计算机视觉（CV）在产线上的那些“翻车”与“真香”瞬间

还记得第一次把视觉系统装到产线上那天——信心满满，毕竟在实验室跑了100%的识别率。结果呢？才过了半小时，警报响得跟救护车似的。客户的脸，比车间里的油污还黑。我当时真想找个地缝钻进去。

搞工业视觉，尤其计算机视觉（CV），根本就不是调个参、跑个模型那么简单。真的，这玩意儿太吃现场环境了。你永远不知道，明天会是光照突变，还是镜头被灰尘糊住。

相机选型，我被坑惨的三件事

选型，选型，又是选型！每次新项目，最头疼的就是这个。有人说，分辨率越高越好，帧率越高越好。错！大错特错。

曾经有个项目测手机外壳划痕，脑子一热选了2500万像素的相机。结果呢？处理一张图要200毫秒，产线节拍根本跟不上。而且文件大到硬盘三天就满了。后来换了800万像素，搭配远心镜头，反而稳稳的。

还有线阵相机那次——扫描轴速度没匹配好，图像拉长得像毕加索的画。客户问我：“这上面拍的是工件还是妖怪？” 我…… 唉，都是泪。

光源更是个大坑。红色光、蓝色光、白色光、偏振光、同轴光…… 不同材质、不同缺陷，光路设计天差地别。有次测玻璃上的细微气泡，用普通环形光死活打不出来，偶然拿手电筒从侧面一照，气泡像星星一样亮起来了。那一刻我顿悟：视觉系统的灵魂是照明，而不是算法。

问：产线上环境那么乱，是不是必须用深度学习？

问：现在深度学习这么火，传统机器视觉是不是过时了？我们工厂一直用Halcon那些工具，要不要全面转向深度学习？

答：这个问题好。说实话，我见过太多人一上来就要上深度学习，好像不用CNN就低人一等。但你知道工业现场最稀缺的是什么吗？是缺陷样本！ 一个成熟的传统算法，可能只需要几十张OK图和几张NG图调参。而深度学习，哪怕用迁移学习，没个几百张典型缺陷图，训练出来的模型根本没法看。而且标注成本巨高——让质检员标几千张图？人家白眼能翻到后脑勺。我的建议：能用打光、边缘检测、模板匹配搞定的，坚决不上深度学习。只有当背景极其复杂、缺陷形态千变万化时，再祭出这个大杀器。别把深度学习当万能药。

算法的傲慢与偏见

聊到算法，我又想吐槽了。很多搞CV的工程师，觉得模型在ImageNet上准，在工业上也准。天真！

工业图像的噪声，可不是高斯噪声那么优雅。它是粉尘、是油渍、是振动的拖影。有次检测轴承字符，OCR识别率从早上的99%掉到下午的70%。原因？车间温度升高，轴承表面反光特性变了。最后咋解决的？在字符区域加了偏振片，又写了一大段自适应阈值代码，勉强拉回98%。

还有一次，训练了一个深度学习模型检测焊点缺陷，实验室准确率99.5%。上线一跑，误报率飙到20%！排查半天，发现是产线换了批焊丝，焊点表面颜色微变，人眼都看不出来，模型却敏感得要命。后来加入颜色归一化预处理，又补充了新焊丝的数据，才稳住。唉，模型真脆弱。

工业视觉不是纯学术研究，你是要在噪声、变化和成本之间走钢丝。有人问，为啥不用3D视觉？3D当然好，但成本高，速度慢。一个激光轮廓仪几万块，还得配运动机构。所以，能用2D解决的，老板绝对不会让你上3D。

问：3D视觉在工业上到底有没有靠谱的应用？

问：我们厂想做柔性上下料，机器人自动抓取散乱工件。听说3D视觉可以，但又担心不稳定。您怎么看？

答：有！而且越来越靠谱。散乱抓取（Bin Picking）就是3D视觉的杀手应用。但前提是，你得选对方案。现在主流的有结构光、激光三角法、TOF。小视野高精度用结构光，大视野性价比高用TOF。坑也很多：反光工件需要喷粉；黑色吸光工件要调曝光；工件堆叠遮挡，配准出错率高。我们还遇到过机器人夹具和相机坐标系标定不准的问题，抓偏了直接撞料框，差点把示教器摔了。所以，一定要找有场景经验的集成商，别自己摸索。另外，3D视觉对算力要求高，GPU不能省，产线速度一快，点云处理跟不上就傻眼。目前稳定运行的案例，节拍多在6-10秒一件，勉强满足需求。总之，3D视觉是趋势，但落地需要趟很多坑。