1

打基础:理解机器视觉的基本概念 零成本

先弄懂"机器视觉在做什么":采集、处理、分析、通信四个环节。了解工业相机、镜头、光源的基本概念。

资源:课程知识 的 01、09 两节;术语表 通读一遍。

验证:能用大白话解释 FOV、工作距离、像素分辨率之间的关系。

2

核心四件套:PatMax + Blob + Caliper + Fixture 重点

这四个工具覆盖 AOI 中 80% 的常规检测。先理解每个工具"解决什么问题",再理解"参数怎么调"。

资源:课程知识 的 02–05 节;交互演示 亲手拖动阈值、极性、面积。

验证:在交互演示里,能通过调整参数准确检测出测试图中的 20 个圆点 + 1 个矩形,并过滤掉噪点。

3

QuickBuild 图形化流程 需 VisionPro

在 VisionPro 的 QuickBuild 里,用图形界面把"采集 → 定位 → 检测 → 输出"串成一条完整流程,保存为 .vpp 文件。

前提:安装 VisionPro(项目里已有 9.26 SR1 安装包)。无加密狗可进入演示模式练习配置。

验证:能独立搭一个"PatMax 定位 + Blob 计数"的 QuickBuild 流程并保存。

4

C# 联合编程:从 QuickBuild 到 Visual Studio 你的强项

把 QuickBuild 里搭好的流程嵌入 C# 应用:加载 .vpp、用代码触发运行、读取结果、显示图像、与 UI 交互。

资源:项目里已有的 VisionProFirstDemo(真实版)与 VisionProMockDemo(模拟版)。 两套代码的 API 一一对应,先看模拟版理解流程,再看真实版学 API。

验证:能写出一个 WinForms 程序,加载 .vpp、点按钮运行、在 CogDisplay 里显示结果图像与检测框。

5

进阶:深度学习、3D、标定与产线集成 按需

根据实际项目需要选修:复杂缺陷检测学 Deep Learning,尺寸测量学 Calibration,机器人引导学 Hand-Eye,产线对接学通信配置。

资源:课程知识 的 07、10、11 节;项目里的 Deep Learning 实验数据。

验证:能针对一个具体缺陷场景,判断该用传统工具还是深度学习,并说明理由。

关于许可证:第 1、2、4 阶段(理解概念、交互演示、写 C# 代码)不需要 VisionPro 许可证。 第 3 阶段起需要安装 VisionPro;真正运行视觉工具还需要 Cognex 加密狗或有效许可证。 建议先用前两个阶段把概念和代码打扎实,再解决许可证问题。
时间预估:第 1 阶段 1–2 天,第 2 阶段 3–5 天,第 3 阶段 1 周(含装软件),第 4 阶段 1–2 周。 整体 1 个月左右可以具备独立开发 AOI 检测程序的基础能力。

联系客服

📞 电话:0515-66882633

企业微信

扫码添加智能客服

💬