从零到一：手把手教你用Halcon+C#搭建PCB焊接缺陷检测系统（附完整源码）

从零到一：手把手教你用Halcon+C#搭建PCB焊接缺陷检测系统（附完整源码）

最近在整理工作室的项目资料，翻出了几年前给一家电子厂做的PCB焊接检测系统源码。当时为了赶工期，连续熬了几个通宵，调试相机打光、优化算法参数，现在回想起来，那段经历虽然辛苦，但积累的经验却异常宝贵。很多刚接触机器视觉的朋友，尤其是做毕业设计或者想转行工业自动化的同学，经常问我：“想做一个完整的缺陷检测项目，到底该怎么入手？” 今天我就以这个PCB焊接检测系统为例，拆开揉碎了讲，从硬件选型到软件架构，从核心算法到界面集成，一步步带你走完整个开发流程。我会把项目里踩过的坑、总结的技巧，连同完整的C#和Halcon源码一起分享出来，让你不仅能看懂，更能自己动手复现一个可用的系统。

1. 项目规划与硬件选型：别在第一步就踩坑

做机器视觉项目，最忌讳的就是一上来就埋头写代码。硬件是地基，地基没打好，后面的算法再精妙也是空中楼阁。PCB焊接缺陷检测，核心目标是稳定、清晰、无干扰地获取焊点图像。这直接决定了你后续的图像处理难度和最终检测精度。

1.1 成像方案设计：光线是视觉的灵魂

焊点检测的难点在于其表面特性：反光、曲面、与背景对比度弱。一个糟糕的打光方案，会让后续的图像处理算法事倍功半，甚至根本无法进行。

我当时的方案是采用同轴光源（Coaxial Light）。这种光源的光线通过一个分光镜垂直照射到物体表面，相机从同一轴线上接收反射光。它的最大优势在于能极大抑制金属表面的镜面反射，让焊点光滑的弧形表面呈现出均匀的亮度，而PCB板材（通常是深绿色或黑色）则显得较暗，从而形成鲜明对比。

注意：市面上有些教程会推荐环形光源，但对于焊点这种强反光小目标，环形光容易在焊点中心形成高光“过曝点”，丢失细节。同轴光虽然成本稍高，但能换来更稳定的图像质量，这笔投资是值得的。

为了应对PCB板可能因温度产生的微小形变，以及生产线上的轻微位置偏移，我强烈建议搭配一个四向可调（X, Y, Z, θ）的精密支架来固定光源和相机。这样在现场调试时，你可以微调光源的角度和高度，找到那个能完全消除周围元器件阴影、让焊点轮廓最清晰的最佳位置。这个过程没有捷径，就是耐心地一点点调。

1.2 相机与镜头：分辨率与视野的平衡

选型时，很多人盲目追求高分辨率。其实，分辨率够用就好，关键是要算清楚像素精度。

1. 确定检测精度：假设你需要检测的最小缺陷（如微小的虚焊空洞）直径为0.1mm。
2. 计算所需像素精度：业内经验是，要稳定识别一个特征，至少需要3-5个像素来表现。我们按5像素计算，那么每个像素代表的物理尺寸（像素精度）应为 0.1mm / 5 = 0.02mm/pixel。
3. 结合视野（FOV）计算分辨率：如果你的检测区域（单次拍摄的PCB范围）是50mm x 50mm，那么相机所需的最低分辨率就是 (50/0.02) x (50/0.02) = 2500 x 2500 ≈ 625万像素。

所以，一台800万像素（约3264 x 2448）的工业CCD或CMOS相机完全能满足需求。镜头方面，选择一款远心镜头（Telecentric Lens） 会更好。远心镜头能消除透视误差，确保在不同景深下，物体成像大小不变，这对于需要精确测量焊点尺寸的检测至关重要。镜头的焦距根据工作距离（相机到PCB的距离）和视野来计算。

硬件选型速查表：