流水线工件自动计数：C# + 工业相机 + PLC 低成本改造方案

上个月帮一个五金冲压厂做了3条流水线的工件自动计数改造，总成本不到1200元，误检率低于0.1%，已经稳定运行2个月。

客户之前用的是光电开关计数，对于厚度小于1mm的薄铁片，经常出现重叠漏检和多检的情况，每天人工盘点误差超过5%。
咨询过专业的视觉计数系统，单条线报价就要8000元以上，而且后续维护还要额外收费。
最后我们用普通USB工业相机+现有PLC+C#自研程序的方案，实现了同样的功能，成本只有专业系统的1/7。

今天把完整的改造方案分享出来，不需要复杂的深度学习模型，纯传统图像处理就能搞定，有一点C#基础就能自己做。

一、项目痛点与方案选型

客户的3条流水线主要生产汽车用的冲压铁片，每分钟产出60-80个工件，要求计数准确率99.9%以上，数据直接对接现有PLC系统。

传统光电开关的致命问题：

• 工件重叠时无法识别，漏检率高达3-5%
• 薄铁片和透明工件容易穿透，导致误检
• 不同规格工件需要重新调整传感器位置
• 无法区分合格品和不良品，只能统计总数

最终技术选型：

• 视觉处理：C# + OpenCvSharp4（传统图像处理，无需训练模型）
• 工业相机：海康威视MV-U313-20GC（300元，USB3.0接口）
• 光源：白色环形LED光源（50元，解决光照不均问题）
• PLC通信：Modbus TCP协议（复用现有西门子S7-1200 PLC）
• 部署环境：现有产线工控机（无需额外购买硬件）

二、整体系统架构与工作流程

整个系统完全基于现有硬件改造，不需要更换PLC和工控机，只需要加装相机和光源即可。

#mermaid-svg-GlzgNbwoofd7CubC{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-GlzgNbwoofd7CubC .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-GlzgNbwoofd7CubC .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-GlzgNbwoofd7CubC .error-icon{fill:#552222;}#mermaid-svg-GlzgNbwoofd7CubC .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-GlzgNbwoofd7CubC .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-GlzgNbwoofd7CubC .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-GlzgNbwoofd7CubC .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-GlzgNbwoofd7CubC .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-GlzgNbwoofd7CubC .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-GlzgNbwoofd7CubC .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-GlzgNbwoofd7CubC .marker{fill:#333333;stroke:#333333;}#mermaid-svg-GlzgNbwoofd7CubC .marker.cross{stroke:#333333;}#mermaid-svg-GlzgNbwoofd7CubC svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-GlzgNbwoofd7CubC p{margin:0;}#mermaid-svg-GlzgNbwoofd7CubC .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-GlzgNbwoofd7CubC .cluster-label text{fill:#333;}#mermaid-svg-GlzgNbwoofd7CubC .cluster-label span{color:#333;}#mermaid-svg-GlzgNbwoofd7CubC .cluster-label span p{background-color:transparent;}#mermaid-svg-GlzgNbwoofd7CubC .label text,#mermaid-svg-GlzgNbwoofd7CubC span{fill:#333;color:#333;}#mermaid-svg-GlzgNbwoofd7CubC .node rect,#mermaid-svg-GlzgNbwoofd7CubC .node circle,#mermaid-svg-GlzgNbwoofd7CubC .node ellipse,#mermaid-svg-GlzgNbwoofd7CubC .node polygon,#mermaid-svg-GlzgNbwoofd7CubC .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-GlzgNbwoofd7CubC .rough-node .label text,#mermaid-svg-GlzgNbwoofd7CubC .node .label text,#mermaid-svg-GlzgNbwoofd7CubC .image-shape .label,#mermaid-svg-GlzgNbwoofd7CubC .icon-shape .label{text-anchor:middle;}#mermaid-svg-GlzgNbwoofd7CubC .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-GlzgNbwoofd7CubC .rough-node .label,#mermaid-svg-GlzgNbwoofd7CubC .node .label,#mermaid-svg-GlzgNbwoofd7CubC .image-shape .label,#mermaid-svg-GlzgNbwoofd7CubC .icon-shape .label{text-align:center;}#mermaid-svg-GlzgNbwoofd7CubC .node.clickable{cursor:pointer;}#mermaid-svg-GlzgNbwoofd7CubC .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-GlzgNbwoofd7CubC .arrowheadPath{fill:#333333;}#mermaid-svg-GlzgNbwoofd7CubC .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-GlzgNbwoofd7CubC .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-GlzgNbwoofd7CubC .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-GlzgNbwoofd7CubC .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-GlzgNbwoofd7CubC .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-GlzgNbwoofd7CubC .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-GlzgNbwoofd7CubC .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-GlzgNbwoofd7CubC .cluster text{fill:#333;}#mermaid-svg-GlzgNbwoofd7CubC .cluster span{color:#333;}#mermaid-svg-GlzgNbwoofd7CubC div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-GlzgNbwoofd7CubC .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-GlzgNbwoofd7CubC rect.text{fill:none;stroke-width:0;}#mermaid-svg-GlzgNbwoofd7CubC .icon-shape,#mermaid-svg-GlzgNbwoofd7CubC .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-GlzgNbwoofd7CubC .icon-shape p,#mermaid-svg-GlzgNbwoofd7CubC .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-GlzgNbwoofd7CubC .icon-shape .label rect,#mermaid-svg-GlzgNbwoofd7CubC .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-GlzgNbwoofd7CubC .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-GlzgNbwoofd7CubC .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-GlzgNbwoofd7CubC :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}

