兄弟们，今天聊个我踩了仨月的坑。
年初老板不知道从哪个销售那儿听说了AI视觉检测，兴冲冲把我叫到办公室，说要在车间装一套安全帽检测系统。”花了十多万搞AI，以后安全员都可以省了。”我当时心里就咯噔一下——在工厂干过的人都知道，理想很丰满，现实往往是骨感的。
但老板的话就是命令。咬牙接了这个活儿，结果就是接下来三个月的折腾史。
销售吹得天花乱坠，装上去才发现不对劲
供应商来的时候带了一套方案：4个AI摄像头，一台边缘计算盒子，说”即插即用，两周上线”。我当时还特意问了几个技术细节：光照变化能处理不？戴帽子算不算没戴安全帽？大晴天和阴天识别率一样不？销售拍着胸脯说都没问题。
第一周安装倒挺顺利。摄像头装好，网络通上，后台能看到实时画面。我还在工控群里显摆了一下：”兄弟们，咱车间也上AI了！”
结果正式上线第一天，我就笑不出来了。
早上8点，系统报警了68次。我跑去一看，笑了——一个工友戴着草帽走过摄像头，系统判定”未佩戴安全帽”，报警。接着又报：有人穿深蓝色工服，跟背景墙颜色太接近，被误判为”人形物体”报警。一上午下来，安全员手机被系统短信轰了200多条，全是误报。
最离谱的是，车间有个风扇对着摄像头吹，画面轻微晃动，AI就判定”有人进入危险区域”——那风扇在那挂了三年了！
调参的日子，比调PID还痛苦
我赶紧联系供应商技术支持。对方远程连进来，调了几个参数，说”好了，重新训练一次模型就行”。这一训练就是一整夜。第二天一看，误报从68次降到了42次，但还是没法用。
我后来复盘，这个问题核心就出在训练数据上。供应商用的训练集是网上扒来的公开数据集，大部分是在实验室环境拍的。光线均匀、背景干净、角度标准。但咱们工厂什么环境？早上阳光从东窗射进来，下午西晒，阴天昏暗，开灯又反光。同一个摄像头一天24小时，光照条件能变五六种。
我花了两个礼拜，亲手拍了8000多张现场照片——不同角度、不同光线、不同天气、不同工种的。戴安全帽的、没戴的、戴草帽的、戴棒球帽的、拿东西挡着头的……然后用LabelImg一张张框出来标注。光标注就干了三天，眼睛都快瞎了。
把现场数据灌进去重新训练之后，误报率终于降到了可以接受的水平。每天从200多条报警变成十几次，基本靠谱了。
新的问题又来了：算力不够
正以为问题解决了呢，硬件又出幺蛾子了。那个边缘计算盒子，标称能同时跑4路视频分析。实际上接上4个摄像头，跑了半小时CPU直接飙到95%，画面卡成PPT，报警延迟好几分钟。人都走过摄像头十米了，系统才弹出一条”未佩戴安全帽”的警报。
我让供应商把视频分辨率从1080p降到720p，帧率从25fps降到10fps，勉强能跑，但画质一降，识别率也跟着掉。后来又加了两个盒子，一个盒子只跑两路，总算稳住了。成本也从原来的十来万直接飙到十八万。
真正把人搞崩溃的是环境变化
春天过去了，进入夏天，新的幺蛾子又来了。
夏天车间开大功率排风扇，整个摄像头都在抖。AI以为画面里有人在动，又疯狂报警。后来加装了防振支架才算解决。
更离谱的是，有工友不知道从哪搞了个印着安全帽图案的草帽戴着走——系统居然识别成”已佩戴安全帽”通过了！这谁能想到？后来加了人脸检测逻辑：即使头顶有安全帽形状，也要检测人脸区域有没有帽檐特征。总算堵住了这个漏洞。
还有一次下大雨，屋顶漏水滴到摄像头镜头上，画面糊了一片，AI在那瞎识别了整整一个下午，我后来看日志都哭笑不得。
半年跑下来，说点实在的
这套系统从今年2月折腾到5月，到现在勉强算”可用”了。我总结了几条教训，给想上AI视觉的兄弟们参考：
第一，别信供应商的”即插即用”。任何AI视觉项目，至少留出一个月的现场调优时间。公开数据集和现场数据之间的差距，比你想的大得多。
第二，算力留余量。标称能跑4路的，按2路规划。别把预算算得太死。
第三，现场数据采集是成败关键。一定要自己拍足够多的现场照片，覆盖各种光照、天气、季节。这是最笨但也最有效的办法。
第四，环境变化是隐形杀手。振动、灰尘、水雾、反光——这些工厂里再正常不过的因素，对AI系统都是灾难。做项目的时候一定要考虑到运维的长期成本。
不过话说回来，系统稳定之后，效果确实有。到今天为止，成功抓拍到7次工友没戴安全帽进入车间，安全管理上有了数据支撑，老板也挺满意。只是这过程中踩的坑，够我写一本血泪史了。
另外一点让我感触挺深的：AI搞到最后，其实拼的不是算法，是工程。你得懂摄像头安装角度，懂光照补偿，懂车间环境管理，懂工人的实际作业习惯。这些书本上学不到的东西，才是决定项目能不能落地的关键。我之前也觉得AI这东西多高大上，真正干下来发现，三分算法七分工程，一点也不夸张。
你们工厂上过AI视觉的项目吗？遇到了什么奇葩问题？来评论区聊聊，我看看是不是只有我这么惨。