计算机视觉（CV）在工厂里真的用对了吗？——一位老工程师的观察

上个月去一家汽车零部件厂，车间主任拽着我，指着刚架好的几台工业相机，一脸郁闷——‘投了六十多万，到现在也没跑顺，你说这玩意儿是不是忽悠人的？’ 我盯着那套视觉检测系统看了会儿，光源晃得人眼难受，传送带速度忽快忽慢，软件界面还停留在demo版…… 说实话，这种场面我见得太多。✅ 计算机视觉（CV）在工业圈天天被挂在嘴边，但真正用出价值的，屈指可数。很多老板以为买几台相机、装个开源算法就能替代老师傅的眼睛，哪有这么便宜的事？不过话说回来，视觉技术本身确实已经跨过了那道门槛，问题出在落地上。

为什么90%的视觉项目都在闲置？

我刚入行那会儿，机器视觉还是个新鲜词，能识别个尺寸就欢呼雀跃。现在呢？深度学习、3D点云、边缘计算一股脑涌进车间。但闲置率依然高得吓人。去年我们给一家电子代工厂做巡检，发现他们三年里上了七套视觉系统，四套在吃灰。原因特荒诞：一套因为产线改了料盘，相机焦距跟不上；另一套因为现场粉尘太大，镜头三天就得擦，工人们嫌麻烦，直接手动把检测关了。❗ 你看，根本不是算法不行，是环境和流程没跟上。

问：视觉项目实施前，到底该先看什么？
答：别一上来就谈精度、谈帧率。先蹲到产线旁边看三天。看环境光怎么变、振动有多大、操作工换班时动作快慢、物料批次差异会不会让成像忽明忽暗。我们有个团队在铸造车间用CV做毛刺检测，一开始完全翻车，后来发现是早上和下午的车间温度差，让铸件表面氧化层颜色都不一样，训练集根本覆盖不了。所以，先搞清物理世界的波动，再谈数字世界的模型，这个次序不能颠倒。

工业产线多工位视觉检测系统部署实景

从“看得见”到“看得懂”——算法选型没那么简单

圈里现在有个怪现象：是个缺陷检测就要上YOLO，是个装配定位就要用SIFT。好像不提深度学习就不够高级。可很多场景下，传统图像处理加规则模型明明更稳。我经手过一个连接器插针检测项目，起先用CNN，调了两个月，漏检率还有3%，后来换回Blob分析加模板匹配，直接压到0.2%。你说上哪儿说理去？💡 工业场景要的是确定性，而不是论文里的mAP。而且，数据标注成本经常被忽略。一个稍有复杂的缺陷分类，没五六万张标注图片根本撑不住，这些人工费、时间成本，远比算法本身烧钱。

问：小批量多品种的工厂适合用CV吗？
答：很多人觉得没戏，因为换型太快。但我们最近在服装裁片检测上试了一套方案——用少样本学习（Few-shot Learning），每次新产品只拍二三十个样，就能快速迁移模型。当然，前提是你要把光源和成像系统做到模块化，夹具一换，参数自动跟着走。这需要机械和视觉工程师从头就坐在一起设计，而不是让视觉去‘适配’机械。🤝 说实话，小批量反而更适合视觉，关键在于能否把换型时间压缩到分钟级。

基于深度学习的工业缺陷检测模型训练流程图

把经验量化：老质检员和AI的博弈

这是整个CV落地过程中最微妙的部分。我们总爱说AI超越人类，可在质检这事儿上，老师傅的直觉还真不是轻易能复制的。去年在玻璃瓶厂，我们拿视觉系统判气泡缺陷，老师傅看一眼就能分出‘死的’‘活的’——也就是气泡会不会在灌装后破裂。视觉死活学不会。后来我们搞了个小技巧：让老师傅边检测边出声讲解，录下声音，再把语义转化成特征标签，加到训练数据里。最终模型性能一下子上去了。这说明什么？ 人的经验必须被结构化，而不是被丢弃。别总想着用CV完全替代人，得琢磨怎么把人脑里的隐知识挖出来。

问：要是老师傅根本说不清自己的判断依据怎么办？
答：这就是最头疼的地方。有些判断是肌肉记忆，让他说也说不出来。我们现在的做法是‘逆向标注’——先把所有疑似缺陷的图片给模型筛一遍，然后让人复核。复核时不是简单点yes/no，而是让人画出最在意的区域，随便说几句吐槽。这些碎片化反馈攒多了，再丢给大语言模型提炼规则，反过来优化视觉模型。这招在轴承滚子外观检测上特别奏效。 😅 不过这个闭环很慢，急不得。

说到底，计算机视觉（CV）在工业圈正处在从‘能看’到‘会看’的过渡期。硬件越来越便宜，软件越来越聪明，可落地的坑一点没少。光源一致性、振动补偿、人机协作的流程设计——这些琐碎事才是决定成败的关键。别被那些炫酷的demo晃了眼，真正趴到产线地板上，听听相机的散热风扇声，闻闻涂料的挥发气味，你才会知道这玩意儿到底能不能用。 2024年我们看到一些积极信号：更鲁棒的立体线阵成像、在线自监督学习、还有把CV与PLC控制深度耦合的实时决策，都在把小规模试错变成大规模部署。但千万别指望买来即用，工业智能的最后一公里，还得靠一双双沾满油污的手去推。