计算机视觉（CV）落地工厂：从焦头烂额到真香的五年

上个月，我们给注塑车间搞的那套视觉分拣系统又崩了——塑料件表面有道浅得几乎看不见的熔接痕，人眼都得斜着光才能发现，机器直接给放过去了。我当时对着屏幕骂了句脏话，然后把咖啡杯重重砸在桌上。

这就是工业现场的真相：实验室里99.9%的准确率，到了车间可能连80%都稳不住。为什么？灰尘、油污、振动、忽明忽暗的顶灯……还有操作工偶尔随手搁在相机旁的半瓶矿泉水。但五年下来，我还是觉得计算机视觉（CV）是近十年对制造业最实在的技术渗透——比数字孪生那套虚头巴脑的玩意儿强多了。今天不写八股文，就聊点一线攻城狮才懂的磕绊和惊喜。

选型时，你最容易在哪个细节上翻车？

很多人一上来就纠结算法：用YOLOv8还是EfficientNet？说实话，这根本不是重点。至少在我碰过的三十多个项目里，工业相机和光源选错导致返工的比例高得离谱。有一次做金属冲压件毛刺检测，工程师死活调不好参数，我过去一看——用了个环形无影光源，而毛刺方向恰好从阴影里溜走了。换成低角度条形光，啥模型都不用改，特征立刻跳出来。啧啧，真就是一层窗户纸。

所以现在带新人，我总吼他们：图像处理里打光是亲爹！别一上来就深度学习，先老老实实把对比度拉开。相机也是，全局快门还是卷帘快门？帧率够不够？靶面尺寸是1英寸还是2/3英寸？这些参数写出来好像很简单，但高速产线上运动模糊一出现，你连边缘都抓不稳，谈什么缺陷检测？

问：是不是像素越高越好？我看市面上都吹5000万像素了。
答：千万别！5000万像素拿来拍静物都嫌大，产线上零件嗖嗖过去，你硬盘先炸。而且高像素意味着像元小、感光弱，快门必须拉长，模糊更严重。实际项目里，很多场景200-500万像素足够，关键是光学倍率和视野匹配。我就见过某厂花十几万买了台2900万像素相机，最后当200万用——因为数据传输和算法处理完全跟不上节拍。

传统算子 vs 深度学习：不是选择题，是搭配题

有个很烦的现象——现在搞CV的年轻人张嘴闭嘴就是Transformer、ViT。你要是跟他说先用个Canny边缘检测把ROI圈出来，他像看古董一样看你。但工业里很多测量任务，用Halcon的卡尺工具比训练一个CNN快十倍，稳定性还好。比如连接器PIN针间距检测，光照控好了，亚像素边缘拟合能做到±0.01mm，何必费力去标几千张图？

不过话说回来，有些场景你真没办法绕开深度学习。比如我们做过一个巧克力饼干碎角检测，缺陷形态随机的——缺一小块、裂缝、带尾巴的渣——写规则能写到吐血。用MobileNet分类加一个CAM热力图，两周搞定，上线半年没误报过。所以我的粗暴总结：只要缺陷形态能用三四条if-else描述清，就别上AI；一旦涉及纹理、背景干扰、非刚性形变，果断考虑卷积网络。

问：深度学习模型部署在工控机上跑得动吗？老板总嫌GPU贵。
答：完全能！现在OpenVINO、TensorRT这些推理框架把模型压缩得很猛，Intel的集成显卡都能跑动MobileNet-SSD。我们有个字符识别项目，用Tiny-YOLOv3做定位+CRNN识别，在i5-8500的CPU上跑出150ms一帧，够用了。关键是别动不动就弄个ResNet-152，从轻量化结构开始选。另外，边缘计算盒子现在也很成熟，三四千块就能买到带NPU的，何必上服务器？

数据标注：那个永远挖不尽的坑

我至今记得最崩溃的一次——做螺丝外观缺陷，总共只有47张不良品图片。47张！深度学习要吃数据，可工厂里缺陷率本来就低，哪来那么多样本？后来用镜像、旋转、加噪声做了数据增强，又让产线师傅帮着收集了三个月，总算凑到600张。上线第一天，碰上一种从未见过的螺纹缺损，模型又瞎了。那一刻我深刻理解到：CV在工业落地的最大瓶颈不是算法，是持续获取高质量负样本的能力。

于是我们搞了个半自动标注流水线：先用传统方法粗筛可疑区域，人工点一下确认，后台自动入库。这样每天能攒几十张新缺陷图，模型每周微调一次。虽然麻烦，但误报率从5%慢慢降到了0.3%。所以啊，谁要是跟你说他的视觉系统一次部署终生受用，你可以直接怼：你当这是ATM机呢？

问：训练模型时，正负样本比例多少合适？
答：别迷信教科书上的1:1。实际产线上，正样本（OK品）成千上万，负样本（NG品）寥寥无几。我的习惯是先把正样本大幅降采样到比如2000张，负样本有多少用多少，然后给损失函数里的负样本加权。用Focal Loss更好，会自动压制易分样本。另外，小心类别不平衡带来的偏见——模型如果总判OK，你查准率虚高，但产线一跑全是漏检，那才可怕。

3D视觉、机器人引导这些新鲜玩意儿靠谱吗？

当然靠谱，但别神化。我们去年上了一条3D视觉引导的拆垛线，用结构光相机拍下堆叠的铝铸件，计算抓取点和避障路径，然后六轴机械臂去吸。听起来高大上，调试期却整整拖了四个月——问题出在点云配准上，每次来料堆码有偏差，ICP算法就漂移。最后是靠贴了个不起眼的二维码做粗定位，才勉强稳定。所以你看，再炫的技术也离不开土办法。

问：小厂没钱上3D，2D视觉能做机器人定位吗？
答：能。我们做过一个平面工件分拣，用单目相机加一个激光传感器测高，标定后误差在0.5毫米内，成本才几千块。关键是手眼标定要精确，用九点法多采几次。还有种取巧：直接让机械臂末端带着相机去拍，省去坐标系转换的累计误差。工业里从来不缺巧妙妥协。

另外一条教训：别把模型部署扔给IT部门就不管了。现场干扰——比如对讲机信号干扰相机网线——都能让你抓狂。所以我总是要求视觉机柜单独接地，用屏蔽线缆，甚至给相机穿个防护罩。这些破事书上从来不写，但搞电气自动化的人都知道。

写到这儿，突然想起上周又接到一个电话：“张工，我们冲压车间的视觉系统老是把油渍误报成裂纹，怎么办？”我叹口气：“先清洁光源保护镜，再不行加个偏振片。”放下电话，我望着办公室窗外灰蒙蒙的天空，觉得这行当啊，就是无数个这样琐碎的瞬间堆起来的。没有银弹，只有不断试错、妥协、和突如其来的“啊哈！”时刻。也许这就是计算机视觉（CV）在工业里最迷人的地方——它逼着你理解物理世界最脏最真实的那一面。