机器视觉这么难？为什么有的人年薪30W，有的人还没入门

　　关于“如何入门/转行机器视觉”有几万到几十万的阅读量，学生经常在微信官方账号的后台向我们抛出类似的问题。可见很多0-1岁的视觉新人对此有困扰和疑惑。

　　我总结一下，大概有以下四种人：

　　1)即将毕业，想进入机器视觉行业但不知道如何学习的大学生。

　　大三大四是选择工作和就业的关键时期，视觉工程师又不是门槛很低的岗位(毕竟工程师的头衔是挂着的)，所以会有很多不确定的视觉小白被劝退。

　　继续坚持让想做视觉工程师的小白自己摸索学习，多接触鱼龙混杂的自学资料。他们往往没有系统，碎片化的知识会增加焦虑。

　　2)在另一个行业工作多年，想转行做视觉工程师

　　工作多年，但人生做出了一个很大的选择，踏入了一个调性和氛围完全不同的行业，但是对于labview机器视觉需要掌握哪些技能却没有一个清晰的概念，很焦虑自己的年龄会成为发展的天花板。

　　3)在自动化的其他功能领域，想转行机器视觉

　　他们在自动化行业有一段时间了，也听说过机器视觉的地位，所以转行做机器视觉工程师是他们深思熟虑的结果。但由于对labview知之甚少，很容易陷入思维的大坑，以为只要学一点lab vew编程，模仿市场上现有的可视化软件，就可以轻松完成切换。

　　4)刚加入机器视觉岗位，没人教也没人带

　　他们已经成功加入机器视觉，但可能在一些中小型公司工作，而公司又没有系统规范的管理体系，所以他们从一开始就处于一种蛮荒的状态，带着自己的飞行，但是没有系统的工作方法的指导，他们很容易陷入瓶颈，这对他们的职业发展非常不利。

　　所以，我想从以下两个维度帮你解决眼前的困惑：

　　1.转行/入门机器视觉需要哪些能力？

　　早期的机器视觉领域有点像“三无”职业：没有专门的训练，没有固定的能力要求，没有客观的评价标准。

　　因为国内外机器视觉的发展阶段不一样。国内机器视觉起步比欧美晚十几年，因为2006年才开始进入市场起步期。但随着中国人口红利的消失和制造业的被迫转型升级，整个行业将会快速发展，对机器视觉工程师这个职位的需求也会稳步增长。所以，随着市场的逐步完善，现在的企业机器视觉已经具备了基本的能力要求。典型的例子是——

　　调试labview视觉软件和摄像头硬件

　　掌握labview图像采集、可视化辅助算法仿真、可视化软件框架和模板匹配算法

　　实现参数保存、连续运行和单步运行

　　布局视觉软件系统框架

　　labview可视化软件的独立设计

　　这些是一个0-1岁的视觉工程师应该具备的基本技能。你要做的就是尽可能的掌握这些技能，至少让它们合格，甚至把某项技能作为你的长板，提升你的核心竞争力。这样，无论是想入门，还是想转行，还是只想成为一名机器视觉工程师，都可以找到自己的“把握”，找到自己的价值。

　　2.如何掌握这些能力？

　　能力的获得基本分为两个层面，一个是认知层面，一个是行为层面。如果你知道labview编程很重要，那就属于认知层；可以使用labview编程编写模板匹配，实现自动操作和连续彩图，属于行为层。

　　建立认知而不跟进行为，基本上是浪费时间。很多人享受着“我知道很多新知识”的状态，却从来不去想如何去落实这些新知识。就像读了100本机器视觉相关的书，却连简单的算法描述文档和可视化助手脚本都提交不了，没用。

　　长此以往，你读的干货越多，你就越享受获得碎片化知识的快感，慢慢地你就会“淹没”在新知识的海洋里。

　　那么我们该怎么办呢？

　　大道至简，三言两语就能解释——

　　首先，你要筛选出哪些知识对你至关重要。关键是你学了这些知识之后，你真的可以换一份现在的工作了。

　　其次，你需要在关键知识上进行大量的刻意练习。

　　最后，你需要有反馈感，比如自己导出一个东西放到相应的平台上让大家判断；找几个小伙伴一起学习练习，互相督促反馈；找一些业内靠谱的老师给你指导。

　　只有这样，你才能真正掌握这些能力，获得真实可见的成长。

　　这三个步骤说起来容易，但实践起来相当困难，因为可能你不知道如何把项目和实践结合起来，找不到一个可靠的同事给你及时的反馈。