视觉工程师的“黑话”，本质是把工程问题压缩成短词-开发者社区

视觉工程师的“黑话”，本质是把工程问题压缩成短词。听懂这些，才能真正进入他们的对话语境。

“这个图很脏”
不是说图上有灰，是说噪点多、干扰大、对比度差，算法很难稳定处理。

“图糊了”
不是失焦，可能是运动模糊（物体在动，曝光时间太长），也可能是景深不够（前后没拍清）。

“过曝了/欠曝了”
过曝 = 太亮，亮部细节全白，像素值饱和到 255；欠曝 = 太暗，暗部全黑，像素值压到 0。一旦饱和，信息就永久丢失了，算法救不回来。

“这个特征不明显”
不是说人眼看不见，是说像素值差异太小，阈值一卡就淹没在噪声里。

“换个打光试试”
不是调亮度，是换光源角度、颜色、类型。工业视觉里，打光方案往往比算法更决定成败。

“这个图有畸变”
镜头让直线拍出来变弯了。标定可以校正，但校正会重采样，损失一点精度。

“边缘不锐”
物体边界从亮到暗不是“一刀切”，而是渐变过渡。边缘越缓，定位精度越差。

“信噪比不够”
有用信号和噪声的比例太低。多帧平均可以提升信噪比，但耗时。

“图很干净”
夸赞。意思是对比度高、噪声小、目标清晰，算法容易做。

“这个用传统算法搞不定”
意思是规则写不出来。缺陷形态太多变，阈值、轮廓、模板都覆盖不了，得考虑深度学习。

“上深度学习”
不是万能药。意味着需要标注数据、需要 GPU、需要训练时间，而且结果不可解释。

“这个算法很鲁棒”
Robust 的音译。意思是抗干扰能力强，光照变一点、位置偏一点，结果依然稳定。

“这个算法很脆弱”
和鲁棒相反。参数稍微一变就崩，换一个产品就失效。

“调参”
不是随便试。是在阈值、核大小、迭代次数、容差之间找平衡。调参调到凌晨是常态。

“过杀了”
Overkill。检测标准太严，把合格品判成 NG。产线最怕这个，良率直接掉。

“漏杀了”
漏检。把 NG 判成 OK。比过杀更危险，不良品流到客户手里。

“这个特征很稳”
指某个测量值重复性好，同一物体测十次，结果几乎一样。

“亚像素”
比一个像素还小的精度。普通定位精确到 1 像素，亚像素能到 0.1 像素。

“标定一下”
建立像素和真实尺寸的换算关系。没标定的测量都是耍流氓。

“模板要更新了”
产品换型了，或者模板过时了。不更新模板，匹配分数会下降。

“这个算法是黑箱”
深度学习模型的通病。能给出结果，但说不清为什么。工业现场最怕这个。

“节拍跟不上”
产线要求 1 秒一个，你的系统 1.2 秒才出一个结果。节拍是工业视觉的硬约束。

“丢帧了”
相机拍了，但上位机没接住。高帧率下回调里做算法是丢帧的头号原因。

“带宽不够”
GigE 约 100MB/s，USB3 约 400MB/s。分辨率×帧率×位深超过带宽，就丢帧。

“这个算法太吃 CPU”
单帧处理时间太长，或者多线程跑满了。上 GPU 或优化算法是出路。

“内存泄漏了”
跑几小时内存涨到几个 G。原生 SDK 的 IntPtr 不释放是常见原因。

“实时性不够”
不是“慢”，是延迟不确定。工业场景要求的是确定性延迟，不是平均延迟。

“抖动太大”
每次处理时间忽长忽短。抖动比慢更可怕，产线没法排节拍。

“跑一夜看看”
稳定性测试。连续跑 8 小时，看丢帧、内存、节拍是否稳定。

“产线停了”
最严重的事故。视觉系统故障导致整条线停机，每分钟都是钱。

“这个项目很脏”
不是项目环境脏，是现场条件差：光照不稳、震动大、粉尘多、电磁干扰强。

“客户要得急”
意思是明天就要。视觉项目从打光到调参，本来需要几周，压缩到几天。

“先跑起来再说”
放弃完美方案，先用能跑的版本顶住。技术债以后还。

“这个得去现场看”
实验室调好的方案，到现场光照、震动、节拍全变了，必须重新调。

“打光方案定了吗”
这是视觉项目的第一优先级。打光没定，算法无从谈起。

“这个特征人眼都看不清”
意思是别指望算法能稳定检测。先解决成像问题。

“换个镜头试试”
不是换焦距，可能是换视野、换景深、换畸变特性。

“这个 NG 图留着”
不是留作纪念，是留作训练数据或调参依据。NG 图比 OK 图珍贵。

“上视觉之前，先问问能不能用传感器”
有些检测用光电传感器、接近开关就能解决，不需要视觉。杀鸡不用牛刀。

“这个需求做不了”
不是技术不行，是物理上不可能。比如要求 0.01mm 精度，但视野有 1 米，像素分辨率根本不够。

“验收标准是什么”
最关键的问题。过杀率、漏杀率、节拍、稳定性，必须提前明确。