简介这份资源是面向机器视觉初学者与工业检测开发者的VisionPro案例合集围绕实际产线中的识别、测量与统计需求提供可直接参考的工程实例。内容覆盖零件尺寸测量与显示、硬币统计、骰子点数统计、零件孔位数量统计、零件瑕疵检测、啤酒盖瑕疵检测、书签类型检测、手机电池正反面识别、车牌识别、陶瓷釉面瑕疵检测标注、地面裂痕检测标注、杂志页排序、药物胶囊瑕疵检测等十余个典型场景兼顾尺寸测量、缺陷检测与目标计数三类任务。压缩包共930个文件约65.75MB以jpg、bmp、png等图像样本为主配合cs源码、vpp视觉程序、resx资源、csproj工程与少量dll、exe便于直接打开运行与二次修改。目前已有127人学习下载适合希望借助现成案例理解VisionPro工具链、快速搭建检测流程并积累项目经验的读者。1. 从一枚硬币到一颗骰子VisionPro 案例里最值得先跑通的三件事很多人第一次打开 VisionPro 的 QuickBuild面对满屏的工具面板是懵的——CogFindCircle、CogCaliper、CogBlob、CogPMAlign 到底先用哪个我当初也一样直到把「零件尺寸测量与显示、硬币统计、骰子点数统计」这三个案例从头到尾跑了一遍才算真正摸到这套视觉软件的脾气。这三个案例看着简单其实覆盖了工业视觉最核心的三类任务几何尺寸测量卡尺找边、圆拟合、亚像素精度、数量统计Blob 连通域分析、面积筛选、特征分类模式匹配、斑点计数。它们不是玩具而是产线上每天都在跑的活。如果你正在学 VisionPro或者想用康耐视这套工具做二次开发这三个案例是最好的练手起点——工具链完整、结果可验证、参数调优的边界清晰。下面我按自己踩过的顺序把每个案例的落地路径拆开讲。2. 零件尺寸测量与显示从卡尺到亚像素的完整链路2.1 为什么尺寸测量要先做标定而不是直接拉卡尺新手最容易犯的错是打开一张图就拖 CogCaliper 去量边长量完发现数值和卡尺对不上。问题出在像素当量没标定。VisionPro 里所有几何工具输出的都是像素单位要转成毫米必须经过标定。常见做法有两种用 CogCalibCheckerboard 做棋盘格标定或者用已知尺寸的标准件做单轴标定。前者精度高、能校正镜头畸变后者快但只适合视野小、畸变可忽略的场景。我一般会先用棋盘格跑一次完整标定拿到PixelSize每像素多少毫米和畸变参数再把这个标定文件挂到后续所有测量工具上。标定板的格子尺寸要选得和视野匹配——视野 50mm 就用 2mm 格子视野 200mm 就用 10mm 格子格子太小在图像里糊成一片角点检测会飘。# VisionPro 标定流程QuickBuild 操作路径 # 1. 打开 CogCalibCheckerboard 工具 # 2. 加载棋盘格图像设置棋盘格行列数如 7x7 # 3. 设置格子物理尺寸如 2.0 mm # 4. 运行标定查看 RMS 误差一般要求 0.1 pixel # 5. 保存 .cal 文件后续工具通过 Calibration 属性挂载标定完成后RMS 误差是第一个要看的指标。如果大于 0.2 pixel说明棋盘格图像质量有问题——可能是光照不均、格子模糊、或者棋盘格没铺满视野。这时候别急着往下做先重新拍图。2.2 CogCaliper 找边的三个必调参数CogCaliper 是尺寸测量的主力工具它的原理是在一条搜索线上做灰度投影找梯度最大的位置作为边缘。听起来简单但三个参数不调好结果能差出十几个像素。第一个是EdgeThreshold边缘阈值。它决定多大的梯度才算边缘。设太高弱边缘直接漏掉设太低噪声全被当成边缘。我一般先看图像的灰度剖面图找到真实边缘的梯度值然后取它的 60%70% 作为阈值。第二个是FilterHalfWidth滤波半宽。这个参数控制投影时的平滑窗口。宽度越大抗噪越好但边缘定位越模糊。对于干净的背光图像设 23 就行对于表面有纹理的金属件得设到 57。第三个是ContrastThreshold对比度阈值。它过滤掉对比度不足的边缘对。比如你找的是黑白交界对比度至少得设到 10 以上否则划痕也会被当成边。# VisionPro 二次开发中通过 CogCaliper 测量尺寸的典型代码 from Cognex.VisionPro import CogCaliper, CogCaliperEdgeModeConstants caliper CogCaliper() caliper.EdgeMode CogCaliperEdgeModeConstants.Pair caliper.EdgeThreshold 15 # 边缘梯度阈值根据灰度剖面调整 caliper.FilterHalfWidth 3 # 滤波半宽噪声大时增大 caliper.ContrastThreshold 10 # 对比度阈值过滤弱边缘 caliper.RunParams.ExpectedEdgeCount 2 # 期望找到一对边 # 在搜索线上运行返回边缘对的距离像素 result caliper.Execute(image) if result: distance_px result.Edges[1].Position - result.Edges[0].Position distance_mm distance_px * pixel_size # pixel_size 来自标定 print(f测量尺寸: {distance_mm:.3f} mm)这段代码里ExpectedEdgeCount设成 2 表示找一对边比如零件的左右边界。