机器视觉识别与定位实战：选型、精度与产线落地

1. 先把“识别”和“定位”拆开看，才知道产线到底卡在哪

工业现场聊到识别和定位，十个人里有八个会把它们当成一件事，实际上这俩是完全不同的两个技术目标，而且难点、成本、踩坑点全都不在一处。识别回答的是“这是什么、有没有、是什么类别、有没有缺陷”，定位回答的是“它在哪里、朝向如何、坐标系里的坐标是多少”。前者偏分类与判读，后者偏测量与解算。它们共同支撑起工业自动化里最基础也最难被替代的一环：让设备“看得见”并且“看得准”，进而把物理世界的信息转成可以驱动执行机构、可以进入数据库的数字信号，这也是生产数字化真正落地时绕不过去的入口。

我做过不少这类项目，从食品包装线上的缺件检测，到汽车零部件上料工位的无序抓取，再到电子组装环节的精密贴合。最开始我以为难点在算法模型，做多了才发现，真正让项目延期、让产线停线的，往往不是模型不够深，而是精度没算清、光没打好、坐标系没对齐、节拍跟不上。所以这篇文字不聊空洞的趋势，就按我自己的实践顺序，从任务拆解、路线选型、精度推演，一路写到代码实现和上线排障，把识别和定位这件事掰开揉碎讲清楚。适合刚接触机器视觉的工程师、负责产线改造的自动化从业者，也适合想把生产过程数据化、但不确定从哪个环节切进去的管理者看。

1.1 一个典型抓取工位，痛点往往不在“认不出”

我拿一个最常见的场景举例：料筐里散乱堆着一批金属结构件，机器人要逐个抓取放到加工夹具上。表面看需求很简单——找到零件、算出坐标、发给人手。但真跑起来会发现问题一层套一层。零件表面有反光，料筐底部有油污，零件之间互相遮挡，同一批来料还有轻微色差；更麻烦的是，抓取点不是一个平面上的点，而是零件上一个特定的特征孔，这就要求不仅要知道“零件在画面哪个位置”，还要知道“零件绕Z轴转了多少度”，否则机器人抓起来姿态就是歪的。

这时候如果只做识别，你会得到一个“这里是零件”的框，但框的中心根本不是抓取点；如果只做定位而不做识别，遇到混料、异物、翻面件，机械臂会直接去抓空气或者抓错件。所以我在方案设计阶段一定会把需求拆成三问：要找什么（类别/目标）、要找几个（计数/有无）、找到之后要精确到什么程度（位置精度与角度精度）。这三问答不清楚，后面选相机、选镜头、选算法全是瞎猜。我见过太多项目，需求只写了“实现自动抓取”，结果验收时才发现客户要求角度误差小于0.5度、位置误差小于0.1毫米，方案直接推倒重来。

提示：需求确认阶段就要把精度指标写成具体数字，并且明确这个数字是“重复精度”还是“绝对精度”，两者差一个数量级，对应的硬件成本也差一个量级。

1.2 分类、检测、分割、位姿估计，四种任务别混着用

在算法层面，识别和定位其实对应四类不同的任务，选错了不仅精度上不去，算力也会白白浪费。分类只判断整张图或某个ROI属于哪一类，成本最低，适合“有/无”“合格/不合格”这种二值判断；目标检测给出矩形框，能同时处理多目标和多类别，是产线上用得最多的一种；语义分割/实例分割给出像素级轮廓，适合形状不规则、需要计算面积或边缘距离的场景，比如涂胶轨迹、焊缝提取；位姿估计则是输出三维位置加旋转，常用于无序抓取、装配对位。

我的经验是，能用检测解决的就别上分割，能用分割加几何拟合解决的就别急着上深度学习位姿估计，因为每往上一级，标注成本、训练成本、推理耗时都是成倍增长。举个具体例子，某电子件贴装工位最初想用分割网络提取轮廓再拟合中心，实测单帧推理要120毫秒，节拍根本不够；后来改成“粗定位用模板匹配，精定位用边缘拟合加亚像素”，整帧处理压到18毫秒，精度还更稳定。这不是说深度学习不好，而是要看任务本质：如果目标形状固定、纹理稳定，传统几何方法又快又准；如果目标形态多变、背景杂乱，那才轮到深度模型上场。

