上周三金工实习的工位上，小周攥着游标卡尺跟检测系统较劲的样子，我现在想起来还觉得好笑。
他亲手车的M12铝螺纹件，卡尺卡出来的中径在公差范围内，系统红框弹出来“不合格”。换别人可能直接把系统电源拔了，他倒好，蹲在工位旁边盯了十分钟屏幕，才发现是上午擦零件的时候，留了个铝屑在牙型面上，刚好被环形光源照出个亮斑，被算法误判成了牙型缺损。
学生卡壳的不是代码，是“信任阈值”
这事说穿了不是算法的问题，是学生跟这套系统之间的“信任”没建立起来。之前我们备课的时候，总觉得把成熟的工业视觉方案搬到实习台，学生照着步骤操作就行，哪想到第一波装完设备，一半的学生都在偷偷拿卡尺复核检测结果。
一开始我们想做全封闭的暗箱工位，跟汽车零部件线上的检测站一模一样，算下来单台成本要小两万，比整个普通车床实习台还贵。后来咬咬牙把暗箱拆了，换成半开放的结构，光源也从几千块的同轴光源换成了几十块的可调角度环形灯。
说真的，一开始还有点心疼钱，觉得是不是太凑合了。结果跑了两节课才发现，这种“凑合”才是对的。机器视觉检测从来不是“装上去就一劳永逸”的黑箱，它跟现场的光线、零件的表面状态、安装的精度绑的死死的。你把它包在暗箱里，学生永远学不会怎么应对真实的干扰——总不能以后他到了工厂，遇到车间窗户漏进来的太阳光，还能给生产线套个暗箱吧？
小周后来把环形光源转了15度，铝屑的反光直接消失了，检测准确率从一开始的80%多窜到99%。那天他下课了都没走，反复把零件从工位上拿下来再放回去，测了二十多组数据，跟我念叨，之前总觉得视觉检测是计算机专业的事，我们学机械的凑什么热闹。现在才知道，光一个光源的角度调整，里面的机械设计讲究多了去了。
别把视觉检测教成“调参大作战”
之前我翻到邻校的一份教案，讲机器视觉检测的实验课，两节课的时间，一半让学生记参数——曝光值设多少，边缘检测的阈值拉到多少，卷积核选多大。学生照着步骤抄完参数，屏幕上的检测框漂漂亮亮的，一换个表面粗糙度稍高的零件，直接全错。
你猜怎么着？我们上第一节课的时候，根本没开检测软件。
就给每个小组发个手电筒，让他们对着零件的不同部位晃，盯着没接算法的相机屏幕看：哪个角度的光会把零件表面的划痕照成贯穿的裂缝，哪个角度的光会把倒角的阴影当成缺损，哪个角度的光能把0.05mm的凹坑照的清清楚楚。
就这一个环节，学生玩了整整四十分钟。有个组测轴承滚道的缺陷，一开始把相机架在正上方，手电筒从正上方打光，屏幕上的滚道光滑的像镜子，根本看不到凹坑。后来有个学生把手电筒斜着凑过去，30度角，滚道上的小凹坑直接拉出一道细影子，屏幕上看的清清楚楚。当时那个学生嗷的一声从凳子上弹起来——那瞬间根本不需要我讲什么光学成像原理，他自己就懂了，视觉检测的核心从来不是算法有多复杂，是你能不能把人眼能识别的特征，通过光学结构，原原本本递到相机的传感器上。
之前我总觉得，机械专业的学生学这个，要多写几行Python代码，多调两个开源模型才叫学到位。现在才发现根本不是。工业现场里多少视觉项目做砸了，根本不是算法不行，是机械结构没跟上——相机架的位置不对，光源晃了，零件上料的时候偏了两毫米，算法再牛也白搭。所以我们后来加了个必做的设计环节：让学生自己做个简易的相机支架，要求10秒内能调整三个轴的角度，能适配不同大小的零件，不许用那种焊死的固定支架。真正的设计取舍，从来不是选最贵的部件，是要在成本、可靠性、教学容错度之间找平衡。
那些没写在教材里的“失败细节”
上个月我们做零件毛刺检测的项目，一开始算的理论精度是0.05mm，实际跑起来误差能到0.3mm。
找了整整三节课的问题。
拆了相机，查了算法，换了镜头。最后蹲下来摸了摸那块固定相机的铝板，软的。学生拧螺丝的时候把板压变形了，相机的焦距直接飘了半毫米，测出来的边缘位置能差出好远。
还有一次，学生把光源的电源线直接绑在相机支架上，机床一开，震动顺着线传到光源上，屏幕上的图像抖的根本没法看。
说真的，这些事教材上根本不会写。教材上只会列系统的组成：相机、镜头、光源、图像处理软件，精度多少，效率多少。但是没人告诉你，装相机的安装板要选多厚的铝板才不会变形，没人告诉你光源的线要走独立的走线槽，不能跟运动部件绑在一起，更没人告诉你，检测工位要留多大的操作空间，方便学生擦镜头上沾的铝屑。
上次结课收作业，有个学生在设计报告的最后写了一行小字：之前觉得机械设计就是算强度、画图纸，现在才知道，我拧的每一个螺丝的松紧，选的每一块板的刚度，最后都会影响整个系统的精度。
看到这句话的时候我突然觉得，之前花了那么多时间踩这些坑，值了。
我们教机械专业的学生学机器视觉检测，从来不是要把他们培养成算法工程师。是要让他们知道，将来他们设计的设备上，不管装多少先进的检测模块，最后能不能稳定跑起来，靠的不是模块上印的多少参数，是他们在设计的时候，有没有把那些藏在细节里的坑，提前填上。