如果实际边缘数不对工具会报错而不是给错误结果这一点比很多开源库靠谱。pixel_size就是标定得到的像素当量单位 mm/pixel。2.3 尺寸显示把测量结果叠回图像的正确姿势测出数值只是第一步产线上需要把结果实时显示在图像上操作员才能判断。VisionPro 的 CogGraphicCollection 可以把卡尺线、边缘点、尺寸标注叠到原图上。常见做法是创建一个CogCaliperGraphics对象设置好颜色和线宽然后挂到显示控件的StaticGraphics属性上。显示时有个细节标注文字的位置要避开零件本体否则会遮挡关键区域。我一般把文字放在卡尺线的延长线上偏移 2030 像素。另外合格品用绿色、超差用红色这个颜色逻辑要在代码里根据公差判断后动态设置不能写死。# 尺寸结果显示与颜色标注 from Cognex.VisionPro import CogGraphicCollection, CogCaliperGraphics graphics CogGraphicCollection() caliper_graphics CogCaliperGraphics(caliper) caliper_graphics.Color CogColorConstants.Green if in_tolerance else CogColorConstants.Red caliper_graphics.LineWidthInScreenPixels 2 graphics.Add(caliper_graphics) # 添加文字标注 text CogTextGraphic() text.Text f{distance_mm:.3f} mm text.Color caliper_graphics.Color text.X result.Edges[1].Position 30 # 偏移避免遮挡 text.Y result.Edges[1].PositionY graphics.Add(text) display.StaticGraphics.Add(graphics, Measurement)这里in_tolerance是根据公差带算出来的布尔值。公差带通常来自图纸比如 10±0.05mm那上下限就是 9.95 和 10.05。判断逻辑要放在测量之后、显示之前顺序不能乱。3. 硬币统计Blob 分析里那些不写出来就会踩的坑3.1 硬币计数的本质是连通域分割不是模板匹配很多人一听「硬币统计」就想用 CogPMAlign 做模板匹配一个硬币一个硬币去对。这在硬币数量少、姿态固定的时候能跑但一旦硬币有重叠、有旋转匹配就崩了。正确的做法是用CogBlob做连通域分析——把图像二值化后每个硬币就是一个独立的连通区域数区域个数就是数硬币。Blob 分析的核心是阈值分割。硬币和背景的对比度要足够大通常用背光照明硬币是黑的、背景是亮的或者反过来。如果对比度不够二值化后硬币会粘连在一起这时候就得先做形态学腐蚀把粘连断开或者用分水岭算法。# 硬币统计的 Blob 分析流程 from Cognex.VisionPro import CogBlob, CogBlobThresholdModeConstants blob CogBlob() blob.ThresholdMode CogBlobThresholdModeConstants.HardFixedThreshold blob.Threshold 128 # 二值化阈值根据直方图选双峰之间的谷底 blob.Polarity CogBlobPolarityConstants.DarkBlobs # 硬币是暗的 blob.AreaThresholdLow 500 # 最小面积过滤噪声 blob.AreaThresholdHigh 50000 # 最大面积过滤背景 blob.RunParams.Area True # 启用面积计算 result blob.Execute(image) coin_count result.Blobs.Count print(f硬币数量: {coin_count})Threshold这个值不能拍脑袋定。我一般会先跑一次 CogHistogram看灰度直方图找双峰之间的谷底作为阈值。如果直方图只有一个峰说明光照太差得重新打光。