1.3 为什么这两个基础能力，是生产数字化的入口

很多工厂谈数字化，第一反应是上MES、上大屏、上报表，结果数据源头是人工录入，滞后半天还带错。识别和定位的价值就在这里：它是把物理世界“翻译”成数字世界的第一道关口。每一个零件的位置、每一个产品的外观判定、每一次抓取的成败，都能变成带时间戳的结构化数据，回流到系统里做追溯、做良率分析、做设备健康度评估。没有这一层，所谓数字化就是空中楼阁。

我在一个装配线上做过统计，加了视觉识别之后，不良品的拦截点从原来的终检前移到装配工位，单批次的返工量下降非常明显，更重要的是每一次判定都留了图和数据，出问题能倒查是哪一批来料、哪一个光源状态、哪一次标定漂移导致的。这种“可追溯”的能力，才是工业4.0语境下真正值钱的部分——不是机器换人，而是过程变得可观测、可量化、可优化。

2. 技术路线选型：传统视觉、深度学习，还是两者混搭

路线选型这件事，我见过两种极端。一种是“深度学习万能论”，什么需求都想上模型，结果样本不够、标注混乱、现场光照一变就崩；另一种是“传统方法原教旨”，坚持模板匹配打天下，遇到表面纹理变化、来料批次差异就束手无策。实际做下来，我在绝大多数工业项目里采用的是分层混搭：粗定位用传统方法保证速度和鲁棒性，精分类用轻量模型兜底复杂变化，最后再用几何约束把结果“卡”回物理合理范围。

2.1 传统特征方法在什么场景下依然是最优解

判断标准其实很朴素：目标几何形状是否稳定、光照是否可控、背景是否相对固定。这三条如果都成立，传统方法几乎没有理由被替代。以模板匹配为例，它本质上是拿一张标准图在待检图上滑动做相似度计算，计算量小、可解释性强、不需要训练数据，而且对“差一点就算过”这种容差要求可以精确控制阈值。在五金件、塑胶件、印刷字符这些场景，我用归一化相关系数做匹配，配合金字塔降采样，单帧几毫秒就能出结果。

边缘定位更是传统方法的强项。亚像素边缘提取通过拟合灰度梯度分布，可以把定位精度做到0.1像素甚至更高，这个精度很多深度模型目前还给不了。我在做精密贴合时，最终的位置几乎都是由边缘拟合给出的，模型只负责告诉我在哪个大致区域去找边。所以我的建议是：不要因为“深度”听起来高级就放弃几何，反过来，也别指望几何方法去处理一件褶皱布料或者一堆随机堆叠的软包装。

2.2 深度学习上产线的三个硬前提

如果确实要上模型，我在立项前会先确认三件事有没有着落，缺一件我都会劝客户缓一缓。第一是样本的代表性，不是数量够就行，而是要覆盖真实的来料波动、光照漂移、遮挡情况。我吃过亏，训练集全是实验室打光拍的漂亮图，上线第一天车间下午的侧光一照，识别率直接掉一半。第二是推理算力的确定性，产线节拍是硬约束，模型必须在最坏情况下也能在预算时间内跑完，不能只看平均耗时。第三是可维护性，模型上线不是终点，来料变了、工艺调了，得有人能快速补充样本重训，如果没有这套流程，模型半年后就会变成没人敢动的黑盒。

对于工业场景，我偏向选择轻量骨干网络加小输入尺寸，牺牲一点极限精度换取稳定性和速度。检测框稍微粗糙一点没关系，后面用几何方法精修；分类置信度不高也没关系，设置一个“拒识区间”，把不确定的样本挑出来人工复核，反而比强行给结论更安全。

2.3 2D引导与3D引导的成本与精度账

这是选型时最容易被低估的一块。很多需求方一上来就说要3D，理由是“零件有高度”。但高度信息到底影响不影响抓取，得具体分析。如果零件是平放在托盘里、抓取面高度一致，2D完全够用，成本可能只有3D方案的几分之一。

我个人的取舍原则是：高度变化小于景深的，优先2D；高度变化超出景深但抓取姿态只需要平面旋转的，可以用2D加测距补偿；只有当姿态的俯仰、横滚也影响抓取时，才真正需要3D。另外提醒一句，3D方案在反光金属、透明玻璃、纯黑橡胶这三类材质上经常出问题，点云缺一大块，算法再强也补不回来，选型阶段一定要拿真实工件去实测，别只看供应商的演示件。

