做机器视觉快十年了。从最早拿个30万像素的CCD拍螺丝钉都跑焦，到现在随便一台国产智能相机都能搞定80%的缺陷检测——变化是真大。但！千万别以为这玩意儿跟装个监控似的那么简单。
去年有个客户，做汽车连接器的。产线上花了两周部署了一套视觉系统，结果嘛……第一天跑下来误判率干到15%，产线班长差点把键盘砸了。原因？光源没选对。就那种几块钱的环形LED，打在镀金Pin针上反光反得一塌糊涂，软件根本分不清是划伤还是正常纹理。后来换了个带漫射板的穹顶光源，参数都没怎么调，良率瞬间拉回99.5%。这事儿让我至今逢人就念叨：机器视觉，光源占七分，算法占三分——不是开玩笑的。
你以为买个工业相机就能开工？天真了
新手最爱犯的错就是盯着相机分辨率、帧率这些参数比来比去。说实话，镜头的重要性被严重低估了。记得有次在深圳一个3C电子厂，他们想检测手机中框的细微毛刺，毛刺高度大概0.05mm。工程师配了500万像素相机，可是镜头工作距不够，拍出来边缘模糊成一团。最后换了支专门的高倍率远心镜头，分辨率不变，毛刺根根分明。所以说，光学系统才是真正的瓶颈。
还有标定。太多人图省事，拿张A4纸打印个棋盘格就敢上场。结果测量精度一直飘忽不定——后来发现是打印机本身精度就不行，格子宽度差了0.2mm。这种基础的坑，越是老手越容易栽，因为总觉得“这玩意儿我熟”。
算法再牛，也怕产线那点“脏乱差”
我见过最离谱的案例：一家食品包装厂，用深度学习模型检测封口瑕疵，训练集准确率99.99%，上线后直接崩了。排查半天——环境光。他们产线上午有阳光斜射，下午又靠墙的日光灯闪烁，同一卷膜上午下午成像完全两个色温。模型直接懵了。最后不是改算法，而是加了个遮光罩，再在软件里做了个动态白平衡补偿。搞机器视觉久了你就明白：视觉问题，经常不是视觉解决的。
还有振动——很多人意识不到。冲压车间旁边部署检测工位，相机抖动幅值超过2个像素，测量数据就跳得像心电图。我们试过加气浮隔震台、缩短曝光时间、甚至让PLC发个同步信号触发相机在振动波谷拍照……最后最管用的居然是——把工位搬走。笑死。
问：机器视觉检测到底能不能完全替代人工？
答：看场景。对于重复性高、标准明确的检测，比如测量螺丝外径、判断焊点有无，机器秒杀人工。但有些活——比如汽车漆面的橘皮、轻微划伤，人眼一扫，大脑自动补偿光线和角度的影响，机器还在那死磕灰度阈值。所以更聪明的做法是人机协同：机器过滤掉80%的明显缺陷，剩下的模糊项由人复判。现在有些系统还会把人工复判的结果反哺给模型，越用越准。我称之为“让AI当学徒”。
问：部署一套靠谱的机器视觉系统大概要花多少？
答：这问题就跟“买辆车多少钱”一样——五菱和保时捷能一样吗？但给你个接地气的范围：
✅ 入门级：整套（相机+镜头+光源+简单软件）2-5万，能搞定位、计数、简单有无检测。别指望高速高精度。
✅ 正经产线用：10-30万，包括工业PC、稳定的I/O通信、定制光源、专业的视觉软件（Halcon、VisionPro这类）。这个档位开始，你需要一个懂行的工程师。
✅ 高端精密或深度学习：50万往上很常见，特别是涉及到高分辨率高速线扫相机、GPU工作站、复杂标定治具。有些特殊镜头一根就十几万。
还别忘了隐性成本：工控机的维护、光源衰减后的更换、产线改造的机械件……所以，别信那些“零成本上视觉”的鬼话。但话说回来，只要项目没选错，一般一年内回本——省下的人工费、避免的客诉赔付，算算就明白了。
这几年有个趋势让我挺兴奋：智能相机越来越能打了。以前需要PC+采集卡+一堆线缆的活，现在一个巴掌大的相机内置算力，直接跑AI模型。虽然调参自由度不如传统方案，但部署快、维护简单，特别适合检测点位分散的产线。有一次给一个卫浴厂部署水龙头表面缺陷检测，三个工位用三台智能相机，每个成本不到一万，一周跑顺，客户乐得请我们吃了三顿火锅——值了。
不过，千万别被“深度学习万能论”洗脑。传统图像处理仍然是基石，而且更可控。我遇到过客户非要用深度学习检测瓶盖是否拧紧，明明一个简单的圆查找+面积工具就能100%搞定，他们觉得“不AI就是落后”。💡 这种为技术而技术的想法，费钱又费神。真正的门槛不是你会多少工具，而是你拿到一个烂糟糟的样品时，能一眼判断出：这个缺陷，到底该用背光、暗场、还是结构光？
说到结构光，😮 去年一个3D检测项目让我大开眼界。连接器的pin针共面度，之前用2D测量靠景深拼接，误差±0.1mm；换了激光三角法的3D相机，直接生成点云，精度干到±0.02mm。但！算法复杂度上了两个台阶，光ROI的配准就折腾了一礼拜。所以说，每种技术都有它的脾气。
最后说点玄的：静电。在干燥车间，镜头和相机表面极易吸灰，图像莫名出现暗斑。你清干净了，过半小时又来。后来发现是清洁毛刷本身带静电……这事儿我当年蹲在产线盯了整整一下午才发现。搞机器视觉，真的需要一颗侦探的心。有时候你觉得是软件bug，其实只是镜头前面飘了根头发。
现在回头看看，机器视觉已经从“锦上添花”变成“雪中送炭”了。招工难、品控严，倒逼着工厂上自动化检测。但用得好坏，差别太大了。同一个品牌相机、同一版软件，在A厂跑成标杆，在B厂沦为摆设——关键还是人，是对工艺的理解，是愿不愿意趴到产线跟前观察样品、观察光、观察那些微不足道的变量。这，可能才是机器视觉最深的护城河。