机器视觉有这么难？为何有人年薪30W，有人却还没入门...

知乎上关于“如何入门／转行机器视觉？”的话题，普遍有几万到十几万的阅读，而且也常常有学员在公众号后台向我们抛出类似的问题。可见，很多0-1岁的视觉新人对此是有困扰和疑惑的。

我总结了一下，大概有以下四种人群：

1） 临近毕业，想要进入机器视觉行业，但不知道怎么学的大学生

大三，大四是择业就业的关键时期，而视觉工程师又不是门槛很低的岗位（毕竟挂着工程师的title），所以会有很多不太坚定的视觉小白，望而却步。

继续坚持想要做视觉工程师的小白，自己摸索着学习，接触到的更多的是鱼龙混杂的自学资料，他们往往没有体系，碎片化的知识反而更会扩大焦虑。

2）在另一个行业就职多年，想要转行视觉工程师

已经工作多年，却做出了人生一个重大的选择，踏入一个调性和氛围完全不同的行业，但是对labview机器视觉需要掌握怎样的技能并没有清晰的概念，同时也很焦虑自己的年纪会成为发展的天花板。

3） 身处自动化其他职能领域，想要转行机器视觉

他们已经在自动化行业呆过一段时间，对于机器视觉的岗位多少有过耳闻，因此转行机器视觉工程师是他们慎思之后的结果，但是正因为对于labview一知半解，他们很容易掉入一个思维大坑，以为学会一点labveiw编程，模仿着从市面上现有的视觉软件就可以轻松完成转行了。

4）刚刚入职机器视觉岗位，但是没人教没人带

他们已经成功入职机器视觉，但是可能就职于一些中小型公司，公司并没有系统规范的管理体系，所以他们从最开始就处于一种野路子，自己带自己飞的状态，但是没有系统的工作方法指导，他们很容易就卡在瓶颈中动弹不得，对职业发展非常不利。

因此，我想要从以下两个维度帮大家解决眼前的困惑：

1、想要转行／入门机器视觉，都需要具备什么样的能力？

机器视觉这一行，在早期的时候就有点像“三无”职业：无专门的培训、无固定的能力要求、无客观的评判标准。

因为，机器视觉在国际和国内的发展阶段是不一样的。国内机器视觉起步比欧美晚了十几年，因为它大概是从2006年才开始进入市场启动期，但是随着现在中国人口红利的消失以及制造业转型升级的倒逼，整个产业将快速发展，对机器视觉工程师这个职位的需求也会稳步增长。

于是，随着市场的逐渐完善，现在的企业机器视觉已经有了基本的能力要求。典型如——

• 调试labview视觉软件和相机硬件

• 掌握labview图像采集、视觉助手算法仿真、视觉软件框架、模板匹配算法

• 实现参数保存、连续运行、单步运行

• 布局视觉软件系统框架

• 独立设计labview视觉软件

以上，基本是一个0-1岁的视觉工程师应该具备的基本技能。而你要做的就是尽可能掌握这些技能，起码将其做到合格，甚至可以把某项技能作为自己的长板来提升核心竞争力。这样无论你是想入门，还是想转行，抑或是刚刚做机器视觉工程师，都可以找到自己的“抓手”，去找到自己的价值所在。

2、如何掌握这些能力？

能力的习得基本分为两个层面，一个是认知层，一个是行为层。如你知道了labview编程很重要，这属于认知层；你能利用labview编程写模板匹配，实现自动运行、连续彩图功能，这属于行为层。

如果仅仅是建立认知，但没有行为跟进，基本就是在浪费时间。而很多人，都是享受着“我知道了很多新知识”的状态，但却从不思考如何将这些新知识落地执行。就好像，你看100本机器视觉相关的书籍，但是连一份简单的算法说明文档和视觉助手脚本都提交不出来，这是毫无卵用的。

且长时间来看，你看的干货资料越多，你就会越享受获取碎片化知识的快感中，慢慢的你就在新知识的海洋中“溺死了”。

那应该怎样做呢？

大道至简，用几句话就能说明白——

首先，你要筛选哪些知识对自己是关键的。关键的意思是，这个知识你学完了，就能切实改变你当下的工作。

其次，你需要对关键知识进行大量的刻意练习。

最后，你需要有反馈意识，如自己输出一些东西放到相应的平台上供大家评判；找一些小伙伴一起学习实践，相互督促反馈；找一些行业里的靠谱老师，来给予你指导。

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，但是实践起来是有相当难度的，因为也许你不知道应该如何结合项目进行实操，也找不到一个靠谱的同行来对你进行及时反馈...............