3. 精度是先算出来的：相机、镜头、光源的选型推演

我一直跟团队强调一句话：视觉系统的精度是设计出来的，不是调试出来的。硬件选型阶段算错一个数，后面软件怎么写都救不回来。这一节我把实际选型时的计算过程完整走一遍，你可以直接套用。

3.1 分辨率、视野与精度的三角关系

核心公式只有一条：像素精度 = 视野宽度 ÷ 相机横向像素数。假设工位视野需要覆盖 200mm × 150mm，产品上最小的待检测特征是 0.1mm 的细缝，那么按照工程惯例，一个特征至少要被 3 到 4 个像素覆盖才能稳定判读，取 3 像素，则要求像素精度为 0.1 ÷ 3 ≈ 0.033mm/px。反推相机横向像素数 = 200 ÷ 0.033 ≈ 6000 像素。

这个数字说明什么？常见的 500 万像素相机（约 2448 × 2048）在 200mm 视野下，像素精度只有 200 ÷ 2448 ≈ 0.082mm/px，一个 0.1mm 的特征只占 1.2 个像素，根本判不准。要满足需求，得选 2000 万像素以上的机型，或者把视野缩小到 80mm 左右分区拍摄。这两种方案的成本、节拍、机械结构复杂度完全不同，必须在设计阶段就定下来。

再看定位精度。定位精度不等于像素精度，还要考虑亚像素能力、镜头畸变、机械重复性。经验上，稳定的边缘亚像素算法可以把定位精度做到 0.1 到 0.3 像素，取 0.2 像素，则上例中理论定位精度约为 0.082 × 0.2 ≈ 0.016mm。但这只是视觉侧的理论值，实际系统的整体精度还要叠加机器人重复定位精度（常见 ±0.02mm 到 ±0.05mm）和标定残差。所以如果你看到有人承诺“视觉精度 0.01mm”而没提机械侧，基本可以判断这个数字只在实验室恒温台上成立。

镜头焦距同样要算：焦距 ≈ 靶面尺寸 × 工作距离 ÷ 视野。还是上面的例子，选用 2/3 英寸靶面（约 8.8mm × 6.6mm），工作距离 400mm，视野 200mm，则焦距 ≈ 8.8 × 400 ÷ 200 = 17.6mm，实际选型就在 16mm 或 20mm 之间取，再通过微调工作距离来凑准视野。这里有个容易忽略的点：镜头选型要留出至少 10% 的视野余量，用来做机械安装误差补偿和后续工艺微调，卡得太死后期会非常被动。

3.2 打光方案，往往决定识别率的上限

我见过太多项目，算法改了三个月不见效，最后换了个光源角度，问题当场消失。光的作用不是“照亮”，而是制造对比度，让目标和背景在灰度上分得开。常见的几种打法及适用场景，我整理如下。

• 环形光：通用性最好，适合平面、哑光、有一定纹理的工件，安装方便，是默认首选。
• 低角度光（暗场）：光线近乎贴着表面打，划痕、凹坑、边缘毛刺会亮起来，适合表面缺陷检测。
• 同轴光：光线垂直照射并垂直回收，适合高反光平面、镜面金属、玻璃，能压掉反光斑。
• 背光（透射）：工件放在光源和相机之间，直接得到剪影，边缘对比度极高，是尺寸测量和轮廓定位的最佳选择。
• 条形光/穹顶光：前者适合细长工件的局部打光，后者用于曲面、球面工件的均匀照明。

实际选型时我会先做一件事：把工件拿到暗室里，用可调光源一点点试，找出让目标特征最突出的那个角度和波长。对金属件，偏振片常常是救命的，加一片偏振镜能压掉大部分镜面反射；对彩色印刷品，用与底色互补的单色光可以显著提升对比度。这些手段成本很低，效果却比换算法明显得多。

注意：光源的稳定性比亮度更重要。很多现场识别率下降是因为光源老化或环境光干扰，建议选带恒流驱动的光源控制器，并给工位加遮光罩，避免车间天窗的自然光直射。

3.3 标定：手眼关系没标好，后面全白搭

标定的本质是建立“像素坐标”和“机器人坐标”之间的映射。分两种情况：相机固定在支架上俯视工作台（眼在手外），和相机装在机械臂末端跟着动（眼在手上）。前者标定一次基本能长期用，后者每次换工具都要重标，所以我一般优先推荐眼在手外，除非视野被机械结构挡住。

