客户发来一个15秒的抖动模糊视频问"能不能做"，我该怎么判断？

摘要：做工业视觉这行，最常被问的一句话就是"我这个场景你们能不能做"。但客户发来的素材往往是手机随手拍的15秒视频，抖动、模糊、逆光、角度差。你得学会在一堆烂素材里看出这个项目能不能做、有多大坑、该不该接。这篇文章聊聊我的判断方法。

关于作者

我接触视觉整整10年。

机器视觉、烟草、煤矿等行业都有深度开发经验。从硬件选型、算法开发、模型训练，到上位机开发及部署，都在一线磨过。

之前是多家公司人工智能团队的技术负责人。现在自己创业了，还在继续做视觉落地这件事。

---

作者说

前面十三篇踩坑实录，聊的都是项目启动之后遇到的问题——算法怎么选、边缘怎么部署、状态机怎么设计、工人怎么沟通。

这一篇聊一个更早的环节：客户还没签约，你拿什么判断接不接。

做ToB这行，收到客户的第一条消息通常是：

“我们有个产线想做检测，我拍了个视频你帮我看一下能不能做”

然后你会收到一个15秒的手机视频。

画面抖得像地震现场拍的，分辨率720p，拍摄者边走边拍，对焦对在了工人后脑勺上，你要检测的目标在画面角落里占了不到5%的像素。

你得在这个视频里判断：这个项目能不能做、大概要多少钱、多长时间能交付、有没有坑。

这就是今天要聊的事。

---

01 第一件事：别看视频，先问五个问题

1.1 为什么视频往往帮不上忙

我收到过的客户素材，大概分这几类：

素材类型	比例	能判断什么
高清固定机位视频	~10%	基本能看出检测目标、工作节拍、环境条件
手持手机随手拍	~50%	大概能看出场景类型，细节全糊
照片（不是视频）	~30%	只能看到静态场景，看不到动作和节拍
发一段文字描述	~10%	只能靠经验脑补

也就是说，90%的情况下，客户给你的素材不足以做出准确的技术判断。

但这不代表你看不了。关键在于：看素材之前先问对问题，看完素材之后先排雷，最后再给结论。

1.2 我一定会问的五个问题

不管客户发什么素材过来，我第一件事不是看视频，而是问这五个问题：

① 你要检测什么？

听起来废话，但很多人的回答是"我们想做AI质检"。这个回答等于没说。

我需要的是具体到：检测表面缺陷（划痕/凹坑/色差）？检测尺寸（长宽高/厚度/直径）？检测是否存在（有没有漏装/错装）？检测行为（操作步骤对不对）？

不同类型的检测，技术路线完全不同，成本能差3-5倍。

② 检测目标长什么样？能给实物图吗？

视频里的目标可能糊成一片，但你得知道合格品和不良品到底长什么样。一张清晰的产品照片，比一段模糊的视频有用10倍。

如果客户能提供：合格品照片、典型不良品照片、不良品的分类标准——基本就能判断70%了。

③ 产量是多少？节拍多快？

这个问题决定了你要用什么样的系统架构。

• 节拍<1秒/件：需要高速相机+实时处理，成本直接翻倍
• 节拍1-5秒/件：普通工业相机就行，技术方案成熟
• 节拍>5秒/件：甚至可以用普通的USB摄像头

节拍还决定了误检和漏检的容忍度。1秒一个的产线，你漏检一个就是真金白银的损失。5秒一个的产线，偶尔漏检一个工人自己就能发现。

④ 现在是怎么检测的？人工检还是已经有机检了？

这个问题能帮你判断两件事：

• 痛点有多痛——如果现在纯人工检，漏检率很高，客户愿意花钱；如果已经有设备了但效果不好，你要搞清楚不好在哪里（是漏检多还是误检多）
• 预算预期——已经在机检上花过钱的客户，对价格有概念；第一次上的客户，可能觉得几千块就能搞定

⑤ 现场条件怎么样？能拍照吗？

这是最关键的问题。90%的项目成败在安装条件上，不在算法上。

但很多客户不会主动告诉你现场条件差，因为他们自己也不知道什么是"好的安装条件"。你得问具体：

• 有没有固定的安装位置（立柱/横梁/支架）？
• 光照条件怎么样（室内还是室外，有没有窗户，有没有光源）？
• 有没有震动（旁边有没有大型设备运行）？
• 检测位置的空间够不够（相机装多远，视野多大）？

---

02 看素材的三个"10秒判断"

问完问题之后，再看客户发来的素材。这时候你的脑子里应该有一个清单，逐项检查。

2.1 第一个10秒：看目标能不能看见

这是最基本的一条。

打开视频，找到你要检测的目标，看它：

• 在画面里占多大比例——目标占画面面积<1%的，除非用高分辨率相机+长焦镜头，否则细节根本不够
• 运动速度有多快——手太快的话，普通相机的曝光时间跟不上，画面直接拖影
• 有没有遮挡——工人身体、设备、物料会不会挡住检测位置

如果10秒内找不到你要检测的目标，或者目标一直在动看不清——这个项目大概率有硬件安装难度，要谨慎。

2.2 第二个10秒：看环境条件有多差

不看目标了，看背景和光线：

• 光照是否均匀——画面里有没有大面积过曝或过暗的区域？有没有反光？
• 背景是否复杂——目标后面有没有杂乱的背景干扰？
• 有没有粉尘/烟雾/水汽——煤矿、铸造、喷漆车间这类环境，镜头会被污染