AreaThresholdLow设成 500 是经验值对应大概直径 25 像素的硬币实际要根据视野和硬币大小调整。3.2 面积筛选与圆度筛选把游戏币和真硬币分开实际产线上硬币堆里可能混着游戏币、垫圈、甚至碎屑。光靠面积筛选不够还得加圆度Circularity判断。圆度的定义是4π × 面积 / 周长²完美圆形是 1越接近 1 越圆。硬币的圆度一般在 0.85 以上游戏币可能只有 0.6。# 圆度筛选排除非圆形物体 for blob_item in result.Blobs: area blob_item.Area perimeter blob_item.Perimeter circularity 4 * 3.14159 * area / (perimeter * perimeter) if circularity 0.85: valid_coins.append(blob_item) else: rejected_items.append(blob_item) print(f有效硬币: {len(valid_coins)}, 排除: {len(rejected_items)})这里Perimeter是 Blob 的周长VisionPro 会自动算。圆度阈值 0.85 不是绝对的如果硬币有磨损、边缘不齐可以降到 0.8。但降太低会把游戏币放进来这个平衡点得根据实际样本调。3.3 重叠硬币的分割腐蚀与分水岭的取舍硬币重叠是统计里最头疼的情况。两个硬币叠在一起Blob 会当成一个区域数量就少了一个。常见做法是先做形态学腐蚀把粘连处断开再统计。腐蚀的次数取决于粘连程度——粘得紧就多腐蚀几次但腐蚀太多小硬币会消失。# 形态学腐蚀断开粘连硬币 from Cognex.VisionPro import CogMorphology, CogMorphologyOperatorConstants morph CogMorphology() morph.Operator CogMorphologyOperatorConstants.Erode morph.KernelSizeX 3 # 腐蚀核大小粘连严重时增大到 5 morph.KernelSizeY 3 morph.RunParams.Iterations 2 # 腐蚀次数 eroded_image morph.Execute(image) # 对 eroded_image 再做 Blob 分析腐蚀核大小和迭代次数是联动的。核 3x3 迭代 2 次相当于腐蚀掉 2 个像素的边界。如果硬币直径 50 像素腐蚀 2 次还能保留大部分面积如果直径只有 20 像素腐蚀 2 次就没了。所以小硬币场景要慎用腐蚀改用分水岭或者距离变换。注意腐蚀之后统计出的面积会比实际小如果后续还要用面积做筛选得把腐蚀掉的量补回来或者直接用腐蚀前的面积。4. 骰子点数统计从斑点计数到模式匹配的选型对比4.1 骰子点数的两种解法Blob 计数 vs 模板匹配骰子点数和硬币统计看着像其实不一样。硬币是数「有几个物体」骰子是数「一个物体上有几个点」。解法有两条路一是用 Blob 找出每个点数点的个数二是用 CogPMAlign 匹配 16 点的模板看哪个模板得分最高。Blob 计数的优点是快、参数少缺点是骰子点小、对比度低的时候容易漏。模板匹配的优点是鲁棒缺点是每个面都要建模板而且骰子旋转角度大时匹配得分会掉。我一般先用 Blob 试如果点数识别率低于 95%再上模板匹配。# 骰子点数 Blob 计数 blob CogBlob() blob.ThresholdMode CogBlobThresholdModeConstants.HardFixedThreshold blob.Threshold 100 blob.Polarity CogBlobPolarityConstants.DarkBlobs # 骰子点是暗的 blob.AreaThresholdLow 20 # 点很小面积下限要低 blob.AreaThresholdHigh 500 blob.RunParams.Area True result blob.Execute(dice_image) dot_count result.Blobs.Count print(f骰子点数: {dot_count})AreaThresholdLow设 20 是因为骰子点在高分辨率图像里可能只有几十个像素。设太高会漏点设太低会把噪点算进去。这个值最好用 CogHistogram 看一下点的面积分布再定。4.2 模板匹配建库1 到 6 点的模板怎么拍如果决定用模板匹配建库是关键。每个点数16至少要拍 510 张不同角度、不同光照的样本用 CogPMAlign 训练。训练时要注意掩膜的设置——把骰子本体以外的区域屏蔽掉只保留点所在的区域这样匹配时不会被背景干扰。