九点标定是最常用的做法：让机器人末端带一个标定针，依次走到九个不同位置，同时记录机器人坐标和图像上对应的像素坐标，然后用最小二乘法拟合一个仿射变换矩阵。九个点要尽量铺开、覆盖整个工作视野，不要挤在中间一小块，否则外推区域误差会很大。我通常会再加一轮验证：用矩阵把第九点之外的随机几个点算出来，让机器人走过去看偏差，残差超过 0.1mm 就要检查是不是点位记录有误或者相机有位移。

如果涉及旋转，还得标定旋转中心。做法是让末端在同一个物理点上旋转三个以上角度，记录各次机器人坐标，用最小二乘法拟合圆，圆心就是旋转中心。这一步不做，抓取带角度的零件时会出现明显的偏移，而且偏移量随角度变化，很难靠补偿修掉。

4. 一条完整链路的实操记录：从取图到机器人动起来

理论说完，进入实操。下面这套流程是我在多个抓取工位上反复用过的骨架，代码以开源视觉库为例，参数都是真实调过的量级，你可以照着改。

4.1 环境与依赖准备

软件栈尽量简单，减少不确定性。我的习惯是 Python 加开源视觉库做算法验证，稳定后再决定是否移植。基础依赖就三个：图像处理库、数值计算库、通信库。

pip install opencv-python numpy pymodbus

硬件侧的检查清单我会逐条过：相机网口是否走独立网段、供电是否稳定、触发线是否屏蔽接地、光源控制器电流是否设到额定值的 80% 左右（既能保证亮度又延长寿命）。这些看起来琐碎，但现场 80% 的“图像偶尔丢帧”都是这类问题导致的。

4.2 图像预处理与ROI裁剪，别小看这一步

原始图像进来之后，第一件事不是匹配，而是把无关区域裁掉。ROI 裁剪不只是为了省算力，更重要的是排除干扰——料筐边缘、设备反光、传送带接缝，这些都会在全局搜索时造成误匹配。我通常先用固定的机械坐标换算出大致区域，裁剪出一个比目标大 30% 左右的窗口，再做后续处理。

预处理的顺序也有讲究：先转灰度（彩色信息在定位任务里基本没用，还能省三分之二算力），再做高斯滤波压噪，滤波核大小取 3 或 5，太大反而会把边缘糊掉；然后用自适应阈值或者大津法做二值化，得到候选区域。如果工件对比度本身就很好，阈值分割就够用了，不必上复杂的网络。

import cv2 import numpy as np img = cv2.imread("frame.png", cv2.IMREAD_GRAYSCALE) roi = img[120:480, 200:760] # 按机械坐标预算的搜索窗口 blur = cv2.GaussianBlur(roi, (5, 5), 0) _, binary = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) # 形态学开运算去掉小噪点，核大小按噪点尺寸定，一般为特征尺寸的1/3 kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3)) binary = cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel)

这里有个小经验：阈值分割出来的轮廓，用面积和长宽比做一次粗筛，能挡掉绝大多数误检。面积上下限一般取标准件面积的 0.7 到 1.3 倍，长宽比按工件实际形状给个 ±20% 的容差。这一步几乎零成本，但能显著降低后续匹配的负担。

4.3 模板匹配与亚像素定位的代码实现

粗定位用模板匹配，标准模板在首件确认时截取，存成文件随程序发布。匹配用归一化相关系数，对整体亮度变化不敏感。

template = cv2.imread("template.png", cv2.IMREAD_GRAYSCALE) res = cv2.matchTemplate(blur, template, cv2.TM_CCOEFF_NORMED) min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res) # 置信度门限：低于阈值的样本直接拒识，交人工复核 CONF_THRESHOLD = 0.75 if max_val < CONF_THRESHOLD: raise RuntimeError(f"匹配置信度不足: {max_val:.3f}") h, w = template.shape[:2] center_x = max_loc[0] + w / 2 center_y = max_loc[1] + h / 2

模板匹配给出的是整像素位置，精度大约半个像素到一像素，做引导抓取往往不够。这时候要在粗位置附近做亚像素精定位，我通常用两种手段：一是对匹配响应图在峰值附近做抛物线拟合，得到亚像素偏移；二是以粗位置为起点，提取目标的边缘点做直线或圆拟合，用几何交点作为最终定位点。后者的精度更高，但要求边缘清晰。

