Q：如何選工業相機解析度？要 2MP、5MP 還是 12MP？

一個公式搞定解析度選型

需求 sensor 解析度 = (FOV / 最小特徵尺寸) × 安全係數（3-5）

範例 1：標準條碼讀取

• FOV = 100 mm
• 最小條碼模組（DataMatrix module）= 0.5 mm
• 安全係數 5（DataMatrix 需 ≥ 5 pixel/module）
• 需求 = 100 / 0.5 × 5 = 1000 pixels 寬
• → 1.44 MP 相機已夠（如 DataMan 280 = 1440×1080）

範例 2：精密尺寸量測

• FOV = 50 mm
• 量測精度需求 ±0.01 mm
• 安全係數 3（搭配 sub-pixel）
• 需求 = 50 / 0.01 × 3 = 15000 pixels 寬
• → 12 MP 相機（如 In-Sight 9912 = 4096 × 3000）勉強夠
• 或縮小 FOV 到 25 mm + 5MP

Cognex 解析度產品線

4 個典型場景選型

場景 1：飲料瓶蓋有 / 無檢知

• FOV：80 mm
• 最小特徵：5 mm（瓶蓋）
• → 1.44-2 MP 足
• 推薦：In-Sight 2800（一體化 AI）

場景 2：PCB SMT 元件方向

• FOV：200 mm
• 最小特徵：0.6 mm（0201 元件）
• → 5 MP 為起點
• 推薦：In-Sight 3800（5MP）

場景 3：IC 載板 DataMatrix 條碼

• FOV：50 mm
• 條碼 module：0.2 mm
• → 2-5 MP
• 推薦：DataMan 470（高速 + HDR）

場景 4：半導體 Wafer 字元 OCR

• FOV：30 mm
• 字元高度：0.5 mm，最小 stroke：0.05 mm
• 需求極高
• → 12 MP
• 推薦：In-Sight 9912 或 In-Sight D900（AI）

高解析度的隱性成本

選 12 MP 不只是「相機貴一點」：

結論：不要過度買解析度。剛好夠用 + 20% 餘裕最佳。

解析度 vs Sub-pixel 精度

關鍵觀念：Cognex sub-pixel 演算法讓「低解析度也能高精度」。

公式：

量測精度 = 每像素物理尺寸 × 0.05（sub-pixel）

範例（理論計算，實際以樣品試打為準）：

• 5 MP 相機 + FOV 100 mm
• 每像素 ≈ 0.041 mm
• 理論量測精度 ≈ 像素尺寸 × sub-pixel 係數

5 MP 在多數精密應用已足，是否需 12 MP 依實際 FOV 與精度需求評估。

工程師常見問題

Q：解析度越高越好？

A：不是。高解析度帶來成本、速度、儲存等隱性問題。剛夠用 + 20% 餘裕 是最佳實務。

Q：能用 Binning 補救選太高解析度嗎？

A：可以但浪費。買 12MP 卻 Binning 到 3MP 用 → 不如直接買 5MP（cheaper + 同效果）。

Q：彩色 vs 灰階對解析度影響？

A：Bayer Color 損失 ~33% 有效解析度。同 5MP 標稱：

• Mono 5MP = 真實 5MP
• Color 5MP ≈ 真實 3.3MP

精密量測選 Mono。

Q：12MP 線掃描跟 12MP 面掃描差別？

A：

• 面掃描 12MP = 4096 × 3000 pixels 一張影像
• 線掃描 2K-16K（依機型） = 線寬固定 × 任意長（依移動長度）

線掃描適合連續產線 / 圓筒，面掃描適合靜態工件。

→ VSK 提供解析度選型表 + 樣品試打

💡 多數台灣業主在 Cognex 康耐視與 Keyence 基恩斯之間評估；商業模式差異（PSI 整合商 vs 業務直銷）會影響設備保固服務成本與 視覺系統整合彈性。延伸閱讀：Cognex vs Keyence 比較。