从裸辞到CV项目落地：我在新东家的AI提效实战
去年夏天，我做了一个让同事惊掉下巴的决定——裸辞了。在大厂卷了三年多，每天不是修祖传代码就是在和产品经理“友好协商”，精神状态堪忧。Gap的这半年，我一边陪家人，一边把之前想看没时间看的开源项目源码翻了个底朝天，尤其中间花了不少时间啃 OpenMMLab 的 MMDetection 和 Hugging Face 的 Transformers。说真的，不上班的日子很爽，但钱包和简历焦虑很快就找上门来。
两个月前，我入职了这家成立不到三年的 AI 初创公司。团队不大，但氛围出奇地好——没人半夜三点拉你进会，PR（Pull Request）评论里也不会出现“你怎么连这个都不懂”。唯一让我头皮发麻的是：入职第一周，老板就甩给我一个任务——搞个计算机视觉（CV）项目，用来自动检测产品包装上的标签是否贴歪、信息是否完整，目标是替代人工质检，提升产线效率。
说实话，刚看到需求文档时，我内心是拒绝的。毕竟上一份工作做的全是后端微服务，CV？那不是隔壁算法组才碰的东西吗？但转念一想，这不正是我 Gap 期间研究的方向吗？而且，新公司给的自由度高，技术栈也新，正好可以实践一把“AI 提效”的理念。
需求背后的真实痛点
这个项目来自我们一个重要客户——一家日化巨头。他们每天要生产几十万瓶洗发水，每瓶都要贴标签。传统做法是工人肉眼检查，不仅效率低（人均每分钟只能检 10 瓶），还容易漏检。更麻烦的是，标签一旦贴错，轻则返工，重则召回，损失动辄上百万。
客户给了我们几千张产线实拍图作为初始数据集，质量嘛……怎么说呢，光线忽明忽暗、背景杂乱、瓶子角度千奇百怪，还有不少模糊到连我都看不出标签在哪。典型的“理想很丰满，现实很骨感”。
我们的目标很明确：
- 准确率 ≥98%
- 单图推理时间 ≤200ms（部署在边缘设备上）
- 支持后续扩展其他质检项（比如瓶盖是否拧紧）
听起来简单？实际做起来才知道什么叫“魔鬼在细节”。
技术选型：别被“SOTA”绑架
一开始，我差点掉进“必须用最新模型”的陷阱。看到论文里 YOLOv8、RT-DETR 各种刷榜，心痒痒。但冷静下来一想：产线不是 Kaggle，稳定性和可维护性比那零点几个百分点的 mAP 重要得多。
最后我们定了这套组合拳：
- 主干模型：YOLOv5s（不是 v8！因为 v5 的 ONNX 导出更稳，社区支持也更成熟）
- 预处理：OpenCV + Albumentations（做光照归一化和仿射变换增强）
- 后处理：自定义逻辑判断标签是否“歪斜”（基于 bounding box 的长宽比和旋转角）
- 部署框架：TensorRT（针对 NVIDIA Jetson 设备优化）
为什么没直接上通义千问这类大模型？别误会，我超爱 Qwen，但它更适合文本或跨模态任务。对于这种结构化检测问题，专用 CV 模型性价比更高。不过，通义千问在开发过程中帮了大忙——不是跑模型，而是写代码。
AI 提效：通义千问当我的“编程搭子”
坦白讲，这次项目能两周内跑通 demo，通义千问功不可没。我不是让它生成整个系统，而是把它当成一个超级智能的“代码片段助手”。
举个例子：我需要从视频流中截取关键帧，但 OpenCV 的 VideoCapture 在不同分辨率下行为诡异。以前我会去 Stack Overflow 翻半小时，现在直接问 Qwen：
“用 Python OpenCV 从 RTSP 流稳定读取帧，跳过缓冲，只保留最新一帧”
它秒回一段带异常处理的代码，还贴心地加了注释说明 cv2.CAP_FFMPEG 和 cv2.CAP_GSTREAMER 的区别。虽然不能直接 copy-paste（毕竟环境差异），但省了我至少 40% 的调试时间。
更神的是，当我写完训练脚本想加个“早停机制”（Early Stopping），但记不清 PyTorch Lightning 的 callback 写法，Qwen 直接给我生成了一个带详细 docstring 的类，连 unit test 的 mock 数据都写了。那一刻我真觉得：AI 不是取代程序员，而是把我们从 CRUD 里解放出来，专注真正有创造性的工作。
Function Calling：让模型“听话”的关键
很多人以为 CV 模型训完就能直接用，其实后处理才是业务落地的生死线。我们的模型能框出标签位置，但怎么判断“歪了”？总不能靠人眼定阈值吧。
这里我们用了一个小技巧：把业务规则封装成函数，通过 Function Calling 的方式和模型输出联动。
def is_label_skewed(bbox: List[float], max_skew_ratio: float = 0.3) -> bool:
"""
判断标签是否歪斜
:param bbox: [x1, y1, x2, y2] 格式的边界框
:param max_skew_ratio: 允许的最大宽高比偏差（正方形标签理想 ratio=1）
:return: True 表示歪斜
"""
x1, y1, x2, y2 = bbox
width = abs(x2 - x1)
height = abs(y2 - y1)
if width == 0 or height == 0:
return True # 无效框
ratio = min(width, height) / max(width, height)
return ratio < (1 - max_skew_ratio)
然后在推理 pipeline 里这样调用：
results = model.predict(image)
for det in results[0].boxes:
if det.cls == LABEL_CLASS_ID:
if is_label_skewed(det.xyxy[0].tolist()):
alert_system.trigger("Label skewed!")