# 方法一：在匹配响应峰值邻域做二维抛物线拟合，得到亚像素偏移 def subpixel_peak(res, loc): x, y = loc if x <= 0 or y <= 0 or x >= res.shape[1]-1 or y >= res.shape[0]-1: return float(x), float(y) # 分别沿 x、y 方向做一维三点拟合 dx = (res[y, x+1] - res[y, x-1]) / (2 * (2*res[y, x] - res[y, x-1] - res[y, x+1])) dy = (res[y+1, x] - res[y-1, x]) / (2 * (2*res[y, x] - res[y-1, x] - res[y+1, x])) return x + dx, y + dy sx, sy = subpixel_peak(res, max_loc)

角度怎么拿？两种办法。目标有明显直线边缘的，用霍夫变换或者最小二乘拟合直线求斜率；目标有规则的角点或圆孔的，用轮廓拟合矩形的minAreaRect直接得到角度。我一般在模板匹配的 ROI 里做一次minAreaRect，取rect[2]作为角度，再按工件的主方向做一次归一化，避免 ±90 度的跳变。

4.4 像素坐标到机器人坐标的转换

拿到像素坐标和角度，下一步是坐标变换。前面九点标定得到的仿射矩阵直接派上用场。

# pix_pts: 9x2 像素坐标；rob_pts: 9x2 机器人坐标 pix_pts = np.array([...], dtype=np.float32) rob_pts = np.array([...], dtype=np.float32) M, inliers = cv2.estimateAffine2D(pix_pts, rob_pts) # M 形如 [[a, b, tx], [c, d, ty]] def pixel_to_robot(u, v, M): p = np.array([u, v, 1.0]) return M @ p # 返回 (x, y) robot_xy = pixel_to_robot(sx, sy, M)

角度转换要注意方向一致性。图像坐标系 y 轴向下，机器人坐标系 y 轴通常向上，如果直接套用图像角度，抓取姿态会镜像。我的做法是标定时同时记录两个角度的对应关系，在程序里加一个符号因子，并在首次调试时用一个已知角度的工件验证正负号。这个坑我踩过一次，机器人每次多转两倍角度，查了半天才发现是符号反了。

另外，如果工件需要绕自身中心旋转后再抓取，还要做一次绕旋转中心的坐标变换。公式不复杂，但旋转中心的标定误差会直接放大到最终位置误差上，所以这个值我一般会重复标三次取平均，并记录在配置文件里定期复核。

4.5 与PLC及机器人的通信联调

视觉算完不能自己玩，得把结果送出去。常见的两种方式：一是通过 TCP Socket 发字符串协议给机器人控制器，二是通过 Modbus TCP 或现场总线把坐标写进约定的寄存器区。前者灵活、易调试，后者实时性和稳定性更好，适合节拍紧的场合。

import socket, json def send_result(host, port, x, y, theta, ok): payload = json.dumps({ "x": round(x, 3), "y": round(y, 3), "theta": round(theta, 3), "ok": int(ok) }) + "\n" with socket.create_connection((host, port), timeout=2) as s: s.sendall(payload.encode("utf-8"))

联调阶段我坚持三条规矩。第一，协议要带序号和校验，避免粘包和错位，机器人侧收到后回一个 ACK，视觉侧超时未收到就重发。第二，要有心跳，视觉程序挂了机器人得知道，不能傻等。第三，要有安全兜底，置信度不足或者坐标超出工作范围时，绝不能把数据发出去，直接返回“拒识”，让机器人停在安全位等人工处理。这第三条看似保守，实际上能挡住绝大多数撞机事故。

5. 上线后的问题排查与生产数字化落地

实验室跑通和产线稳定运行之间，隔着一条很宽的沟。这一节我把这些年遇到的高频问题和处理思路整理出来，基本覆盖了大部分现场故障。

5.1 识别不稳定，先查这五件事

识别率突然下降时，我的排查顺序是固定的：光源、镜头、工件、参数、环境。先看光源有没有衰减或者被碰歪，这是最高频的原因，尤其是用了两三年的设备，LED 光衰明显，亮度掉 20% 就足以让阈值分割失效。再看镜头表面有没有油污粉尘，车间环境一天不擦就可能糊一层。然后确认来料批次有没有变，表面处理工艺、颜色、反光特性一变，原来的模板就失配了。接着检查参数是不是被人改过，尤其是阈值和置信度门限。最后看环境，比如旁边新装了一台设备、窗户加了百叶、工位加了照明，都会影响成像。

