目录

• 一、为什么不能一上来就买一体机
• 二、硬件阶梯 L0–L4 与决策树
• [三、L0 手机 PoC：YOLOv8n 训练到端侧部署实测](#三l0-手机-poc yolov8n-训练到端侧部署实测)
• 四、逐级升级：L1 边缘盒子与 L2 工控机选型对比
• 五、L3 一体机与 L4 大模型一体机：边界与话术拆穿
• 六、避坑清单与选型 Checklist
• 结语与参考资料

---

一、为什么不能一上来就买一体机

做机器视觉检测，最常见的浪费是：需求还没验证，先砸几十万买一体机。

听厂商讲完"输入文字直接生成算法"“默认携带多种算法”“盒子先行交付、后期完善”，很多决策者心动下单。但真实踩坑通常是三连击：

1. 需求没验证：到底检什么、误检漏检谁担责、客户愿不愿意为这个精度买单——没人用最低成本先证伪一遍。
2. 场景不匹配：买来的算法是厂家的，你自己训的模型灌不进去，前期投入被替换成"只验证了需求"。
3. 经济账崩：GPU 独占利用率掉到 10%，单位推理成本 ×10；日调用没到 5 亿 tokens 拐点，买断即背上贬值资产。

核心方法论：硬件升级是"接力"不是"重来"。手机训的同一个 YOLOv8n，到 L1 只换导出格式（engine/rknn），到 L2 只换取帧源（工业相机 SDK），模型资产、数据规范、后处理全程复用。钱花在"成像与可靠"，不花在"重做算法"。

---

二、硬件阶梯 L0–L4 与决策树

视觉检测硬件从手机到产线是一条渐进阶梯，我们习惯分成五档。先从定义讲起，避免后面引用术语时没锚点：

档	形态	一次性成本（单工位）	解决的核心问题
L0	手机 PoC	¥0（复用）/ <¥0.15万（专购带 NPU）	验证"该不该做、怎么做"
L1	边缘盒子+相机	¥0.1万–0.5万	7×24 连续自动跑、接产线动作
L2	工控机+工业相机	¥1.5万–5万+	测得准、多相机、恶劣工况、运动抓拍
L3	视觉检测一体机	¥5万–20万+	标准化行业质检、规模交付、资质 SLA
L4	大模型一体机	¥20万–100万+（常走租赁）	自然语言配置、开放词汇、多模态认知

2.1 决策树（我在哪一档）

          需求还没验证 / 只看能不能做？
               │ 是 → 【L0 手机 PoC】
               ▼ 否
          要 7×24 连续自动跑 + 接产线动作？
               │ 否 → 留在 L0
               │ 是 → 【L1 边缘盒子】  (¥0.1万–0.5万)
               ▼
          要 测得准 / 多相机 / 恶劣工况 / 运动抓拍？
               │ 否 → 留在 L1
               │ 是 → 【L2 工控机+工业相机】  (¥1.5万–5万+)
               ▼
          场景标准化 + 无算法团队 + 多产线复制 + 要资质/SLA？
               │ 否 → 留在 L2
               │ 是 → 【L3 视觉检测一体机】  (¥5万–20万+)
               ▼
          还要 自然语言配置 / 开放词汇 / 多模态认知 / 知识库？
               │ 否 → L3 足够
               │ 是 → 【L4 大模型一体机】  (¥20万–100万+，常走租赁)

判据速记：能不能跑→L0；连续跑→L1；测得准→L2；规模交付→L3；认知增强→L4。

2.2 资产复用清单（哪档还能保住你的模型）

档	复用什么	改什么	资产归属
L0	训练 best.pt、数据规范、后处理	—（起点）	你的
L1	best.pt、后处理、数据	只重导出格式（engine/rknn）	你的
L2	best.pt、后处理、数据	只换取帧源（GenICam/SDK）	你的
L3	⚠️ 分叉	—	买现成=厂家；定制集成=你的
L4	小模型作前端/知识输入	大模型底座常是厂家的	底座厂家，前端可你的

⚠️ L3 关键修正：买现成 L3 用厂家算法，你的 YOLOv8n 通常灌不进去，前期 PoC 价值仅剩"验证需求"；定制集成可保留模型，但已接近"L2 自研+外壳"。拍板前必问自己：要"能用的检测"还是"属于我的检测能力"？

---

三、L0 手机 PoC：YOLOv8n 训练到端侧部署实测

手机只做验证不做生产——但这一阶段的成果（模型+数据+后处理）要一路复用到 L2，所以链路必须真跑通。

3.1 环境与训练

实测环境：ultralytics 8.4.121，Python 3.10+，GPU 训练（A10 22GB）。

# 训练（推荐用 Python API，别把 shell 命令粘进 notebook 的 python cell）
from ultralytics import YOLO

model = YOLO('yolov8n.pt')
model.train(
    data='data.yaml',
    imgsz=640,
    optimizer='AdamW',
    epochs=300,            # 小数据集配合早停
    batch=64,              # 按显存调整
    mosaic=1.0, mixup=0.1, copy_paste=0.1,   # 增广
    name='train'
)

