说起来都是泪。
去年我们在华东一个轴承产线折腾了大半年，深度学习缺陷检测，光数据标注就整疯了三拨实习生。然后你猜怎么着？上线第一天，车加工完的套圈，表面有点反光，模型直接报警——把正常阴影当成了裂纹。产线停了，老板电话打过来骂街。
这玩意儿，实验室准确率 99.9%，到现场能剩 90% 就跟过年一样。别说我没提醒你，工业里的坑，多着呢。
工业图像的“脏乱差”，算法水土不服
实验室里，光照均匀，背景干净，缺陷标准——用开源数据集训一轮 ResNet，跑得飞起。到了厂里呢？
油污、铁屑、切削液喷射，相机镜头没过半天就糊一层。明明是同一个型号的零件，热处理后颜色深浅不一，喷砂完表面粗糙度变了，下午三点的自然光斜射进来……深度卷积网络那点泛化能力？直接投降。
工业相机采集的模糊金属表面图像
我记得调过一台冲压视觉检测，冲床振动导致相机支架每秒钟抖动 0.3 毫米。采集到的图像，边缘全是锯齿。我跟算法同事说上 GAN 去模糊，他苦笑说训练数据从哪来？你到哪找标注好的、与这振动频率一模一样的模糊-清晰图像对？
这就是工业真相。 没有干净的数据，深度学习就是空中楼阁。我们最后逼得没办法，自己写了个机械防抖夹具，硬件的锅让软件背，不现实。
算力饥渴，但我们更需要确定性
深度学习推理，吃 GPU。一块好的边缘计算盒子，带 TensorRT 加速，勉强跑个 YOLOv8 检测夹爪抓取点。但产线节拍要求 30 毫秒一帧，加上工业相机传输延迟，时间紧巴巴的。
于是你看到车间里，一台工控机拖四张加速卡，风扇呼呼吹，门口还得加个空调房。电费？不谈了。关键是，有时它还会抽风——明明上一帧检测正常，下一帧突然漏检，查日志看不出任何异常。这种不确定性，在工业里要命。
工厂边缘计算设备部署示意图
传统视觉虽然“笨”，但基于规则，输出稳定。一个边缘提取 + 模板匹配，十年如一日地跑，不会莫名其妙崩溃。所以，我经常跟团队说：能用高斯滤波解决的，就不要上深度网络；能用尺寸阈值卡掉的，就别让算法猜。 深度学习要用在刀刃上——比如复杂纹理背景下的微小瑕疵，或者多品种共线时，传统规则实在写不过来的地方。
问：那我们是不是应该放弃深度学习，用回传统视觉？
答：不是放弃，是混合。我曾经在一条笔电外壳产线上这么搞：先用传统算法找区域、打光、做划痕增强；然后裁出小图，丢给一个轻量级的 MobileNet 分类。既省了算力，又避开直接在大图里大海捞针。深度学习做它擅长的——模糊模式识别；传统做它擅长的——几何测量和定位。结合起来，稳多了。
问：对于小批量多品种的产线，深度学习模型怎么快速换型？
答：这确实是个头疼的问题。我们试过 few-shot learning，也试过迁移学习，但都不够快。最后折衷方案是：把换型的动作拆分。底层特征提取层不动（反正都是金属表面纹理），只微调顶端几个分类层。然后配合一个自动标注的半监督工具——新零件上来，人工标几十张，它自己扩散生成几百张，再人工复核。一次换型从原来两周压到 2 天。说实话，还是不满意，但至少能喘口气了。
别忘了，人比模型更难“训”
别忘了，人比模型更难“训”
做深度学习工业落地，最大的变量往往不是技术。
操作工习惯了看电流表、听异响，你让他们信屏幕上的 heatmap？他们会觉得你在胡闹。质检小妹看缺陷有自己的经验模板，模型标出来的地方她会下意识忽略。我们之前在一条连接器产线上推 AI 外观检测，漏检率一直降不下来，最后发现是操作员把报警阈值偷偷调高了——因为“它老叫，烦死了”。
所以现在我特别强调人机交互的工程化：报警分级，界面用颜色代码（红=必停，黄=记录），声光提示柔和点。还得给操作工培训，但别讲反向传播，直接说：“这红框里的黑点，大于 0.3 平方毫米就停线，你负责确认，别直接复位。” 用户信任，是慢慢攒出来的。
去年去德国参访，一家轴承巨头的智能产线，深度学习模型只负责预筛选，最终判定权还是在老师傅手里的激光复检台上。看人家这思路，务实。
工业从来不是追逐 fancy 的游乐场。深度学习是好用的，但必须俯下身子，沾一身油泥，去适配那张脏兮兮的铸铁件照片、那个抖个不停的传送带、那个嫌报警太吵的夜班小妹。
技术向人性低头，不丢人。