这种设计的好处是：
- 业务逻辑和模型解耦：以后换模型不用改判断逻辑
- 可配置：
max_skew_ratio可以从配置文件读，方便不同产品线调整 - 可测试：单独测
is_label_skewed函数，不用跑整个 CV pipeline
说真的，以前在大厂，这种代码会被 review 说“过度设计”，但在新公司，CTO 看完直接点赞：“这才是可持续交付的代码。”
踩坑实录：那些让我想砸键盘的瞬间
坑1：数据增强过头，模型学会“作弊”
为了让模型适应各种光照，我用了 Albumentations 的 RandomBrightnessContrast 和 HueSaturationValue。结果训练 loss 降得飞快，但一上真实产线，误报率爆表。
排查半天才发现：增强后的图像里出现了现实中不可能存在的颜色组合，模型学会了根据这些“伪特征”判断，而不是真正看标签内容。后来我把增强强度砍掉一半，并加了域随机化（Domain Randomization）——在合成数据上训练，反而泛化更好。
坑2：ONNX 导出时算子不支持
YOLOv5 默认用 SiLU 激活函数，但老版本 TensorRT 不支持。导出 ONNX 时直接报错：
RuntimeError: Exporting the operator silu to ONNX opset version 11 is not supported.
解决方案？要么升级 TensorRT（客户设备不支持），要么换激活函数。最后我 fork 了 YOLOv5 仓库，把 nn.SiLU() 换成 nn.ReLU6()，虽然精度掉了 0.5%，但换来的是部署的确定性。有时候，工程就是妥协的艺术。
坑3：边缘设备内存泄漏
Jetson Nano 跑着跑着就 OOM（Out of Memory）。用 tegrastats 监控发现，Python 的垃圾回收没及时释放 CUDA 张量。
解决办法是在每次推理后手动清缓存：
import torch
# 推理后
torch.cuda.empty_cache()
并把 batch size 从 4 降到 1。性能牺牲一点，但稳定性拉满。上线一周零故障，产线师傅都说“这玩意比人靠谱”。
效果与反思：AI 提效的真实模样
项目上线一个月后，客户给了反馈：
- 检出准确率 98.7%
- 单瓶检测耗时 163ms
- 人工复检量减少 85%
最让我骄傲的不是数字，而是产线工人不用再盯着瓶子看一整天了。他们现在只处理系统报警的 case，工作强度大大降低。
回头看看这段经历，我有几个真心话想分享：
| 经验点 | 裸辞前（大厂思维） | 裸辞后（新公司实践） |
|---|---|---|
| 技术选型 | 追求 SOTA、新潮 | 稳定 > 新颖，可维护性优先 |
| 代码风格 | “能跑就行” | 注重可读性，函数单一职责 |
| AI 工具 | 当玩具玩玩 | 深度融入开发流，提效利器 |
| 项目目标 | 完成 KPI | 解决真实问题，创造价值 |
写在最后
裸辞这半年，我一度怀疑自己是不是脱离 industry 太久。但这次 CV 项目让我明白：技术人的核心竞争力，从来不是记住多少 API，而是解决问题的思路和对代码的敬畏心。
通义千问这样的 AI 工具，确实能大幅提升编码效率，但它不会替你做架构决策，也不会帮你理解业务本质。真正的“AI 提效”，是人机协作——你负责思考“做什么”和“为什么”，AI 帮你搞定“怎么做”的脏活累活。
如果你也在 Gap 或准备跳槽，别焦虑。把时间花在理解原理、阅读优秀开源项目上，远比刷 LeetCode 有用。毕竟，世界不会奖励最卷的人，但一定会犒赏那些能把技术变成生产力的人。
对了，上周五晚上，我终于没加班。坐在阳台上喝着冰啤酒，看着公司 Slack 上客户发来的感谢消息，突然觉得：裸辞，真香。
评论 0