# CogPMAlign 模板训练 from Cognex.VisionPro import CogPMAlign, CogPMAlignPattern pattern CogPMAlignPattern() pattern.TrainImage dice_image pattern.Mask dot_region_mask # 只保留点区域 pattern.AngleStart -180 # 允许全角度旋转 pattern.AngleEnd 180 pattern.ScaleStart 0.9 # 允许 ±10% 缩放 pattern.ScaleEnd 1.1 pmalign CogPMAlign() pmalign.Pattern pattern pmalign.RunParams.AcceptThreshold 0.7 # 匹配得分阈值 pmalign.RunParams.NumberToFind 1 result pmalign.Execute(test_image) if result: print(f匹配到点数: {result.Item(0).Score:.2f})AcceptThreshold设 0.7 是起点实际要根据误判率调。如果漏检多就降到 0.6如果误检多就升到 0.8。AngleStart和AngleEnd设 -180 到 180 表示允许任意旋转但计算量会大如果骰子姿态固定可以缩小范围。4.3 点数识别的后处理排除非骰子区域实际图像里不可能只有骰子还有桌面、手指、阴影。这些区域也可能被 Blob 或模板匹配误判。后处理要做两件事一是位置约束只统计骰子所在 ROI 内的结果二是尺寸约束点的面积和间距要在合理范围内。# 后处理位置与尺寸约束 valid_dots [] for blob_item in result.Blobs: cx blob_item.CenterOfMassX cy blob_item.CenterOfMassY # 只保留 ROI 内的点 if roi_x_min cx roi_x_max and roi_y_min cy roi_y_max: # 点的面积要在合理范围 if 20 blob_item.Area 500: valid_dots.append(blob_item) dot_count len(valid_dots)ROI 的坐标来自骰子检测的结果——先用一个粗定位工具比如 Blob 找最大区域确定骰子位置再在这个位置周围画 ROI。这个两步走的策略比全图搜索稳得多。5. 避坑与排查这三个案例里最容易翻车的五个地方5.1 标定文件没挂上测量值全是像素现象CogCaliper 测出来的数值和实际尺寸差了一个数量级比如实际 10mm 测出来 500。原因标定文件没挂到工具上或者挂错了。VisionPro 里每个几何工具都有Calibration属性不设置的话默认输出像素值。解决检查工具的Calibration属性是否指向正确的.cal文件。可以在 QuickBuild 里右键工具 → Properties → Calibration 确认。二次开发时要在代码里显式赋值caliper.Calibration calib。5.2 Blob 阈值设太高小硬币直接消失现象硬币统计结果比实际少小面额硬币一个都数不到。原因Threshold设太高小硬币的灰度值没超过阈值二值化后被当成背景。解决用 CogHistogram 看灰度分布找双峰之间的谷底。如果小硬币和大硬币灰度差异大考虑用自适应阈值或者分区域设不同阈值。VisionPro 的 CogBlob 支持RelativeThreshold模式可以基于局部对比度分割。5.3 骰子点粘连Blob 数出来少一个点现象6 点的骰子只数出 5 个点或者 4 点变 3 点。原因两个点靠得太近二值化后连成一个区域。解决先做形态学开运算先腐蚀后膨胀断开粘连再统计。或者降低AreaThresholdHigh把粘连的大区域排除掉但这样会漏掉正常的大点。更好的做法是用距离变换 分水岭但 VisionPro 里没有现成的分水岭工具得用 CogMorphology 组合实现。5.4 模板匹配得分普遍偏低找不到骰子现象CogPMAlign 的匹配得分都在 0.5 以下AcceptThreshold设 0.7 时一个都匹配不上。原因模板训练时的光照条件和实际图像差异太大或者掩膜没设好背景干扰了匹配。解决重新拍训练样本确保光照和实际产线一致。检查掩膜是否覆盖了非点区域。如果骰子有反光考虑用偏振片或者调整光源角度。AcceptThreshold可以先降到 0.5 看能不能匹配上再逐步提高。5.5 显示图形闪烁操作员看不清现象测量结果在界面上闪烁或者刷新时旧图形没清掉叠了一堆。原因每次运行都往StaticGraphics里 Add 新图形但没有清空旧的。解决在每次运行前调用display.StaticGraphics.Clear()或者用display.StaticGraphics.Add(graphics, Measurement)的第二个参数作为 key同名 key 会覆盖旧图形。