流水线运行

PLC触发相机拍照

工业相机采集图像

C#图像处理与计数

结果校验与去重

发送计数信号给PLC

PLC累加计数并控制流水线

数据存储与报表生成

核心工作原理：
PLC在流水线每前进一个固定距离时，给上位机发送一个触发信号。
上位机控制相机拍照，通过图像处理算法识别工件数量，然后将结果返回给PLC。
PLC根据计数结果控制流水线启停，当达到设定数量时自动报警提示换箱。

三、分步实现：3天完成整条线改造

3.1 硬件安装与调试（1天）

硬件安装是最容易被忽视的环节，直接决定了后续图像处理的难度。

相机安装要点：

• 垂直安装在流水线正上方，距离传送带高度30-40cm
• 镜头对准流水线中心，确保视野覆盖整个传送带宽度
• 使用可调节支架，方便后续调整焦距和角度

光源安装要点：

• 环形光源与相机同轴安装，避免产生阴影
• 光源亮度调至中等，不要过亮导致工件过曝
• 加装遮光罩，避免环境光变化影响检测效果

调试时先拍一张空传送带的照片作为背景，然后放几个工件测试，确保工件和背景有明显的对比度。

3.2 C#核心计数算法实现

我们没有使用YOLO等深度学习模型，纯传统图像处理就能满足需求，速度更快，稳定性更高。

核心算法流程：背景差分 → 二值化 → 形态学开运算 → 轮廓检测 → 计数统计。

using OpenCvSharp;

public int CountWorkpieces(Mat frame, Mat background)
{
// 背景差分，提取前景工件
Cv2.Absdiff(frame, background, frame);
// 转灰度图并二值化
Cv2.CvtColor(frame, frame, ColorConversionCodes.BGR2GRAY);
Cv2.Threshold(frame, frame, 30, 255, ThresholdTypes.Binary);
// 形态学开运算，去除噪点
Mat kernel=Cv2.GetStructuringElement(MorphShapes.Rect, new Size(3, 3));
Cv2.MorphologyEx(frame, frame, MorphTypes.Open, kernel);
// 检测轮廓并计数
Cv2.FindContours(frame, out var contours, out _,
RetrievalModes.External, ContourApproximationModes.ApproxSimple);

return contours.Count(c=>c.Area>100); // 过滤面积过小的噪点
}

这段代码就是整个计数系统的核心，不到15行，在普通工控机上运行时间不到1ms。

3.3 PLC通信与信号交互

上位机和PLC通过Modbus TCP协议通信，只需要两个寄存器就能完成所有交互。

• PLC寄存器DB1.DBW0：触发信号（PLC写1，上位机收到后置0）
• PLC寄存器DB1.DBW2：计数结果（上位机写入，PLC读取）

核心通信代码复用了我们之前Modbus TCP项目的实现，只需要添加简单的信号处理逻辑：

while (isRunning)
{
// 读取PLC触发信号
short trigger=await plcClient.ReadInt16Async("DB1.DBW0");
if (trigger==1)
{
// 拍照并计数
Mat frame=camera.CaptureFrame();
int count=CountWorkpieces(frame, background);
// 写入计数结果并复位触发信号
await plcClient.WriteInt16Async("DB1.DBW2", (short)count);
await plcClient.WriteInt16Async("DB1.DBW0", 0);
}
await Task.Delay(10);
}

四、工业级稳定性优化

工业现场环境复杂，光照变化、灰尘、振动都会影响检测结果，我们做了以下优化：

1. 自动背景更新机制

每隔1小时自动更新一次背景图，解决灰尘积累和光照缓慢变化的问题。
当流水线空闲时自动触发背景更新，不需要人工干预。

2. 防重复计数算法

设置一个时间窗口，在100ms内只处理一次触发信号，避免PLC信号抖动导致的重复计数。
同时记录上一次的计数结果，如果两次结果相差过大则标记为异常，重新拍照检测。

3. 异常处理机制

• 相机断开连接后自动重连，重连成功后继续工作
• 连续3次检测异常时自动报警，暂停流水线
• 所有检测结果和异常信息都记录到本地数据库，方便追溯

五、成本核算与效果对比

单条流水线改造成本明细：

改造前后效果对比：

六、现场踩坑实录

1. 工件重叠导致漏检

现象：当两个工件重叠在一起时，算法会识别为一个，导致漏检。
解决方法：在流水线前端加装一个分料器，让工件均匀排列通过检测区域。
对于轻微重叠的情况，可以通过调整轮廓检测的面积阈值来解决。

2. 光照变化导致误检

现象：早上和下午的光照不同，导致二值化阈值不合适，出现误检。
解决方法：不要使用固定阈值，改用自适应阈值算法。
同时加装遮光罩，最大限度减少环境光的影响。

3. PLC触发信号延迟

现象：偶尔会出现拍照时机不对，工件没有完全进入视野。
解决方法：在PLC中添加一个延迟定时器，触发信号发出后延迟50ms再拍照。
这个延迟时间需要根据流水线速度进行调整。

七、总结与扩展

这个低成本视觉计数方案已经在3条流水线稳定运行2个月，客户非常满意。
相比专业的视觉系统，我们的方案成本极低，而且完全自主可控，后续可以根据需求进行扩展。

可扩展功能：

• 增加工件尺寸检测，识别变形和破损的不良品
• 接入MES系统，实现生产数据实时上报
• 添加产量统计和报表生成功能
• 支持多条流水线集中管理

对于中小工厂来说，这种低成本的改造方案性价比极高，不需要投入大量资金就能显著提高生产效率。
工业自动化不一定非要用最先进的技术，适合自己的才是最好的。