先用 coco8（8 张图）冒烟测试证环境，但 coco8 结果不可部署——它只证明环境跑得通。真实集用 Roboflow / 自有标注（采集铁律：模型学的是你拍出来的样子，采集条件必须与产线一致）。

3.2 导出（8.4.121 新语法，已踩坑）

from ultralytics import YOLO
model = YOLO('runs/detect/train/weights/best.pt')

# Android / LiteRT：全整数量化必须传 data= 校准集（≥300 张），否则精度崩
model.export(format='litert', quantize='int8', data='data.yaml', imgsz=640)

# iOS / CoreML：仅权重量化，不需也不接受 data=（传了报 AssertionError）
model.export(format='coreml', quantize='int8', imgsz=640)

版本坑速查（按报错对齐）：

坑	现象	修复
int8=True 报错	WARNING 'int8' deprecated	改用 quantize='int8'
format='tflite' 失效	导出格式不对	改用 format='litert'
CoreML 传 data 报错	AssertionError: 'data' not supported for coreml	CoreML 仅权重量化不需校准，data 仅 litert/tflite 需要
LiteRT 校准不足	Using default data=coco8.yaml ... found 4（应≥300）	强制传真实 --data，否则精度崩
notebook 语法	python -c "..." 粘进 Python cell → SyntaxError	用 Python API 或 ! 前缀

3.3 手机部署三条路

1. Termux + Python（最快验证，CPU 跑 INT8 即可）——验证算法可行性。
2. Android App（CameraX + TFLite NNAPI delegate）——正式上 NPU。
3. NCNN（国内高性能，需转 ncnn）；iOS 重新 export format=coreml。

INT8 导出不含 NMS，端侧需自做后处理（置信度过滤 + 每类 NMS）。推理脚本要点：letterbox 预处理 + INT8 量化 IO 自适应 + 输出 layout 自适应 (C,8400)/(8400,C) + 每类 NMS + 画框；顶部 NUM_CLASSES/CLASS_NAMES 要与 data.yaml 对齐。

---

四、逐级升级：L1 边缘盒子与 L2 工控机选型对比

4.1 L1 边缘盒子选型（Jetson Orin Nano vs RK3588）

维度	Jetson Orin Nano (8GB)	RK3588
AI 算力	40 TOPS (INT8)	6 TOPS NPU
参考价	¥3500–4000	¥800–2000（板）；SoM 量价 ¥300–600
生态	CUDA/TensorRT/DeepStream	RKNN-Toolkit2（国产友好）
国产化	美国 NVIDIA，供货有不确定性	全国产瑞芯微，信创友好
YOLOv8n@640	~80–140 FPS	~30–50 FPS
量产可用性	中（开发板导向）	高（国内大量工业产品在用）

必避坑：

• Jetson Nano（2019 老款 0.5 TOPS）≠ Orin Nano（40 TOPS），差 80 倍，采购认准 “Orin”；
• RK3568 ≠ RK3588（低端 1 TOPS NPU），认准 3588。

迁移骨架（绝不重新训练）：

# Jetson：导出 TensorRT engine，predict 自动走 GPU/DLA（Orin 无独立 NPU，AI 跑在 GPU+DLA）
model.export(format='engine', half=True, imgsz=640)
# 推理：YOLO('best.engine').predict(source=...) 

# RK3588：用 RKNN-Toolkit2 把 best_int8.tflite 转 best.rknn（tflite 已 INT8，do_quantization=False）
# from rknn.api import RKNN; rknn.load_tflite(model='best_int8.tflite')
# rknn.build(do_quantization=False); rknn.export_rknn('best.rknn')
# 推理端：rknn.init_runtime(target='rk3588')

三不变两改：不变=权重/数据规范/后处理；改=推理格式 + 预处理委托代码。

4.2 L2 工控机 + 工业相机

触发信号：要精度测量 / 多相机 / 恶劣工况 / 运动抓拍。

• IPC：无风扇优先（防尘静音），i5 级 ¥5000–9000；网口数 ≥ 相机数。
• 相机：GigE Vision 最常用（100m 布线、多相机易扩展），全局快门 + 外部触发必选，卷帘快门产线禁用；国产优先海康机器人/大恒/华睿。
• 镜头：测尺寸必须远心镜头（消除透视误差）。
• 光源：打光决定上限，模型只逼近上限——很多"模型不准"是光没打对，换光源常比换相机提效。
• 模型复用：只换取帧源，用 GenICam/Harvesters（跨厂商：Basler/海康/大恒通用），推理仍用你的 YOLOv8n。成本 ¥1.5万–5万+。

