入坑機器視覺后，發現在開發與使用過程中總有各種bug導致系統的不穩定，故總結之，以此為鑒，謹記勿犯！

設定明確的邊界條件

機器視覺或者說現在的人工智能，還沒有做到完全的智能，所以在生產實踐中更好的方法是在特定的條件下開發特定的算法，將算法框定在一個明確的范圍內時，那么算法將變的更加robust，否則脆弱不堪，應用某visioner的話，這樣的算法非常weak。在此基礎上，小心迭代擴大算法的適用場景與范圍是明智之舉。設計算法不考慮特定應用場景、沒有明確邊界條件、沒有前提假設，這是新手常犯的錯誤，避之免之。

賦予任何參數以明確的物理意義

由于機器視覺的處理結果與實際物理環境緊密相連，參數作為設計算法時的重要變量，一定要賦予實際的物理意義，做到有理可依，有時候憑借經驗設置的參數值也許僅僅適用于某一物理尺度，當環境改變時，這樣的參數將失效并且這樣的問題也往往不容易察覺，給算法帶來不穩定的隱患。雖然在調試深度學習時，有的參數確實是憑借經驗，無法解釋，但是設計傳統算法時還是要遵循此原則。

遵循軟件工程的原則開發

這條規則不僅僅適用于機器視覺軟件、其他軟件開發也同樣適用于非軟件的其他工程項目開發。我在菜鳥季經常犯的錯誤是，短時間內不斷的在原有算法基礎上增加大量功能，貪圖省時省事（有時候是時間緊急、迫不得已！），沒有對每一個功能模塊進行單體測試，開發完成后直接進行結合測試。這樣的測試是低效的、不完整的，日后會有各種bug暴露出來，按軟件工程原則開發、有節奏的開發，將帶領你走出新手村。

重視現場

機器視覺是一個與現場結合非常緊密的學科或者工作，并且相比計算機視覺，機器視覺需要高度的穩定性，所以要充分積累現場的經驗，結合現場往往會帶來算法上的簡化與穩定，帶來開發效率的提升，所以現場是寶庫，積累經驗升級自己，具體實例等待各位machine visioner去現場體驗。

提升創造力

經驗與創造力是驅動機器視覺能力的兩架馬車，如果僅僅只是經驗的增長，就不能靈活應對未來各種各樣的任務，在機器視覺智能化的道路上不會走遠。提升創造力的關鍵在于涉獵與思考，不斷涉獵與之相關的大量的知識，各種信息在頭腦中碰撞產生創造力的靈感，思考如何應用于實踐，這將對提升創造力大有裨益。

責任編輯：lq