肉眼看得快，但机器看得准？别太天真了
上周去苏南一家精密五金厂，车间里十几个女工眯着眼，在强光灯下翻拣冲压件。我随口问领班：这活眼睛能受得了？他叹气：没办法，机器买过，不好用。我心里咯噔一下。又是这种剧情——花了几十万上机器视觉，结果漏检率比人还高！💢 气不气？说实话，机器视觉这个领域，水比你想的深多了。都说它能替代人眼，可一到产线上，光照一变，灰尘一多，算法就开始发癫。但你要是选对了方案，它又真能把你从枯燥、伤眼的活儿里解救出来。所以啊，别急着迷信“智能智造”的热词，也别一口咬定它没用。得看你怎么玩。
光源——就这玩意儿难倒了80%的项目
没错，就是打光。很多人以为视觉系统=相机+算法。❌ 错！光源才是老大。我见过最离谱的项目：团队花大钱买了几十万的3D相机，结果拍摄的金属件反光严重，死活提取不出划痕。最后你猜怎么解决的？换了个百来块的环形LED灯，角度一调，划痕立马现形。真的，那种惊喜和懊恼交织的感觉——你早干嘛去了？光源就是这么邪门。红色光能凸显黑色橡胶上的缺陷，蓝色光能压制铜件表面的纹理，背光能把尺寸测量得毫厘不差。可你到网上搜教程，全是大路货。得去现场试，一个灯箱一个角度地调，有时还得加偏振片。所以，下次再有人跟你吹他家视觉精度多高，你直接问：光源方案测试了几种？答不上来就别掏钱。
这里说的还只是2D。要是碰上透明玻璃瓶检测，非得用红外背光；深孔内部看毛刺，得靠结构光。就一个“光”字，够你琢磨半辈子。💡 小贴士：拿不稳的时候，先找镜头和光源供应商带着样机去现场打样，别自己瞎摸索，否则很容易被老板骂浪费钱。
算法选择，不是越贵越好
现在一提机器视觉，满嘴都是“深度学习”。确实，那东西耍起来花样多：字符识别、缺陷分类，有时远超传统算法。可你要被销售忽悠瘸了，以为深度学习包治百病，那就等着翻车吧。上个月我帮一家电子厂改方案，他们原先花大价钱上了个AI检测系统，结果训练数据不够，把OK品打成NG，把NG品放走，产线差点停产。后来回退到经典的Blob分析和边缘检测，稳得一批。当然，不是否定AI——如果缺陷类型多变、背景复杂，没有深度模型真不行。
问：我该直接上深度学习的视觉系统吗？答：先看你手里有没有至少几千张标注好的缺陷样本，而且各类别要均衡。没有？老老实实用规则算法，或者试试迁移学习，但别指望开箱即用。另外，你的生产环境稳定吗？要是经常换产品，深度学习训练维护成本能吓死你❗ 问：3D视觉有必要吗？
答：看场景。测平面度、高度、体积，或者识别杂乱堆叠的零件，3D就是刚需。但如果你只是检查二维表面的划痕、脏污，用3D纯属自找麻烦——点云处理慢，成本又高。见过有人非要用3D相机看丝印，结果被产线上反光逼疯。所以，别听厂商忽悠“未来趋势”，只看当下需求。
系统集成也不省心。相机选型、镜头畸变、通信协议……这些小细节搞死人的。有一次，我们因为相机触发信号延迟了几毫秒，结果每次拍照工件位置都有偏移，标定白做了。最后咬咬牙换了根屏蔽线解决。✅ 所以，现场调试那几天，你最好备着降压药。哈哈，开玩笑。不过说实话，机器视觉这行就是这样：你重视它，它给你惊喜；你轻信它，它给你惊吓。
写到这里，突然想起十年前我第一次调试视觉系统，对着屏幕上一堆红色十字标定，连咖啡都忘了喝。现在技术进步了，但那股子较劲劲儿，没变。也许这正是工业的魅力吧——永远有坑，也永远有填坑的乐趣。你的质检员还在用肉眼吗？该动一动了，但动之前，务必把这些坑在心里过一遍。路还长，慢慢来。