上来就买最贵的相机，这是病
一提要加机器视觉，学生第一反应是什么？搜工业相机，挑参数最高的买。千万像素、千兆网、全局快门，什么好要什么，仿佛参数堆够了，设计自然就成了。
结果呢？接线接了三天，驱动兼容性搞不定，实验室那台用了五年的工控机，跑个实时预览都卡成PPT。我过去一看预算，光是相机就花了快两千，剩下传动、执行器全买最便宜的次品，动起来晃得跟筛子一样，拍啥能拍清楚啊？
说实话，大多数本科生课程设计、毕设的题目，都是小场景小零件。分拣最大不超过巴掌大的工件，两百万像素的百元级全局快门相机足够用了。算个账你就懂：工作面幅就200mm×200mm，两百万像素分下去，每个像素对应实际尺寸才0.15mm左右，足够识别绝大多数缺陷和姿态了，要那么高分辨率干嘛？存原图占硬盘吗？
多余的预算，给导轨换个精度高点的，给电机加个减速器，哪不比堆相机参数有用？
学生一开始还不服，说分辨率低肯定拍不清细节。我拿着计算器给他算完，盯着测试屏看了十分钟，自己低头改选型去了。
我慢慢发现，学生这个误区，其实跟我们的教学有关系。之前讲机器视觉，都是对着参数表念，讲什么叫分辨率什么叫快门，没教过怎么结合自己的机械设计算需求。出了门，学生可不就只会选贵的嘛。
别把机械该干的活，全推给算法
第二个掉的最多的坑，就是过度迷信算法。
去年有个学生，做轴承表面划痕分拣，上来就要搞深度学习语义分割，训了一个多月模型，换个灯光准确率直接掉一半， deadline 只剩两周，急得天天泡实验室熬夜。
我蹲那看他测了半小时，问了他一个问题：你为什么不做定位工装？他说，本来想加的，但是觉得加了工装占位置，还多一道装配工序，想着让视觉直接识别任意姿态的轴承，这不更智能吗？
哦，合着把机械结构该解决的定位问题，全推给视觉算法了。这不是舍近求远是什么？
我让他回去加了个简单的V型定位槽，把轴承的位置和姿态固定死，划痕只会出现在内圈和外圈的环带上，直接用灰度阈值差分提特征，连模型都不用训，测试了二十个样品，准确率直接干到100%。一周的活，变成半天搞定。
我们机械设计方向教机器视觉，核心是什么？是机械和视觉的配合，不是培养算法工程师。你用机械结构把变量控住，视觉只需要干最简单的判断，成本低，稳定性还高，这不香吗？
不过话说回来，现在学生被网上各种教程带偏也正常。打开短视频，全是“用AI视觉做什么什么”，好像不加个深度学习就不够高端，做设计又不是比谁的算法 fancy，能落地解决问题才是根本对吧？
改了三次的课程设计要求
踩的坑多了，我也开始改自己的课程设计作业要求。
原来留作业就一句话：设计一款带机器视觉的自动分拣装置。太笼统了，学生根本摸不着边，可不就照着网上的方案抄嘛。
第一次改，加了总硬件成本限制：所有加起来不能超过1500块。一下子就把学生打醒了，逼得他们做取舍，不会上来就选最贵的相机。有个学生去年还搞了个骚操作，把淘汰的旧手机摄像头拆下来，改了驱动用，效果居然刚好满足需求，省下的钱加了个触摸屏，整个系统的完整度高多了。
第二次改，加了流程限制：必须先定机械定位方案，再选视觉硬件，最后写算法，反过来不行。就是要改掉学生把活全推给算法的毛病，让他们从一开始就想清楚，哪个部分该用机械解决，哪个部分该用视觉解决。
这两年改完下来，明显感觉学生的方案靠谱多了。不再是堆参数堆概念，真的会开始算需求，做取舍。
我原来以为，教机械设计方向的机器视觉，就是教学生怎么买相机怎么调参数怎么跑模型。现在才明白，根本不是这么回事。我们要教的，是让学生把机器视觉当成一个普通的机械零件，像选轴承选电机一样，根据整个系统的需求选它、配它，让它和机械结构配合起来解决问题。
很多中小企业做旧设备改造，哪来那么多预算给你上顶级的硬件和算法？能靠简单机械定位加低成本视觉解决问题，省下来的都是真金白银，这才是我们机械设计师该给客户做的方案。
前阵子毕业的学生回学校找我吃饭，说他在厂里做旧分拣线改造，就用上课学的思路，加了定位工装，换了个几百块的相机，改完之后故障率降了八成，花了不到一万，比换整条新线省了几十万，领导直接给涨了工资。
你看，教学生踩对坑，比教他背一百个参数有用多了。下次课我打算再加点限制，加个安装尺寸要求，看看学生还能玩出什么新花样。
