做工业视觉上位机开发的朋友，大概率都栽过相机采集的坑。单线程同步采图，一拍界面就卡死；多相机高速抓拍，处理稍慢就丢帧；图像来回拷贝，内存涨得飞快，GC一卡整个程序都停住。很多人把问题归为相机性能不够、电脑配置差，其实核心是采集架构没做对，用单线程串行的思路做多相机高速采集，不卡才怪。去年做3C电子配件外观检测项目，一共4台500万像素工业相机，在线高速抓拍，一秒钟各拍6帧。最开始图省事，在定时器里同步调用SDK采图，结果一跑起来问题全出来了：界面卡得拖不动，高速模式下频繁丢帧，一台相机出问题整个程序都卡住。后来推倒重来，按分层解耦的思路做了一套多线程异步采集架构，每个相机独立采集线程，图像环形缓存，处理线程池异步消费，UI和采集完全隔离。改造完之后，4台相机满速采集稳定不丢帧，CPU占用降了近一半，UI全程流畅，连续跑了三个多月没因为采集出过问题。今天就把完整的架构设计、核心模块实现、丢帧与内存优化方案和现场踩过的坑全部分享出来，都是视觉项目跑出来的实战经验。一、先捋痛点：工业相机采集中最常见的5个坑很多人觉得相机采集就是调用SDK的GrabImage，没什么技术含量。真到高速、多相机的场景才发现，坑全在并发和资源管理里。单线程同步采集，UI完全阻塞最经典的错误写法：在UI线程的定时器里直接调用采图方法。相机曝光、传输、成像都是耗时操作，少则几毫秒多则几十毫秒，这段时间UI线程完全被占住
