零件计数：带计数证据的 AI 工作流

检测任务

先从灰度化、分割、区域可计数条件和精确计数规则做起。在假设的 3 个零件的料盘中，整个调参过程都保持目标计数为 3。AI 可以建议修改分割或面积筛选，但在没有另行验证的识别方案时，不得把一个区域重新定义为多个实际零件。要检查是哪些单个区域构成了总数。

前置条件与样品对照

写明预期数量，以及怎样才算一个实际零件。准备装料正确、少料和零件相互接触的样品，并备好独立清点得出的答案。基线方案统计的是相互分离的连通区域，而不是被遮挡的物体。一个连通区域可能包含多个相互接触的零件，而单个反光零件也可能裂成多个区域。选定计数阈值之前，要把这些局限写进样品定义。

选择相机方案

整个料盘能在一次触发的单帧内拍全时，使用面阵相机。为获得轮廓对比度选用黑白相机，仅在确有颜色要求时才选用彩色相机。供料过程中存在运动时，需要经过验证的全局快门时序，或采用料盘已稳定的采图位置。线阵方案需要通过运动重建图像，用在静止的料盘上并不会自动更好。

执行受控流程

先建立最小的可观察基线，再让 AI 提出修改建议。固定原始图像、ROI、预期答案和运行环境标识；检查中间输出，而不是只看最终的指示结果。Deyi Vision 目前的工作流方式，可以在带版本的开发数据上对比候选修改。AI 的建议只是供评审的提议，不是操作员批准的公差，也不是经过验证的实际测量值。

1. 保存原始图像和独立清点得出的答案。
2. 检查基线掩膜中可计数的区域。
3. 在候选方案中只改动一个分割参数。
4. 对比精确计数，并保留相互接触零件的复核案例。

记录证据

对每张给出了结果的图像，记录预期计数、预测计数及二者之差。精确计数一致的情况，要与绝对计数误差分开汇总。无结果的案例和复核案例要保持可见；把它们排除掉会改变结果的含义。

以单个料盘为单位，建立开发阶段的对比。每张图像都要保留实物答案、基线计数、候选方案计数以及构成计数的区域集合。计数误差等于预测数量减去独立得出的实物数量；其绝对值只描述大小，不含方向。带符号的误差也要保留，因为系统性多计和系统性少计需要不同的补救措施。平均绝对误差有所改善的候选方案，仍可能在少料的料盘上引入“料齐”的误判。要把这类事件单独明确标出，而不是淹没在汇总数据里。对重叠样品和无结果样品，要标明其有效性状态，并纳入声明的覆盖范围记录。对比中必须披露：简单的“区域相互分离”假设覆盖不到哪些样品。

诊断失败案例

漏掉两个零件、又多出两个料盘伪影，合计仍可能等于预期总数。因此必须有区域级别的证据。检测模型方案需要经批准的模型/运行环境依赖项，以及真实样品的验证；仅有一个具名模型，并不能证明具备计数能力。

独立验证

在同样的开发样品上，对比未改动的基线与一个候选方案。每一次失败和无结论的结果，都要保留在分母里。把困难的图像加入有限规模的复核集，但在有人核对之前，预测标签保持为未确认。如果模型需要本地服务，或需要经授权才能外发的图像，那么缺少该能力时必须停止执行，而不是在未声明的情况下悄悄换用其他后端。

在留出的料盘上，核实每个被计入的零件和所有少料案例。不要因为汇总计数正确，就放过单个检测的错误。

如果 AI 提出换一种识别方法，要把这个提议与参数修改区分开。核实已安装的运行环境能否执行所需节点，以及模型文件、预处理和输出约定是否已固定。模型返回的框或掩膜，必须先有声明的实际零件定义，才能计入计数。由预测得出的标签保持未确认状态，并在原始图像上检查漏掉的、重复的和重叠的检测结果。用与基线相同的独立料盘数量来评估新方案，并保留开发阶段的全部失败案例。不要把验收状态从旧的工作流图转移到新模型，也不要从已保存的候选标识转移到可执行包。只有记录了区域级别的解释和对计数的影响之后，才能冻结选定的方案。独立验收仍然需要从未参与调整、并按预期的实物摆放方式呈现的料盘，尤其是当改动是由重叠或小零件引起的时候。

继续工程交接

保存工作流图、参数、依赖项和开发阶段的对比结果。独立验收的答案要放在 AI 调参能够访问的范围之外。供复核的导出包是用于检查的证据，并不是完整的可运行发布包，也不是获得批准的证明。浏览器端执行、云端模型质量以及可执行发布版本的激活，各自都需要经过验证的能力。

将原始图像与对应的结果记录一并保存。