实验室里99.2%，上线第三天就翻车：计算机视觉技术里那个不讲道理的东西

前年冬天，我们给一家做紧固件的厂子装视觉质检。样机阶段跑出来的数字漂亮得让人心虚——F1 0.99，误检率低到可以忽略。老板当场拍板。三周后，产线主管打来电话，语气不太客气：你们那台机器，现在把良品全判成废品了。

我第一反应是不可能。模型没动过，权重文件还是那个哈希值。跑回现场一看，我闭嘴了。

他们把车间顶上那批老卤素灯换成了LED白光。亮度上去了，色温变了，金属表面的高光位置整体挪了几毫米。就这几毫米。

它看到的根本不是“螺栓”

很多人脑子里，计算机视觉技术大概是这么运作的：摄像头拍一张，机器认出来“哦，这是螺栓，这道划痕不合格”。不是的。差得远。

图像进到网络里，先被拆成一堆数字。每个像素不过是0到255之间的三个数，红绿蓝。然后卷积层上场——名字听着唬人，干的事其实很朴素：拿一个小窗口（比如3×3）在图上滑来滑去，把窗口里九个数字加权求和，写成一个新的数。所谓卷积，就是不停地做加权求和。滑完一层，再滑下一层。层数堆上去，网络能表达的东西越来越抽象：前几层可能只认得边缘和色块，中间层开始对纹理、角点敏感，深层的特征图里，才隐约有了“这个区域像螺纹”的味道。

工业产线相机LED光源打光检测金属螺栓表面缺陷实拍

问题就在这儿。网络学到的不是“螺栓”这个概念，它学到的是一组统计规律：在这个光照下、这个镜头下、这个距离下，合格品的那一堆像素长什么样，不合格品的那一堆又长什么样。你把灯换了，那组规律就作废了。它照样输出一个置信度0.98的答案——只不过答案是错的。

这个现象有个名字，叫域偏移，英文domain shift。学术界写了无数论文，工程上栽了无数跟头。说白了就一句话：训练时看到的那个世界，和部署时面对的那个世界，不是同一个世界。

我常拿方言打比方。你在南京待了二十年，南京话听得门儿清。突然把你空投到温州某个菜市场，耳朵里全是音，你一个字抓不住。不是你耳朵坏了，是你脑子里的统计模型对不上号了。模型也一样，它没有“人话”这个底座，只有“我见过的那批数据”。

数据这座冰山，露出来的那一角全是假象

接着聊数据。这是我最不愿意聊、又不得不聊的部分。

做算法的人容易犯一个毛病：拿到一个标注好的数据集，看一眼类别分布，觉得挺均衡，开训。可真实产线上的分布长什么样？合格品占99.7%，缺陷品里，划痕一大把，气孔偶尔有，而那类真要命的裂纹——三个月才出三件。

三件。你用三张图训出来的模型，指望它在现场抓住裂纹？它抓不到，它连裂纹长什么样都没概念。更糟的是，它会在训练集上“学会”一个捷径：反正绝大多数样本都是合格品，那我无脑判合格好了——准确率照样99.7%。这种模型在离线指标上看着无懈可击，一上线就原形毕露。

所以后来我养成一个习惯：拿到数据集，先不看整体准确率，先按类别把样本数从少到多排一遍，盯着尾部看。尾部有几十张的，能用；个位数的，一律当作没数据。

再说标注。标注这活儿，是良心活。同一道划痕，张三标了，李四觉得不算，王五标了个更大的框。三个人标出来的三版数据，训出来的模型脾气完全不一样。我见过一个项目，只改标注、重训一遍，指标涨了七个点——一行代码没动。很多时候你缺的不是更强的网络，是更干净的标签。

计算机视觉目标检测模型标注框漏检误检对比截图

跑得动，才是真本事

跑得动，才是真本事

学术圈看mAP，产线上看节拍。

一条线一分钟出六十个件，留给你的时间窗口不到一秒——还得扣掉相机曝光、图像传输、PLC通信的时间。真正能拿来推理的，可能就两百毫秒。这时候你会发现，那些在公开数据集上刷得飞起的重模型，一个都用不了。

于是就得做取舍。剪枝、蒸馏、量化，把FP32压成INT8。量化这事儿特别有意思：模型体积砍掉四分之三，速度快上两三倍，代价是精度掉一两个点——但偶尔会在某个特定样本上掉得莫名其妙，你得一个个case去捞。这个过程一点也不优雅，纯粹是体力活。

硬件也讲脾气。相机曝光的触发信号和产线编码器之间差半毫秒，图像就是糊的；镜头上一层油雾，对比度就塌了；夏天车间四十度，工控机降频，帧率跟着掉。这些事，没有一样写在论文里。

几个流传挺广的误会

几个流传挺广的误会

误会一：数据越多越好。不一定。一万张八月下午拍的图，干不过三百张覆盖了早中晚、阴晴雨、不同班次、不同来料的图。分布比数量重要得多。数据采集这件事，得当成排班表来设计，而不是当成囤货。

误会二：模型越大越准。在服务器上成立，在产线边缘盒子上不成立。你缺的往往不是参数量，是算力和内存带宽。

误会三：视觉能替人眼。人眼看一眼就知道“这个零件放歪了”，因为你有物理常识。模型没有。它只看像素，你得把“歪”这件事翻译成它能算的东西——坐标、角度、像素距离。凡是需要常识判断的场景，模型都在裸奔。

误会四：上线就完事了。这才是噩梦的开始。换一批来料，供应商的镀层配方改了，季节变了，镜头老化了……性能会一点点漂，漂得悄无声息。没有一套线上抽检加定期回流再训练的办法，模型撑不过半年。

它到底理解了什么

它到底理解了什么

说点冷思考。

今天这些模型，本质上是在高维空间里画分界线。给它一张图，它算出落在线的哪一侧。它没有“螺栓”这个概念，它不知道螺栓是用来拧的，不知道它掉在地上会响。它做的是相关性，不是因果。

这带来的麻烦不止精度。往图上叠几个精心构造的像素噪点，人眼看着毫无变化，模型能给你判成完全另一个类。所以现在做医疗影像、自动驾驶这类场景，没有人敢让模型单独拍板，都要留一个“人兜底”的环节——不是因为不信任技术，是因为知道它的失败模式太诡异了。

还有合规。人脸相关的应用，这几年被反复讨论，边界在收窄。这不是坏事。一个能干活的工具，和一个随时随地能被调用的工具，中间隔着的不是技术，是制度。

所以我现在接项目，开场问的头几个问题不是“你们想要什么功能”，而是——你们的灯会不会换？镜头多久擦一次？来料有几个供应商？缺陷里头，哪种是绝对不能漏的？

问完这几个问题，方案基本上就定了一半。

模型那部分，反而是后面的事。