干弱电这行二十年了，从最早的模拟监控到现在的智能视觉系统，我是亲眼看着这技术怎么一步步从实验室走进工厂流水线的。今天跟大家聊聊机器视觉在工业自动化里的那些事儿，都是这些年踩过的坑、攒下的经验。
说白了，机器视觉就是给机器装上一双"眼睛"，让它能看、能判断、能干活。这玩意儿在弱电行业里用得越来越广，从楼宇自控到安防监控，再到系统集成，哪哪儿都能见到它。我2018年在苏州一个电子厂做项目，他们那个SMT贴片生产线，一天要检查上万块电路板，靠人工用放大镜看？眼睛都得瞎。后来上了套机器视觉系统，检测速度从每人每小时200块提升到1200块，误检率还从5%降到了0.3%。
机器视觉系统的核心部件就这几样：光源、镜头、相机、图像处理器、软件。光源这块儿最容易被人忽视，但恰恰是最关键的。2019年我帮杭州一家汽车零部件厂做视觉检测项目，他们那个刹车盘表面裂纹检测，刚开始用的普通环形光源，死活拍不清楚裂纹。后来换了高角度同轴光源，配合偏振片消除反光，才把0.1毫米的微裂纹给揪出来。这活儿干完，厂家说每年能少出5000个次品，省下的钱够买三套系统。
相机选择也很有讲究。现在主流的是CMOS传感器，但有些高速检测场景还得用CCD。上海有个做饮料灌装的客户，要求每分钟检测600个瓶盖的密封性，普通相机根本跟不上，最后用了线阵相机，每秒能拍2000行像素，这才搞定。
图像处理这块儿，传统的机器视觉靠的是规则判断，比如"暗的是缺陷，亮的是良品"。但现实世界哪有这么简单？2017年我在深圳做个手机玻璃盖板检测项目，那个划痕有时候比背景还亮，有时候又比背景暗，传统算法根本搞不定。后来上了深度学习，让系统自己学习几千张图片，最后准确率达到了99.7%。
深度学习在机器视觉里的应用，大概是从2018年开始火起来的。那会儿我在北京参加一个展会，看到一家德国公司展示的深度学习视觉系统，能识别出电路板上0.05毫米的焊锡球缺陷。我当时还跟人家技术总监聊了半天，他说他们训练这个模型用了两个月，累计看了10万张图片。
3D视觉也是个热门方向。最常见的办法是用激光线扫描，通过三角测量原理获取物体三维信息。2020年我给郑州一家物流中心做自动分拣系统，用3D视觉配合机械臂，能准确抓取不同形状、不同大小的包裹，分拣效率比人工提升了4倍。最绝的是，系统还能自动识别包裹上的条形码，连皱褶的、歪斜的都能读出来。
机器视觉的接口也一直在进化。早期用模拟信号，后来用USB，现在主流是GigE Vision和Camera Link。去年我做个项目，要求传输4K分辨率、60帧每秒的画面，普通GigE带宽不够，最后用了CoaXPress接口，一根同轴电缆能跑12.5Gbps，还同时供电和传输控制信号。
实际工程中，最怕的是环境光线变化。有个客户在深圳做电子元器件检测，车间窗户多，白天晚上光线不一样，系统就老误报。后来我给他们设计了个封闭式检测箱，内置可调亮度LED光源，配合光传感器做闭环控制，这才稳定下来。
还有个常见坑是震动。机器视觉对图像稳定性要求极高，哪怕0.1毫米的位移，都能导致检测结果偏差。2019年在武汉一个汽车焊装车间，他们的视觉系统老是报错，查了半天，原来是旁边冲压机震动传过来了。最后在相机支架下面加了橡胶减震垫，问题才解决。
现在机器视觉应用越来越广，不光是工业检测，连楼宇门禁的人脸识别、停车场车牌识别、商场客流统计，都用上了这技术。但说句实在话，很多弱电公司做项目还是"重硬件、轻软件"，花大价钱买进口相机，结果图像处理算法一塌糊涂，最后验收都过不了。
我这些年总结的经验就是：机器视觉项目，前期需求分析占60%的功夫。得搞清楚要检测什么缺陷、精度要求多少、产线速度多快、环境条件如何。剩下30%是光源和光学设计，10%才是算法。很多公司把顺序搞反了，上来就买最好的相机，结果装上去发现拍不清楚，又得返工。
最后说个真实案例。2021年帮广州一个制药厂做药片外观检测，要求每分钟检测8000片，能识别出崩角、裂纹、色斑等18种缺陷。我们用了四台500万像素相机，配合高亮度频闪光源，每片药要拍6个角度。训练深度学习模型时，累计标注了50万片药片，花了三个月。上线后，误检率0.05%，漏检率0.01%，厂家说比人工检测强了十倍不止。
这行干久了，越来越觉得机器视觉就是个"技术活、经验活"。光看手册没用，得真刀真枪干过几个项目，才知道哪儿容易出问题。希望我这二十年的经验，能帮刚入行的兄弟们少走点弯路。