提示：我习惯在程序里保存每一帧的原始图和判定结果，至少滚动保留最近 24 小时。出问题时能直接翻历史，比在现场凭记忆猜快十倍。

5.2 定位漂移与重复精度不达标

定位漂移的成因比识别失败更隐蔽。有一次项目，视觉重复精度怎么调都在 ±0.15mm 上下晃，达不到 ±0.05mm 的要求。查了两天才发现是相机支架用了铝型材悬臂结构，机器人一加速，支架跟着微振，图像自然是糊的。换成厚壁钢管加独立地基之后，问题当场解决。所以遇到精度问题，我是先怀疑机械，再怀疑光学，最后才怀疑算法。

第二个常见原因是标定残差。九点标定的残差如果超过 0.1mm，说明点位记录不准或者视野畸变没校正。镜头畸变在大视野、短焦距的情况下非常明显，边缘区域可能差出好几个像素，这时候必须先做相机内参标定，用棋盘格把畸变系数解出来，对图像做校正之后再谈手眼标定。

第三个原因是温漂。精密场景下，相机和工件的热胀冷缩不能忽略，尤其是车间温度波动大的时候。我的做法是设置一个基准靶标，每隔一段时间自动拍一次，比对当前解算出的坐标和历史基准，偏差超过阈值就报警提示重新标定。这套机制成本不高，但对长期稳定性帮助很大。

5.3 节拍不够，从哪几个方向优化

节拍是硬指标，优化路径按投入产出比排序大概是：减小搜索区域、降低图像分辨率、算法轻量化、并行化、硬件升级。第一项最划算，很多项目全局搜索改成 ROI 搜索，耗时直接降一个数量级。第二项要谨慎，分辨率降了精度就降，得先算清楚余量。第三项是把不必要的处理步骤砍掉，比如彩色转灰度、多次滤波、重复的形态学运算，profiling 一下往往能发现一两个耗时大户。并行化适合多工位场景，多相机多进程各跑各的。硬件升级是最后的选项，换更高算力的工控机或者带硬件加速的采集卡。

我做过一个统计，一个典型抓取流程从取图到出结果，耗时分布大概是：图像采集 8ms、预处理 6ms、模板匹配 15ms、亚像素精定位 12ms、坐标变换与通信 3ms。优化时先盯模板匹配，用金字塔分层搜索可以把 15ms 压到 5ms 以内；亚像素那一步则可以通过缩小拟合窗口来提速。

5.4 让识别结果变成可追溯的生产数据

这一步是很多项目做完就丢掉的部分，也是最体现生产数字化价值的部分。我的做法是把每次判定的结果结构化落库，字段至少包括：时间戳、工位号、产品序列号、判定结果、置信度、定位坐标、处理耗时、图像路径。这些数据往上有三个用途：一是追溯，客户投诉某批产品时能快速定位到当时的图像和参数；二是良率分析，按班次、按来料批次、按设备统计识别率和误判率，找出系统性偏差；三是预测性维护，比如光源亮度随时间的衰减曲线、相机温度与误判率的相关性，都能从数据里看出来。

落库不要太重，本地轻量数据库或者消息队列加时序库都能胜任，关键是字段设计要稳定，别每次改需求就动表结构。我一般会在视觉程序里单独起一个数据上报线程，跟主流程解耦，上报失败不影响生产，本地留一份缓存等网络恢复再补传。

注意：图像数据体积大，全量保存成本高。我的经验是“合格品只存缩略图和结论，不合格品存原图”，这样既保证追溯能力，又把存储量控制在可接受范围。

这套东西跑顺之后，你会发现视觉工位不再是一个孤立的检测点，而是整条产线的数据源之一。设备的运行状态、工艺的稳定性、来料的波动，都能从这些看似枯燥的数字里读出来。这也是我理解的工业4.0的真正含义——不是把设备联网就叫智能，而是让每一个环节都产生可信的数据，再让数据反过来指导决策。

我个人在实际操作中的体会是，识别和定位这类项目，最贵的从来不是相机和算法，而是前期把需求问清楚、把精度算明白所花的时间。我见过太多团队急着写代码、急着调模型，结果硬件选错、光没打好、坐标系没对齐，最后推倒重来的成本远高于一开始多花两天做方案推演。另外一个小建议：每个项目结项时，把标定数据、模板文件、参数配置、光源型号、调试记录整理成一份交付文档，哪怕只有你自己看。半年后设备出问题，你会感谢当时那个愿意多写两页纸的自己。