起因

上一篇说了视觉分拣项目从 DEMO 到商业落地要翻三座大山——节拍、稳定性、异常处理，节拍能一票否决，另外两座决定项目能不能"活着收尾款"。但只指出大山在哪不算完整，这篇把翻山的工程方法逐座展开：每座山怎么量、怎么拆、用什么样的手段阶梯去翻，最后给一套交付前能把三座山一次性验证掉的验收闭环。

第一座山：节拍——先测量，再预算，后升级

第一步：摸清客户真实节拍

铭牌节拍和真实节拍是两回事。要的是峰值时段的节拍：开工来料高峰、最密批次通过的那几分钟。拿数据的方式：

有 PLC/SCADA 的，直接导出上游工件的到达时间戳，画到达率分布
没有的，去现场掐表半小时，按最密的那段算
客户口头说的"大概 50 一分钟"，一律再乘 1.2 的安全系数

第二步：做节拍预算表

把单件时间拆到每个环节，每项给预算值和实测值，类似这样的表：

环节	预算	实测	说明
曝光+采图	15ms	12ms	硬触发
推理+后处理	35ms	31ms	流水化
通信下发	5ms	4ms	TCP
臂运动到位	350ms	380ms	含加减速
末端取放	250ms	240ms	吸盘响应

预算表的价值是暴露瓶颈在哪一格，而不是笼统地说"系统不够快"。实测超预算的那一格，就是下一轮优化的唯一目标。

第三步：按成本阶梯提节拍

从便宜到贵，逐级上手段，跳级就是烧钱：

软件级：模型量化压缩、输入分辨率减半、ROI 裁剪推理、跳帧+跟踪补位；把视觉做成流水线藏在臂动作的"影子时间"里（上一篇的核心手法）
工艺级：用皮带做缓冲区——视觉工位在前、抓取工位在后，皮带上排队 3~5 件工件就是天然缓存，瞬时来料尖峰被队列削平，这是流水线场景最便宜、最被低估的一招；再往上双工位交替抓取
设备级：换高速 SCARA、双臂、转盘多工位——到这一步方案已经重构，尽量别让项目走到这里才醒悟

第四步：按峰值验收

最密来料、最快皮带档位连续跑 20 分钟，统计节拍分布看 P99。平均节拍达标、峰值堵线的设备，客户认定它就是慢的。

第二座山：稳定性——分层设防，长跑为王

稳定性问题的特点是单独测试全过、连续长跑必挂。处理思路是分层：视觉层、硬件层、软件层、标定层，每层有各自的病和药。

视觉稳定性

病：换批次来料、换季节光照，模型准确率断崖
药：数据集覆盖产线真实分布（批次、光照、油污等级）；现场拒识样本自动回流——低置信度帧自动存图入库，每月增量重训，这是模型不掉队的核心机制；模型带版本号灰度上线，新模型先影子运行对比

硬件稳定性

病：温漂（相机噪声变大、镜头微形变导致标定漂移）、车间电压跌落（大电机启停拉垮电网）、地环干扰（触发线耦合误触发）
药：机柜风道散热并留温度监控；隔离电源 + 宽压输入；相机、控制器、臂单点共地；触发信号用屏蔽线甚至改光纤/硬触发光电直连

软件稳定性

病：内存/句柄泄漏 72 小时后 OOM、日志写满 eMMC、进程悄悄死掉没人知道
药：
- 进程守护：Restart=always 的 systemd 单元只是底线，上层再配应用级看门狗（心跳超时自杀重启）
- 交付前 72 小时连续烤机是硬性动作，期间用脚本周期性采集 /proc 的内存、fd 数量、线程数，画曲线——爬升曲线比当场崩溃更能提前暴露泄漏
- 日志分级 + logrotate + 磁盘配额，异常现场自动保存（触发前后 N 帧原图+推理结果+坐标，“黑匣子”）

标定稳定性

病：支架振动、碰撞后像素-物理坐标映射失效，抓取位置系统性偏移
药：开机自检标准件（抓一次已知位置的标准件，偏差超阈值报警要求重标）；定期自动微标定；换相机/镜头/支架后强制重标流程写进操作规程

把这几层各配一个"病-药"对，就是稳定性的全部工程内容——没什么高深技术，全是细活，但漏一条就是产线夜班电话。

第三座山：异常处理——降级不宕机

异常一定会来，工程目标不是消灭异常，是异常来了以后系统以最低的姿态继续干活。

异常分类矩阵

按来源 × 影响做分类表，每一格写明检测手段和响应动作，这张表就是异常设计的全部范围：

来源	检测	响应
视觉低置信	置信度阈值	拒识→人工复检位
视觉连续失效	连续 N 件拒识	报警+切备用模型
来料超规格	检测框越界/超大	分流剔除+计数
异物（手套/纸片）	类别外检测	停止抓取+叫人
通信超时	心跳/超时	指数退避重连，臂侧安全停
断电	上电标志	自检序列后自动恢复
安全光栅	硬件 IO	硬件级停，恢复走确认流程

视觉降级阶梯

置信度低→拒识（进人工通道，损失的是少量节拍）；连续拒识→切上一版稳定模型（模型 A/B 双版本热备，新模型跑挂了一键回退）；彻底失效→停机报警。每一级的损失都比上一级大，所以宁可早降级。

通信异常

三原则：心跳检测（断了要立刻知道）、指数退避重连（别打爆对方）、命令幂等（重发的抓取指令带工件 ID，绝不能同一件抓两次——重复抓取撞臂是真实发生过的事故源）。

断电恢复

上电自检序列固化：设备枚举→模型加载→标定自检→通信握手→待产，全程无需人工干预；断电瞬间的未完成工件状态要能清理，不能卡在"半抓取"状态。

故障注入测试

异常处理代码写得再漂亮，没演练过等于零。交付前按清单逐项注入：拔相机网线、塞异物、模拟来料超速、拉总闸再合闸、杀视觉进程——每项注入后系统应自动恢复或安全停机，需要人工爬进去救的都算不合格。有精力的话正式做一遍 FMEA（失效模式与影响分析），把"会发生什么、多频繁、多严重、怎么检测、怎么应对"填成表，给客户的验收报告里放这张表，专业度直接拉开档次。

验收闭环：一次把三座山验完

三座山的验证不是三件事，是一套流程：

8 小时连续跑批——验节拍（P99）+ 验稳定性基础
72 小时烤机 + 资源曲线——验稳定性深水区
故障注入清单逐项过——验异常处理
压力工况（最密来料+最快皮带）——验峰值节拍
交付 FMEA 表 + 运维手册（黑匣子数据导出方法、常见报警处置、重标定流程）
售后数据（拒识样本、报警记录）按月回流，驱动模型与规则迭代——项目交付不是终点，是数据飞轮的起点

总结

三座山的处理方法浓缩成三句话：节拍靠预算表和缓冲设计，不是靠硬件堆料；稳定性靠分层设防和长跑验证，不是靠运气；异常处理靠降级阶梯和故障注入演练，不是靠祈祷。DEMO 与商业落地之间差的从来不是算法精度那零点几个点，而是这三座山上日复一日的细活。

DEMO到商业落地：翻越节拍、稳定性、异常处理三座山的工程方法

Contents

起因