我入行那会儿，计算机视觉（CV）在工业圈还算新鲜玩意儿。记得有次跟产线老师傅聊，他用扳手指着传送带说：“这小摄像头真能比人眼还灵？” 我当时笑了笑——现在回想起来，那笑容里一半是笃定，一半是心虚。因为说实话，早期项目翻车翻得那叫一个惨烈。
不过这几年，CV在制造业的渗透是真的猛。不是那种PPT上的猛，是账本上的猛——省下的人力、砍掉的废品率、提速的节拍，都是真金白银。今天不跟你扯那些教科书定义，就聊聊我这些年亲眼见、亲手干过的工业视觉落地。摔过的跤，比走过的路多。对吧？
视觉检测不是装个摄像头就完事了
好多工厂老板有个错觉：买套工业相机，接个算法，就能把质检员全裁了。天真！机器视觉的核心压根不在硬件，在图像处理和深度学习模型的鲁棒性。可鲁棒性这玩意儿，实验室里测不出来，非得丢到车间里，让油污、震动、杂散光去教它做人。
举个例子。去年给一家汽车零部件厂做轴承外观缺陷检测。样机在办公室跑得飞起，准确率99.5%——上了产线直接掉到82%。原因？车间上午十点有侧窗阳光扫过来，下午三点又没了，图像亮度跟过山车似的。光源方案重做了三版，最后干脆给检测工位罩了个黑箱子，加结构光。就这，还时不时被突然飘过的粉尘搞出误报。唉，工业现场就是这么不讲理。
所以现在有人问我做CV项目第一步是什么？我肯定说：光学方案和成像环境控制。没有稳定的图，后面算法再牛也白搭。信我，血的教训。
一个PCB焊点检测项目的QA实录
前阵子帮一家SMT代工厂做焊点AOI（自动光学检测）。产线节拍要求每秒12片，一片板子上有400多个焊点。老板一上来就拍桌子：“我要零漏检！” 我当时心里嘀咕：您这是要神仙呢。但嘴上还是得稳住，慢慢跟他磨需求。
问： 工业视觉检测漏检率真的能做到0%吗？我怎么听说总有少量漏掉？
答： 绝对零漏检是理想，现实中我们会设 overkill 和 escape 两种指标。漏检率可以压到极低，比如百万分之几，但代价是过杀率可能升高——会把不少好品判成坏品，需要人工复判。所以这是个平衡。别听销售瞎吹，敢写进合同里的参数才是真的。
后来我们用了3D视觉结合2D纹理，花了一个月标数据。最头疼的是虚焊——边界模糊，连老质检员都得用镊子拨一下才看得出。模型调参调到想砸电脑。最后靠迁移学习，从另一个连接器项目上借了预训练权重，才把检出率拉到99.2%。虽然没到100%，但比人工强太多了，而且24小时不疲劳。
问： 我们厂也打算上视觉，但车间振动大、灰尘多，相机老是用不久就出问题，你们怎么解决？
答： 这个太常见了。必须选工业级相机，防护等级至少IP65，镜头前加气吹或者保护镜片，定期清理。安装基座要加减震器。我们还试过在算法里加图像防抖模块——通过频域分析剔除高频抖动模糊帧。别省那点硬件钱，后期停线损失更大。
CV选型：传统算法还是深度学习？
这话题能在技术群里吵三天三夜。我自己吃过亏。刚搞CV那会儿，张口闭口卷积神经网络，觉得传统方法过时了。直到有回给注塑件做毛刺检测，毛刺形态随机，死活训不出来。老师傅看不过去，说：“你试着用边缘提取+形态学处理呢？” 结果一个简单的图像差分加Blob分析，十几行代码就搞定了。
从那以后我学乖了——没有银弹。规则明确、背景单一的检测，传统图像处理足够，速度快，解释性强。复杂纹理、随机缺陷的，深度学习是首选。但你别指望拿公开数据集的模型直接部署。工业数据量少、不平衡是常态，数据增强、负样本挖掘这些脏活累活才是核心。❗
哦对，还有算力。产线上很多工控机还是i5的，部署个ResNet都费劲。我们后来搞了模型量化、剪枝，甚至用边缘计算盒子，把推理时间压到50ms以内。所以说，工业视觉是系统工程，硬件、软件、算法、工艺，缺一不可。
未来的瞎想：CV能替代多少老师傅？
说替代不如说进化。现在3D视觉引导机器人已经在拆垛、上下料这些场景跑得很欢了。但更难的装配、焊接，还在爬坡。我见过最酷的一个项目是做发动机缸体内部缺陷检测——用内窥镜+CV，把人工伸头看的操作变成自动巡航。但光线、反射、导航全是坑。
还有一个趋势是多传感器融合。光靠2D相机不够，得把激光轮廓仪、热成像甚至声音信号揉在一起。比如给风电叶片做巡检，用无人机拍可见光让CV找裂纹，再用热成像看分层——这组合拳比老师傅敲击听声靠谱多了。不过数据同步、标定又是一堆麻烦。
有时候我还会想，CV领域的生成式AI能不能用在工业里？比如用GAN生成大量缺陷样本，省得产线等几个月才凑齐数据。目前试下来，对某些随机纹理缺陷确实有效，但高精度尺寸测量上还不行。路还长呢。
写到最后突然觉得，工业计算机视觉这东西，就像一个犟脾气的技术员——你知道它前途无量，但当下就得捏着鼻子陪它熬过无数破事儿。可一旦熬出来，那成就感也是真的。💡
免责声明：文章内容来自互联网，本站仅作为分享，不对其真实性负责，如有侵权等情况，请与本站联系删除。
转载请注明出处：工业计算机视觉（CV）落地实录：从实验室到产线的那些坑与惊喜 https://www.dachanpin.com/a/tg/66322.html
