上周实训课，第三组的男生举着他们的装置跑过来，说老师你看，我把摄像头架在传送带正上方，能识别出表面有划痕的铝片，准确率100%——我蹲下去看，旁边堆着他们组为了测试特意擦得锃亮的传送架，连个螺丝反光都调过。
我没直接夸。伸手在镜头前面晃了一下，模拟窗外飘过来的树影，他屏幕上的识别框直接跳成了“无瑕疵”。男生愣在原地。
第一个坎：把“实验室的静态识别”当成了现场的动态检测
说实话，我第一次带这门课的时候也踩过同款坑。总觉得教学生把开源的视觉模型跑通，调个阈值，能识别出预设的瑕疵就算完成教学目标。直到第一届学生出去实习，回来跟我吐槽，说厂里的师傅根本不看你模型精度多少，就问你——能不能在下午换班人来人往的时候，别把刚掉在传送带的头发丝识别成零件裂纹。
车间里哪有什么恒定光照。金属表面的反光是随机的，头顶的节能灯会因为车间的行车经过闪一下，零件上带的切削液会在光线下形成不规则的亮斑。学生做的装置呢？特意在摄像头上面架了个黑遮光罩，测试的时候连教室的日光灯都关了一半，就为了让模型识别稳。真拉到现场，黑罩子挡着工人上下料，拆了又满是反光，根本没法用。
上次有个学生跟我犟，说老师你看我模型mAP能到98%，为啥到现场就“瞎”。我把他拉到实训楼楼下的快递站，拿他的摄像头对着驿站货架上的快递盒——路过的电动车大灯晃了三次，楼外面的树影飘过去挡了两秒，他的模型直接把所有亮面的快递盒都判定成了“无瑕疵合格品”。他当时脸就垮了。
别让学生把“视觉算法”和“机械结构”拆成两张皮
很多学生刚接触机器视觉检测的时候，思维是拧着的：机械结构是随便凑的，找两根铝型材把摄像头拧上去就算完事，剩下的识别不准、反光、阴影问题，全丢给算法调参。但实际上呢？机械结构的设计本质上是在给算法“减负”。你把摄像头的角度调成和零件表面成45度，比你在算法里写三页反光过滤的代码管用十倍。
去年有个组为了识别小螺丝的漏装，一开始把摄像头架在正上方，算法调了两周，还是会把螺丝下面的安装孔阴影当成漏装。后来他们把摄像头往前挪了15厘米，倾斜30度，在镜头旁边装了个带漫反射罩的LED灯，当天下午就把误判率降下来了——之前他们在算法里改的那些阈值、滤波代码，最后只留了三行。
对吧？我每次看到学生抱着个电脑改一下午模型参数，机械架子晃得跟筛糠一样，就忍不住敲他桌子。架子晃一下，相当于摄像头每秒在抖个几毫米，你就算把模型训练到天上去，也架不住这无规律的像素位移啊。
实训评价里最该删掉的“模型精度指标”
之前我们的实训评分表，有30%的权重是“模型识别精度”。结果呢？学生为了刷这个分数，特意把测试用的零件都摆成一模一样的角度，光照都调到最理想的状态，就差给零件打个聚光灯了。考出来的分数好看，真到现场全露馅。
去年我们咬咬牙改了评分规则，把那30%的权重拆了：10%是“结构抗干扰设计”——测试的时候，故意拿个手电筒晃镜头，故意让传送带速度变快20%，故意在零件表面喷点水，看看你的检测装置还能不能正常工作；20%是“现场适配性”——你做的装置，能不能直接装在我们实训车间的现成传送线上，不用拆了重装半小时。
改规则之后第一周，就有个组的装置因为摄像头拧得太松，测试的时候晃了一下，直接丢了20分。那个男生下课追着我问，说老师我模型精度99%啊，为啥扣这么多。我给他指了指车间里的产线——那上面的传送带每天要被工人碰几百次，要是你的摄像头拧上去连晃都经不住，就算模型是神仙写的，有啥用？
上次跟厂里的技术主管吃饭，他说现在招机械专业的毕业生，根本不要求你能从零写一个视觉检测的算法。但你得知道——什么样的机械结构能让视觉检测的成本砍一半。比如你知道什么时候该用环形光源，什么时候该用同轴光源，知道摄像头的安装高度要留多少余量，方便后面换不同大小的零件，知道机架要做多少的刚度，才能避免车间里的冲床震动传上来影响成像。这些东西，你在算法书里是学不到的。
上周课结束，之前那个犟着说自己模型精度高的男生，自己蹲在实训台旁边，把之前架的黑遮光罩拆了，换了个可调节角度的漫反射灯条。他抬头跟我说，老师，我现在知道为啥之前去厂里实习，人家师傅看我调了一下午算法，连眼皮都没抬了。
