A20B-2902-0193

A20B-2902-0193 机器视觉或者说现在的人工智能，还没有做到完全的智能，所以在生产实践中方法是在特定的条件下开发特定的算法，将算法框定在一个明确的范围内时，那么算法将变的更加robust，否则脆弱不堪，应用某visioner的话，这样的算法非常weak。在此基础上，小心迭代扩大算法的适用场景与范围是明智之举。设计算法不考虑特定应用场景、没有明确边界条件、没有前提假设，这是新手常犯的错误，避之免之。

赋予任何参数以明确的物理意义

由于机器视觉的处理结果与实际物理环境紧密相连，参数作为设计算法时的重要变量，要赋予实际的物理意义，做到有理可依，有时候凭借经验设置的参数值也许仅仅适用于某一物理尺度，当环境改变时，这样的参数将失效并且这样的问题也往往不容易察觉，给算法带来不稳定的隐患。虽然在调试深度学习时，有的参数确实是凭借经验，无法解释，但是设计传统算法时还是要遵循此原则。

遵循软件工程的原则开发

这条规则不仅仅适用于机器视觉软件、其他软件开发也同样适用于非软件的其他工程项目开发。我在菜鸟季经常犯的错误是，短时间内不断的在原有算法基础上增加大量功能，贪图省时省事（有时候是时间紧急、迫不得已！），没有对每一个功能模块进行单体测试，开发完成后直接进行结合测试。这样的测试是低效的、不完整的，日后会有各种bug暴露出来，按软件工程原则开发、有节奏的开发，将带领你走出新手村。

A20B-2902-0193 

6FX1822-0BX03-4D

6FX1822-0BX02-2B

6FX1822-0XB01-2B

6FX1822-4BX04-2C

6EV3055-0CC

6ED1055-1FB00-0BA1

6GK7443-1EX00-0XE0

6GK7443-1EX11-0XE0

6GK7443-1BX00-0XE0

6GK1541-2BA00

6ED1055-1MB00-OBA1

6ED1052-1MD00-0BA4

6EW1380-1AB

6ES7798-0CA00-0XA0

6ES7972-0AA01-0XA0 

6GK1102-4AA00

c

6GK1143-0AA01 

6GK1143-0TA01

6GK1143-0TA02

6GK1143-0AB01

6GK1161-3AA00

6GK1500-0AA00

6GK1543-0AA00

6GK1543-0AA01

6GK1543-0AA02

6GK1561-1AA01 

6GK1751-5AA00

6GK1243-3SA00

PCS810

PCS810-1

Bertherl S5-ARCNET 

0038-H-000100 EZ04

3RP1505-1BW30

3TF44 22-0BB4

VIPA  SSN-BG81A

VIPA  7360

T89620-E3252-H

C79451A3093B220

6XG3400-2CK00

6XG3400-2AJ00

6FM1707-3AA10

6FL3001-4AA11

6DS1403-8CB

6DS1403-8CA

6DS1403-8AA

A20B-2902-0193