视觉质检落地：样本、光照、节拍三要素

视觉质检，指的是用图像采集与判定模型替代或辅助人工目检，对产品外观做一致性判断。项目失败的原因很少出在模型能力上，多数出在模型之外的三件工程条件：拍到的样本是不是真实缺陷、光照是不是每天一样、判定速度跟不跟得上产线节拍

三要素：样本、光照、节拍

• 样本：要有真实的缺陷样本，包括那些人工判定「可接受」的边缘情况，而不只是明显不良品。
• 光照：同一工位在不同班次、不同季节的光照条件要一致，否则模型学到的是环境差异。
• 节拍：判定耗时必须小于产线的最小间隔时间，否则只能离线抽检，价值大打折扣。

这三条里最容易被低估的是光照。一盏灯管老化、一次车间改造，都可能让原本可用的判定结果整体偏移，而且现场往往不会立刻想到是光照造成的。

样本：难的不是数量

收集几千张图片并不难，难的是让样本分布与真实情况对得上：

• 缺陷类型要均衡：稀有缺陷不能只出现在训练集角落，否则永远判不出来。
• 要有人工判定的边界样本：合格与不合格之间的那批，才是真正需要模型学会区分的。
• 要包含换批次、换供应商后的样本，材质与外观的变化会直接影响判定。
• 要留下人工复核记录：谁判定、依据什么、后来有没有被推翻。

判定与复核怎么分工

• 模型负责筛查：把明显的良品放过去，把可疑的挑出来，减少人工盯屏的时间。
• 人工负责边界：可疑项由人工判定，同时这些判定结果回流成为新的样本。
• 复核留痕：每一次人工改判都记录下来，它是判断系统是否在退化的唯一依据。

部署位置：在线还是离线

在线判定要求速度与稳定性，通常只做二分类筛查，把复杂判断交给人工；离线复判可以用更重的模型与更充分的处理时间，用来回溯质量问题。先把离线路径跑通，确认判定标准与人工口径一致，再考虑上产线，是比较稳妥的顺序。反过来先上线，一旦误判率偏高，整条产线的信任就很难挽回。

边界：不替代检验标准

判定标准由质量部门根据客户要求与行业规范确定，系统只是执行与提示。出现标准模糊的灰色地带时，应由质量部门明确口径，而不是让模型替人做出判定结论。同理，系统也不适合直接决定一批产品放行或报废 —— 这类结论需要人的确认与签字。

验收口径

• 同一批样本在不同时间判定结果一致，环境变化不会引起整体偏移。
• 被判定为可疑的项，人工复核后能看到明确依据。
• 人工改判的记录被保存下来，并定期用来检查系统是否退化。
• 判定速度满足产线节拍要求，或明确按离线抽检使用。