分拣机器人到底咋认东西的？视觉那套原理一直没整明白

看你项目要求。要是工件就那么几种，固定来固定去，模板匹配就够了，提前把每个型号的样品拍几十张做模板，匹配速度能到几十毫秒，CPU跑都跑得动，工业现场稳定性反而更好。我这边做的是标准件分拣，六七个型号，用HALCON做的模板匹配，节拍要求12件/分钟，轻松够用。

深度学习那种适合SKU特别多、或者来料姿态变化大的场景，但训练数据集就得攒，标注也费劲，而且推理速度依赖GPU，部署成本高不少。你先把工件种类和节拍要求报一下，才好判断走哪条路。

反问一下，传送带是停的还是不停的？定位是靠编码器触发还是视觉自己找？这两个差别很大，原理也不一样。停的话简单，拍完直接算；不停的话涉及运动模糊，曝光时间得压到很短，有的项目还得用全局快门相机加频闪光源，不然边缘全是糊的根本没法识别。

别迷信AI，我们厂去年硬上了一套深度学习分拣，简单工件还行，遇到表面有油污或者交叉重叠的就抽风，误识别率能到5%以上，最后还是退回传统blob分析+几何特征匹配那条路了。说白了，传统方法能解决80%的问题，而且每一步都能追溯出问题在哪，AI那个黑盒子现场出了问题你都不知道找谁。