生产线上，一瓶瓶饮料飞快移动，一个细微的瓶盖缺陷闪过，系统瞬间识别并精准将其剔除出队列——这套流畅动作背后，是工业视觉系统对“NG”的毫秒级判定。
你可能在工厂车间或技术论坛上常听人提起“工业相机NG”，乍一听有点专业，其实它的含义直白而关键。简单来说，在工业自动化和机器视觉领域，NG就是“不良品”或“不合格品”的简称，与“OK”（合格品）相对-3。
这个判定结果，是自动化生产线决定一个产品是继续流转还是被剔除的核心依据。
“NG”这个缩写并非工业领域的独创，它起源于影视拍摄术语“No Good”，意指拍摄失败的镜头片段。在日资企业广泛推行的精细化管理体系中，这个直观的词汇被沿用并赋予了“不合格”的明确含义，随后逐渐成为亚太地区乃至全球制造业的通用术语-3。
在现代工厂里，当一件产品经过工业相机检测区域时，系统会将其与预设的质量标准进行高速比对。只要有一个关键指标不达标，比如尺寸超差、外观有瑕、标签错位或字符缺失，系统就会瞬间给出“NG”的判定-4。
理解“工业相机NG”的真正含义，必须将其置于鲜活的生产场景中。以食品饮料行业常见的瓶盖检测为例，传统方式可能因视角受限导致漏检。
现在的高端方案部署多个工业相机：一个从上往下拍瓶盖顶部，四个互成90度角从侧面拍摄瓶盖侧壁，实现360度无死角覆盖-1。
这套系统能精准捕捉大于1毫米的杂色缺陷，并将检测速度从每分钟900个大幅提升至1500个。一旦相机捕捉到不符合标准的瓶盖，系统会记录其位置，并在流水线的特定位置由气阀准确吹落-1。
工业相机判定“NG”的标准，是一套严谨的数字化规则。根据行业领先的视觉软件设定，判断通常围绕几个核心维度展开。
外观质量是首要因素，产品表面不能有明显的划痕、裂纹、污渍或缺失-4。其次是尺寸精度，产品的长宽高、直径等关键尺寸必须在允许的公差范围内。
位置准确性同样重要，例如药品包装上的标签、电子元件在电路板上的位置，都必须与预设的坐标严格对齐-4。在药品包装检测中，标准更为严苛。
从西林瓶、安瓿瓶的瓶口完整性、瓶身裂纹，到外包装上的字符、日期、二维码的印刷质量，任何一项不合格都会触发“NG”判定，确保药品安全-5。
在实际应用中，围绕“NG”判定存在两个棘手的现象：“漏失”和“过杀”。这两个指标直接影响生产线的质量与效率平衡。
漏失，也称漏检，指实际存在缺陷的产品被系统误判为“OK”而放过。这如同质量防线上的漏洞，可能导致不良品流向市场，引发客户投诉-3。
过杀则走向另一个极端，指系统过于敏感，将合格品误判为“NG”而剔除-3。这直接造成原材料浪费、生产效率下降和成本增加。产生这些问题的原因复杂多样。
可能是检测阈值设置不当，可能是光源照明不均或相机分辨率不足导致图像质量差，也可能是算法在处理某些特殊场景时能力有限-3。
“NG”不仅仅是一个判定结果，更是驱动整个智能制造流程的关键信号。这个信号触发一系列自动化动作。
当系统判定一个产品为“NG”后，会立即将包含位置、缺陷类型等信息的信号发送给生产线控制系统，随即机械手或气动装置会准确地将不良品移出生产线-1。
在更高层级的工厂管理中，“NG”数据被系统收集、分析，形成实时的产品合格率报表。这些数据帮助管理人员快速定位问题工位，分析缺陷产生的原因。
从技术演进角度看，对“NG”更快速、更精准的识别与处理，一直是工业相机和机器视觉技术发展的核心驱动力之一-5。
当前工业相机的“NG”判定，正朝着更智能、更集成的方向发展。随着深度学习算法的引入，系统不再仅仅依赖预设的固定规则进行比对。
通过学习大量良品与不良品的图像特征，算法能识别更复杂、更细微的缺陷，甚至发现人眼难以察觉的早期质量问题-6。
更高速度的接口如10GigE、更先进的5G无线传输技术被应用于视觉系统，满足高分辨率、3D检测等复杂任务对数据传输的苛刻要求-5。
这些技术使得“NG”判定更快、更准，为真正无间断的高效生产提供了可能。未来，工业视觉系统或许不仅能判定“NG”，还能分析缺陷产生的原因趋势。
生产线上，一瓶罐装饮料正以每秒数十个的速度通过检测区。侧壁四个互成90度的相机如同敏锐的眼睛，瞬间捕捉到瓶盖上一个0.8毫米的微小凹痕——系统判定“NG”，气阀在精确计算的位置启动，这个不合格品无声地滑入回收通道，它的同伴们继续流向包装工段-1。
