machine vision ui

聊到 machine vision UI，很多人的第一反应是“机器视觉的界面不就是个参数面板吗”，但真正做过产线项目的人会告诉你：machine vision UI 本质上是把成像、算法、标定、通信、报警这一整套复杂链路，压缩成一个让操作工在几秒内能看懂、能点对、能复现的交互层。它既不是纯前端美化，也不是纯算法调参，而是工业软件里最容易被低估、却最影响交付成败的一环。

machine vision UI 到底指什么

从字面看，它是机器视觉系统的用户界面。但在实际工程语境里，它通常覆盖三类不同的东西，很多人会把它们混在一起讨论，结果越聊越乱。

• 调试/配置界面：工程师用来选相机、设曝光、画 ROI、配算法流程、调阈值、做标定。典型代表是 Halcon 的 HDevelop、康耐视的 In-Sight 软件、基恩士的 IV 系列配置工具。
• 运行时操作界面：产线操作工每天看的画面，显示 OK/NG、缺陷位置、统计良率、触发重检、切换配方。要求大按钮、高对比、少文字、防误触。
• 数据与追溯界面：把每张图的检测结果、时间戳、相机号、配方版本、操作员绑定，供 MES 或质量系统查询。这一层常被忽略，但客户验收时最较真。

所以当你问“machine vision UI 怎么做”时，先要确认你说的是哪一层。三层混在一个界面里，是很多项目后期被吐槽“难用”的根源。

核心功能拆解：一个合格的视觉 UI 该有什么

我按实际项目里最常被要求的模块来列，顺序基本就是开发优先级。

1. 实时图像预览与叠加层：原图、ROI 框、检测框、缺陷标记、坐标轴、标尺。叠加层要能单独开关，否则操作工会被满屏线条逼疯。
2. 配方管理：不同产品切换时，曝光、算法参数、ROI、判定阈值要能一键切换并版本化。没有配方管理的视觉系统，换型时就是灾难。
3. 结果判定与统计：OK/NG 计数、良率趋势、NG 分类占比。注意，统计要能按班次、按配方、按相机分开看。
4. 报警与日志：相机掉线、触发超时、算法异常、磁盘满。日志要能导出，最好带截图，否则售后电话里说不清。
5. 权限与审计：操作工只能看和重检，工程师才能改参数。谁在什么时候改了哪个阈值，必须留痕。
6. 通信状态：PLC、机器人、MES 的连接状态要可视。很多“检测没问题但产线停了”的锅，其实是通信断了。

几种主流实现路线对比

这块是问得最多的。没有绝对最优，只有适不适合你的团队和交付节奏。

我个人的经验是：如果相机数量少、算法固定，优先用视觉软件自带 UI；如果要接 MES、要远程、要多配方，Web 化或 WPF 自绘更稳。Qt 在工业现场依然很能打，但招人成本和上手速度要提前算。

设计上最容易踩的坑

这些不是理论，是现场被骂出来的。

• 把调试界面直接当操作界面用：工程师觉得“参数都在，多方便”，操作工看到一屏滑块直接懵。两层界面要分开。
• NG 图太小：缺陷可能只有几个像素，操作工要能一键放大到原始分辨率，最好带十字定位。
• 没有“重检”与“确认”的区分：重检是再拍一次，确认是人工判定。混在一起，追溯数据就废了。
• 颜色只用红绿：色弱人群不少，NG 最好同时有形状或文字标识。
• 忽略分辨率适配：现场可能是 1366×768 的老显示器，也可能是 4K 大屏。布局要能缩放。
• 日志只写文字不存图：出问题时没有图，等于没有证据。

如果要用现成产品，可以看哪些

这里列几个在 machine vision UI 层面有代表性的，不吹不黑，按需选。

• Halcon / HDevelop：算法库天花板，UI 偏工程师向。官网 https://www.mvtec.com/products/halcon
• 康耐视 In-Sight：一体化视觉系统，UI 成熟，适合产线快速部署。官网 https://www.cognex.com/products/machine-vision/in-sight-vision-systems
• 基恩士 IV 系列：主打易用，操作界面极其简化。官网 https://www.keyence.com.cn/products/measure/vision-system/
• OpenCV + Qt/PyQt：开源路线，UI 全自己写，灵活但费人。OpenCV 官网 https://opencv.org/

收费上，Halcon 和康耐视都是按授权/相机数计费，具体价格要谈；基恩士通常绑定硬件；OpenCV 免费，但你的开发人力就是成本。

一个常被忽略的趋势：UI 正在从“面板”变成“工作流”

以前视觉 UI 就是参数面板加图像窗口。现在越来越多项目要求：检测结果直接推给机械臂、NG 图自动上传 MES、良率异常自动触发邮件、操作工在平板上确认。也就是说，machine vision UI 正在从单机界面变成产线数据流的一个节点。谁先把通信、权限、追溯做扎实，谁的交付就少返工。

相关问题

1. machine vision UI 和普通工业 HMI 有什么区别？
普通 HMI 以按钮、数值、趋势为主；视觉 UI 必须处理图像渲染、叠加层、大分辨率实时刷新，对帧率和内存更敏感。

2. 用 Web 做视觉 UI 现实吗？
做监控和看板很现实，做毫秒级实时叠加要谨慎。可以用 WebSocket 传结果和压缩图，原图按需拉取。

3. 视觉 UI 需要懂算法吗？
不需要会写算法，但必须理解 ROI、阈值、标定、触发这些概念，否则设计出来的交互和实际流程对不上。

4. 多相机系统 UI 怎么组织？
按工位或按相机分页，主界面只显示汇总状态，点进去看单相机细节。不要把所有相机的图堆在一屏。

5. 怎么评估一个视觉 UI 好不好用？
让一个没参与项目的操作工上手，看换型、重检、查 NG 图这三件事能不能在 1 分钟内完成，基本就能判断。