二次开发时要注意线程安全UI 刷新和工具运行要在同一个线程或者加锁。6. 进阶技巧用 C# 联合 VisionPro 做硬触发采集与实时统计6.1 硬触发采集的配置要点产线上不可能手动点「运行」得靠传感器硬触发。VisionPro 支持通过 CogFrameGrabber 的触发输入引脚接收硬触发信号。配置时要注意三个参数触发沿上升沿还是下降沿、去抖时间防止机械抖动误触发、超时时间触发后多久没图像就报错。// C# 中配置硬触发采集 CogFrameGrabberGigE frameGrabber new CogFrameGrabberGigE(); frameGrabber.TriggerMode CogFrameGrabberTriggerModeConstants.Hardware; frameGrabber.TriggerEdge CogFrameGrabberTriggerEdgeConstants.RisingEdge; frameGrabber.TriggerDebounceTime 100; // 去抖 100 微秒 frameGrabber.TriggerTimeout 5000; // 超时 5 秒 frameGrabber.Start();TriggerDebounceTime设 100 微秒是经验值如果传感器信号干净可以设更小。TriggerTimeout设 5000 毫秒超过这个时间没收到图像就抛异常避免程序卡死。6.2 实时统计的线程模型硬触发采集是异步的图像回调在采集线程里执行而 UI 更新在主线程。如果直接在回调里更新 UI会报跨线程异常。常见做法是用Invoke或者BeginInvoke把结果抛回主线程。// 采集回调中更新 UI private void OnImageAcquired(object sender, CogFrameGrabberImageEventArgs e) { CogImage8Grey image e.Image as CogImage8Grey; // 在采集线程里跑工具 CogBlobResult blobResult blob.Execute(image); int count blobResult.Blobs.Count; // 抛回主线程更新 UI this.BeginInvoke(new Action(() { lblCount.Text $硬币数量: {count}; display.Image image; display.StaticGraphics.Clear(); display.StaticGraphics.Add(blobResult.CreateGraphics(), Blob); })); }BeginInvoke是异步的不会阻塞采集线程。如果统计逻辑复杂可以在回调里只做工具运行把结果存到队列里另开一个线程做 UI 更新。这样采集和显示解耦不会因为 UI 卡顿丢帧。6.3 统计结果的持久化与追溯产线上统计结果要存数据库方便追溯。我一般用 SQLite 存每条记录时间戳、图像路径、测量值、统计数量、判定结果。写入时用事务批量提交避免频繁 IO。-- 统计结果表结构 CREATE TABLE inspection_record ( id INTEGER PRIMARY KEY AUTOINCREMENT, timestamp DATETIME DEFAULT CURRENT_TIMESTAMP, image_path TEXT, coin_count INTEGER, dice_value INTEGER, dimension_mm REAL, result TEXT -- PASS 或 FAIL );result字段根据公差和统计规则算出来。比如硬币数量必须在 1012 之间骰子点数必须和预期一致尺寸必须在公差带内。这些规则写在配置文件里换产品时只改配置不改代码。6.4 我踩过的最大的坑忘记释放 CogImageVisionPro 的 CogImage 是托管对象但底层有非托管内存。如果采集频率高、图像不释放内存会一直涨跑几个小时就崩。血泪经验是每处理完一帧显式调用image.Dispose()或者用using包起来。另外CogGraphicCollection里的图形对象也要在清空后释放否则同样泄漏。using (CogImage8Grey image e.Image as CogImage8Grey) { // 处理图像 var result blob.Execute(image); // 处理完自动释放 }这个using写法我后来在所有采集回调里都加上了内存曲线立刻平稳。如果你也在做 VisionPro 二次开发这条习惯能省掉很多半夜排查内存泄漏的时间。希望帮到你。本文还有配套的精品资源点击获取