如果环境条件很差，要考虑这些成本：光源（¥500-2000）、防护罩（¥200-500）、定期清洁维护。这些钱要提前算进去。

2.3 第三个10秒：看安装位置有没有戏

这个最容易被忽略，但最致命。

看视频的时候想象一下：如果我要装一台相机来拍这个场景，装在哪？

• 有没有合适的位置——能覆盖检测区域，又不被其他设备挡住
• 安装距离够不够——太近视野不够，太远分辨率不够
• 走线能不能到——网线/电源线能不能拉到安装位置
• 会不会被撞——叉车/工人/物料会不会碰到相机

如果脑子里转了一圈发现没有合适的安装位置——这个问题比算法难10倍。

---

03 三种我一定会拒绝的情况

不是所有项目都值得接。有些项目技术上能做，但做了会亏钱或者口碑会崩。

3.1 素材太差且客户不愿意配合

如果你跟客户要清晰照片、要现场环境照片、要产品样品，客户回复"就那样了你们自己看着办"——赶紧跑。

这种客户大概率对技术没有基本认知，后期会认为"AI应该什么都能做"，任何做不到的事情都是你的问题。

3.2 检测标准不清晰

“帮我检测一下质量好不好”——这不是需求。

你得知道：什么是"好"，什么是"不好"，边界在哪里。

举个真实例子。有个客户要做零件表面缺陷检测，我问他不良品有哪些类型，他说"各种各样"。我又问有没有不良品样件，他说"有但是混在一起了没分类"。

没有分类标准的缺陷检测，做到最后一定会变成无底洞——你检出了A缺陷，客户说"B也算缺陷你怎么没检到"，你加了B，客户又说"C呢"。

没有标准就不接，或者先花钱做标准定义。

3.3 预算和需求严重不匹配

客户预算2万，但要求10个工位全覆盖检测、实时报警、数据上传云端、手机APP查看。

这种情况不是不可能，但2万块连10个工位的相机和工控机都买不下来，更别提开发和部署了。

不是客户不想花钱，而是他对这个事的复杂度没有概念。这时候不是砍功能就是加预算，两条路你都得准备好。

---

04 我的快速判断清单

把这些经验总结成一个清单。收到客户素材之后，我会逐项打分：

判断项	权重	能做	需谨慎	不接
目标在素材中清晰可见	⭐⭐⭐	✅ 目标占画面>5%	⚠️ 1-5%，需要高分辨率	❌ <1%，看不到细节
检测标准清晰	⭐⭐⭐	✅ 有明确良品/不良品标准	⚠️ 标准模糊但可以定义	❌ “帮我检测质量”
环境条件可控	⭐⭐	✅ 室内、光照均匀	⚠️ 需要补光/防护	❌ 露天+粉尘+无安装位
安装位置可行	⭐⭐	✅ 有合适位置	⚠️ 需要改造但可行	❌ 完全没有安装位置
节拍与精度匹配	⭐	✅ 节拍>1秒	⚠️ 节拍<1秒但精度要求一般	❌ 节拍<0.5秒+高精度
预算合理	⭐	✅ 预算能覆盖基本方案	⚠️ 预算紧但可简化方案	❌ 预算不到基本成本的50%
客户配合度	⭐	✅ 愿意提供素材和现场配合	⚠️ 配合度一般	❌ “你们自己看着办”

打分规则：

• 全绿：放心接，排期开工
• 有黄：可以做，但报价要留余量，合同要写清楚边界
• 有红：要么解决红的问题再接，要么直接不接

---

05 一个真实的"10秒判断"案例

说一个具体例子。

一个做食品包装的客户发来一个视频，问能不能检测包装袋上的喷码有没有印清楚。

视频是手机在产线旁边随手拍的，15秒，抖动大，画质差。

但我的判断过程是这样的：

第1秒：看到包装袋在传送带上移动，速度不快（大概2秒过一个），节拍OK。

第3秒：找到喷码位置，在包装袋侧面，字体大概5mm高，在画面里大概占2%的面积。偏小但可以用工业相机+定焦镜头解决。

第5秒：看到产线在室内，日光灯照明，光照还算均匀。但喷码位置有轻微反光，需要加偏振片。

第8秒：目测安装位置——传送带侧面有30cm的空间，够装一台相机。走线也方便，旁边就有线槽。

第10秒：看了一下喷码内容——日期批次号，字体固定，内容只有数字变化。这个用OCR或者模板匹配就行，不需要深度学习。

结论：能做，技术难度不大，主要成本在硬件（工业相机+镜头+光源+支架），软件工作量可控。

然后我问了客户几个问题，确认了预算在5万以内，有明确的良品标准，现场可以配合安装。

接了。两周交付。

---

06 写在最后

这一篇跟前面的踩坑实录不太一样。前面聊的都是技术问题，这篇聊的是"接不接项目"的判断。

但我觉得这个更重要。

因为一个错误判断的成本，远比一个技术bug高。

接了一个不该接的项目，你会亏钱、亏时间、亏口碑。不接一个该接的项目，最多少赚一笔。

做ToB这么多年，我越来越觉得：知道自己不能做什么，比知道自己能做什么更值钱。

如果你也在做类似的事情，希望这份清单能帮你少接几个坑。

下一篇我会接着谈谈我常用的一些方法论。

📎 相关专栏

• 工业视觉踩坑实录