第一次上课就翻了车
上周把这个内容放进新课表的时候，我还觉得不就是把两个现成的算法拼起来嘛，能有什么问题。
结果第一节课下课，三个学生围着我，笔记本上画满了问号。原来他们之前做实验，都是尺寸检测归尺寸检测，外观缺陷归外观缺陷，两个任务分开做，各用各的标定，各调各的参数。拼到一起的时候，直接乱了。
调完尺寸检测的亚像素边缘，转到缺陷分割那里，坐标偏了小半个像素，对于公差0.1mm的精密零件，这直接就废了。你调好了坐标，缺陷检测的阈值又不对，把尺寸测量的阴影当成了划痕，误判率快三成。
说实话我那时候也懵。备课的时候照着论文整理的逻辑，先讲尺寸检测流程，再讲外观分割，最后串起来，哪想到结合这么难。
砍了一半公式后，反而通了
回去翻了三个实际工厂的项目方案，突然反应过来。我搞错了核心。一体检测的核心不是发明新算法，是做工程取舍，共享公共步骤。
原来上课我花了两节课讲亚像素边缘提取的四种算法，又花一节课讲语义分割的网络结构，学生记了一堆公式，根本不知道为什么要做一体。
第二天上课我直接把大半的公式推导砍掉，开门见山说，我们现在要解决的问题只有一个：一条生产线只装一个相机，既要量尺寸，又要查外观，怎么最快最准？
第一件事，只做一次坐标系标定。不管是量尺寸还是找缺陷，都用同一个相机-世界坐标转换矩阵，不用尺寸算完再给缺陷模块重新算一遍坐标。
就这一点，直接把偏移问题解决了八成。很多学生一开始想不通，为什么要这么做？分开标定不是各自更准吗？你拿实际产能跟他算一笔账就懂了。一条线一秒出一个零件，你分开跑两次推理，光标定就要占三分之一的时间，算力成本翻一倍，老板会批吗？
第二个取舍，ROI共享。量尺寸的时候我们已经把零件的位置框出来了，外观检测直接在这个框里找缺陷就行，不用再重新跑一遍目标检测找零件位置。又省了一道算力。
之前有个学生硬拼算法，跑一张图要1.8秒，改完这两步，直接压到180ms，差了十倍。你说神奇吗？其实一点都不神奇，只是把重复做的事砍掉而已。
踩过坑才记得住
不过话说回来，我也不会一开始就把这两个点告诉学生。肯定要让他们先踩坑，先硬拼一次，拼到报错，拼到误判率居高不下，拼到他们自己跑来问为什么我明明两个算法都对，合起来就用不了，这个时候再点破，效果才最好。
上次有个学生，为了降低误判，给缺陷检测换了个很大的分割模型，结果算力不够，实验室的旧工控机跑起来直接卡退，他蹲在实验台边挠头挠了一下午，最后自己想出来把不需要检测的区域直接裁掉，只留关键的五个尺寸位置和对应的外观区域，一下就跑通了。
这个感悟，我讲一百遍都不如他自己挠一下午头记得牢。
现在很多教材写算法，都喜欢写得很完美，把所有步骤整理得顺顺当当，好像只要按步骤走就能出结果。实际上做工程哪有这么顺。
一体检测这个东西，说白了就是逼你在有限的成本里做妥协，你要接受有些地方不需要那么高的精度，你要把两个任务的重叠部分挖出来共享，本质上是工程思维的训练，不是算法推导的训练。
我之前把它当成纯算法课来教，错得离谱。现在改成了项目式挖个坑，让学生自己跳，自己爬出来，及格率反而涨了两成，做出来的作品真的能拿到企业的小项目上去用。
哦对，上周还有个毕业的学生回来说，现在公司招人面试，问起一体检测，他把上课踩坑的经历一说，面试官直接就过了。比那些背公式堆模型的好用多了。
