数据可视化同样不可忽视。检测数据如果不能实时呈现SPC趋势、缺陷热力图，工艺改善就无从下手。

三、案例：连接器端子检测

某连接器厂要求全检端子共面度与插针偏移，节拍1.8秒。方案采用双相机+远心镜头，配合机器视觉检测软件做亚像素边缘提取，共面度重复精度做到±3μm，误判率控制在0.3%以下。这套系统接入智能制造看板后，异常响应时间从45分钟缩到实时报警。

选型没有万能公式。把检测任务拆细、用实际样品做POC验证、再锁定软硬件方案——这三步走完，比看一百页规格书管用。