工业相机完成检测时，真正需要的是整个被测区域都处于足够清晰的范围，而不是只有某一个平面达到最佳焦点。所谓景深，可以理解为物体在光轴方向前后移动时，仍然能够保持可接受清晰度的范围。工件高度完全固定时，景深要求可能并不高；但如果被测零件存在高度差、输送线有上下振动、工装重复定位存在变化，景深不足就容易表现为同一个检测程序有时识别稳定，有时边缘变软甚至定位失败。

光圈是影响景深的重要因素之一。通常情况下，缩小光圈可以增加景深，使前后不同高度的区域更容易同时保持清晰。这也是很多视觉系统在调试时常用的方法。但光圈缩小以后，进入镜头的光量也会减少，相机为了维持图像亮度，往往需要延长曝光时间、提高照明强度或者增加增益。这样一来，原本解决了景深问题，又可能引入运动模糊、噪声增加或照明压力。

曝光时间的变化尤其需要注意。输送带、转盘、机械手或连续运动工件在拍摄时，如果曝光时间过长，工件在曝光期间发生位移，图像边缘就会变成拖影。这个时候画面看起来同样“不够清晰”，但它和景深不足是两种完全不同的原因。景深不足通常和工件高度或焦平面位置有关，而运动模糊通常和移动速度及曝光时间相关。如果把运动模糊误判成镜头没对好焦，反复调整焦点也很难解决问题。

把光圈缩得过小也不是无限有利。镜头在较小光圈下虽然可以增加景深，但衍射效应会逐渐影响细节分辨能力。实际表现可能是整体区域都“差不多清楚”，但细小边缘、字符笔画或微小缺陷反而不如合适光圈下锐利。因此，工业视觉调试并不是追求光圈越小越好，而是在所需景深范围内保持足够的成像细节。具体最佳位置会受到镜头、像素尺寸、工作距离和检测目标影响，不能用一个固定光圈值套用所有系统。

光圈开得过大则会出现另一类问题。虽然图像会更亮，曝光时间也可以缩短，但景深通常会减小。如果被测产品存在高度差，某些区域可能清晰，另一些区域则逐渐失焦。对二维尺寸测量、字符识别或边缘定位来说，这种局部清晰度变化可能直接影响阈值分割和边缘提取结果。设备刚开始调试时如果只用一个标准样品对焦，很容易忽略批量产品实际高度变化带来的问题。

工作距离和镜头焦距同样会参与景深变化。镜头安装位置改变以后，即使光圈设置相同，成像范围、放大倍率和景深也可能跟着变化。如果为了扩大视野临时调整相机高度，再通过重新对焦恢复清晰，原来的景深条件可能已经改变。因此，机器视觉设备改造时，只修改相机位置而不重新验证景深和照明，容易留下稳定性问题。

工件自身结构也会决定光圈应该如何选择。检测平面基本一致的印刷字符、标签和二维轮廓，对景深要求相对简单；而带有台阶、凸起、螺纹、端子、连接器针脚或较深结构的产品，则可能同时存在多个高度层。如果算法需要在一个画面中识别不同高度区域，就必须在镜头和光圈选择阶段考虑整个高度范围，而不能只对最高点或最低点调焦。

照明条件往往决定了光圈调整有没有余地。稳定且足够的工业照明，可以让相机在较小光圈下仍保持合理曝光时间。如果照明不足，只能依赖提高相机增益补偿亮度，图像噪声就可能增加。对于灰度差本来就较小的检测任务，噪声上升会让边缘和缺陷特征更难分离。因此，镜头光圈并不是独立参数，它必须和照明强度、曝光时间以及增益一起调整。

现场还经常出现中心清晰、边缘发虚的问题。这不一定只是景深不足，也可能和镜头本身的成像性能、视场大小、安装倾斜或工件平面不平行有关。如果相机和被测平面存在倾角，图像的一侧可能落在焦平面附近，而另一侧逐渐离开最佳焦点。此时继续缩小光圈可能暂时改善，但更合理的处理是先检查相机、镜头和工件平面的几何关系。

判断视觉系统清晰度问题时，可以先固定工件和照明条件，观察不同高度位置的成像变化。如果工件上下移动后清晰度明显变化，说明景深需要重点考虑；如果静止图像清晰，但设备运动后边缘变模糊，则应优先检查曝光时间和运动速度；如果画面中心清晰但四周长期偏软，则还要检查镜头成像范围和安装状态。

对于已经投入生产的视觉设备，参数修改也不应只看“画面是不是更好看”。机器视觉最终关注的是算法稳定性，因此光圈调整以后，还要重新观察边缘定位、字符识别、缺陷分割和重复检测结果。某个设置可能在人眼看来亮度更高、画面更清楚，但并不一定意味着算法稳定性更好。

工业镜头景深和光圈的平衡，本质上是在清晰范围和进光量之间进行控制，同时还要兼顾曝光、运动状态和镜头解析能力。调试时更可靠的思路，是先确定工件真实的高度变化范围和检测细节要求，再通过镜头位置、光圈和照明共同建立足够余量，而不是在设备出现漏检以后单独调整某一个参数。视觉系统只有在机械位置、光学条件和图像采集参数同时稳定时，检测结果才容易保持长期一致。