---

五、L3 一体机与 L4 大模型一体机：边界与话术拆穿

5.1 L3 vs L2：买成品还是自研

维度	L2 自研	L3 成品
算法	你的 YOLOv8n	厂家预置
交付周期	周~月	天~周
资质/SLA	自己补	原生带
成本	¥1.5万–5万	¥5万–20万+
资产	你的	厂家的

触发 L3：标准化行业质检（PCB/药品/食品/汽配）/ 无算法团队 / 多产线复制 / 招标要资质 SLA。国产厂商：海康机器人、华睿、大恒、矩子、劲拓、天准、凌云光、奥特维。

与 L4 边界：L3 干确定的质检（专用小模型），L4 干不确定的认知（大模型多模态），互补不替代——真实产线 = L3 实时质检（确定性）+ L4 工艺优化/根因分析/自然语言报表（认知）。

5.2 L4 大模型一体机：四句话逐句拆穿

厂商常见四句话，工程师采购前务必心里有数：

1. “输入文字生成算法” → 多在"深度合成算法备案"语境下讲，本质是自然语言配置 / 低代码编排，不是凭空生成新 CV 算法。“生成式算法"≠"生成算法”，别被字面带偏。
2. “默认携带多种算法” → 预置的是大模型通用能力 + 一批传统 CV 小模型（后者常白送），这"多种算法"正包含 L3 那类专用模型，并非额外黑科技。
3. “盒子先行交付完善” → 初始可能就是硬件盒子，模型在交付期才针对你的需求补齐。验收必须看"交付时模型成熟度"，别只验收硬件。
4. “后期运维” → 需专门团队或原厂驻场，隐性 opex 高，写进 SLA 才算数。

成本拐点：GPU 独占利用率 40–65%，若应用没吃饱掉到 10%，单位推理成本 ×10；经验值日调用 ~5 亿 tokens 才摊薄硬件，低于拐点公有云 API 反而更便宜。买断 vs 租赁：capex 高 + 技术迭代快，按月/按工位租赁（capex→opex）更适配。

政企决策逻辑：报价权重仅 10–20%，主因是合规/资质/案例/政策任务（信创适配、等保/密评、数据不出域、本地化、厂商案例）。

5.3 L4 真实落点（站 L3 之上，不是替代）

• 自然语言配置检测任务：开放词汇/零样本，长尾新缺陷免训练上线（"把这种新划痕也标出来"一句话搞定）。
• 缺陷根因分析：关联工艺参数/工单/规格书，从"检出"走向"纠因"。
• 工艺优化建议、自然语言报表与巡检总结。
• 多模态联合质检、质检知识库问答。

价值主线：大模型负责"认知/分析/配置"，检测精度仍由 L3 专用小模型保证。别让大模型去干它不擅长的毫秒级实时框选。

---

六、避坑清单与选型 Checklist

1. 未验证需求就买 L3/L4 —— 方向错误的钱，企业 AI 落地最常见浪费。
2. 买 Jetson Nano 老款当 Orin Nano —— 差 80 倍，认准 “Orin”；RK 认准 3588 非 3568。
3. L3 误以为模型还是自己的 —— 买现成用厂家算法，前期 PoC 价值仅剩需求验证。
4. 打光决定上限 —— L2 很多"模型不准"是光没打对。
5. 卷帘快门上产线 —— 运动物体必须全局快门 + 外部触发。
6. INT8 校准集不足 —— 迁盒子时 LiteRT 全整数量化需 ≥300 张真实图校准（CoreML 仅权重不需）。

选型 Checklist（评审直接勾）：

• 需求是否已被 L0 验证真实（未验证别砸钱买硬件）
• 模型精度与数据闭环是否跑通
• L1：需 7×24 / 自动触发 / 接产线动作？
• L2：需精度测量 / 多相机 / 恶劣环境 / 运动抓拍？
• L3：标准化场景 / 无算法团队 / 多产线 / 要资质 SLA？→ 并确认"买成品 or 保模型"
• L4：需自然语言配置 / 开放词汇 / 多模态认知？

---

结语与参考资料

视觉检测落地，最贵的一段决策（“上不上一体机、上哪一档”）是可以被清单化的：先手机证伪、再逐级接力、模型资产全程复用，到 L3 才正视"买成品还是保模型"的分叉，L4 只作为认知增强层而非检测替代。把这条路径跑通，capex 通常能从直接上 L3/L4 的几十万压到 L0–L2 的几万封顶。

完整方案可以到公众号获取.