工件定位：AI 辅助的像素位置工作流

检测任务

这条简单基线先找出符合条件的深色区域，要求只有一个目标，再检查其水平中心。示例窗口 28–35 px 接受 x = 32 px，拒绝 x = 26 px；这些数字不是机器人公差。AI 可以帮助分离出分割环节的变化，但未经人工批准，不得扩大物理验收窗口。

前置条件与对照样品

先声明本任务是像素位置检查，还是经标定的运动指令。简单的固定工位基线检查水平中心，对象是单个分离的深色目标。它无法证明垂直位置、旋转、高度或机器人抓取是否正确。请准备单个可见目标、无目标和多个目标三类样品；保留原始坐标原点和独立标注的中心。

选择相机方案

平面稳定、特征可观测时，使用固定的面阵相机。采集过程中工件仍在移动时，全局快门方案更有帮助。如果高度或重叠会影响抓取点，应评估经过验证的深度方案，而不是把 2D 中心当作 3D 位姿。相机到机器人的坐标变换和工具标定，与图像定位彼此独立。

执行受控流程

先搭建最小的、可观测的基线，再让 AI 提出修改建议。固定原始图像、ROI、期望答案和运行时标识；检查中间输出，而不是只看最终结果指示。Deyi Vision 目前的工作流做法，可以在带版本的开发数据上比较候选修改。AI 的建议只是供评审的提案，不是操作人员批准的公差，也不是经过验证的物理测量。

1. 检查每个连通区域，并要求可见目标唯一。
2. 把其中心映射回原始图像。
3. 把一个分割候选方案与冻结的基线作比较。
4. 复核无目标和多目标的输出，不要猜测中心。

记录证据

保存目标数量、原始 x 坐标、坐标映射和水平判定。明确说明这条基线不评估 y、旋转和高度。不要用零去填充这些缺失的位姿字段。

用已保存、且目标中心已由独立途径得知的样例，把判定逻辑与分割环节分开测试。在示例的水平窗口练习中，分别检验唯一目标位于窗口内部和每个声明边界上的情形，再检验目标位于窗口之外的情形。确认存储的规则采用的是声明过的包含或不包含边界值的约定；不要以为显示的颜色就能证明这一约定。接着放入无目标和多个可见目标的样例。处理流程不得沿用上一次有效的中心，也不得为满足位置规则而随意挑选某个区域。目标数量条件和水平范围条件，在合并之前要作为各自独立的中间输出保持可见。这样，唯一性不满足与目标有效但位置偏移，两种失败就能区分开。

诊断失败情形

两个目标粘连成一个后，也可能得出落在窗口内、看似合理的中心。选错区域同样如此。目标唯一的条件必须以可观测的证据为依据，而不能只看一个方便的计数。模型的预测并不构成运动指令的授权。

独立验证

在相同的开发样本上，比较未改动的基线和一个候选方案。每一次失败和无法得出结论的结果，都要保留在分母里。把困难图像加入一个范围受限的复核集，但在有人检查之前，预测标签一律视为未确认。如果模型需要本地服务，或需要经授权才能外发的图像，缺少该能力时必须停止执行，而不是触发未予披露的后端替换。

对照独立标注评估中心误差，并保留所有不可观测的情形。此后任何经标定的位姿工作流都要单独处理，有各自的依赖项和验收。

评估 AI 分割提案时，要追踪所选特征对应的实际物理部位。凡是候选方案改变了中心的图像，都要叠加两份掩膜，并说明是哪些像素导致了这一变化。检查所选区域是否仍代表预定目标，而不是附近的紧固件或粘连的一对目标。比较期间保留原始坐标映射和预期的像素答案。如果提案引入了新的定位模型，在把它当作候选方案之前，先验证其已安装的能力、预处理、坐标约定和输出有效性。不要把未报告的角度或高度当作有效的零，也不要从简单的水平规则中继承对物理运动的批准。冻结所选的图像工作流，并明确缺失字段的语义。随后应由独立验证来确认图像中心和歧义处理，之后才可以考虑另行制定机器人位姿或运动方案。

继续工程交接

保存工作流图、参数、依赖项和开发阶段的比较结果。独立的验收答案要放在 AI 调优可访问的范围之外。评审导出文件是供检查的佐证，不是完整的可运行发布包，也不能证明已获批准。浏览器内执行、云端模型的质量和可执行版本的激活，都需要各自经过验证的能力。

把原始图像和对应的结果记录一并保存。