有无检测：搭建 AI 辅助工作流

检测任务

从灰度图、经阈值分割得到的连通域掩膜，以及指定特征区域内的计数规则入手。在文中所述的单特征示例里，一个符合条件的连通域即为预期状态；但这并不能证明该连通域就是正确的零件。让 AI 提出一项可解释的阈值或面积界限改动，同时保持特征位置和有无的实物定义不变。

前提条件与样品对照

将“存在”定义为指定位置上可见的特征，而不是画面中随便出现的暗色物体。准备装配正确的样品、故意缺少该特征的样品和特征被遮挡的样品，并记录人工给出的答案。数据集中要保留治具细节和允许的零件差异。固定工位的基线依靠图像对比度区分相互分离的连通域；它不是通用的语义识别器，也不得推断出被隐藏的部件。

选择相机方案

特征位置固定且对比明显时，黑白面阵相机是务实的起点。曝光期间仍有运动时，选用全局快门方案；紧凑型智能相机方案则需要经过验证的处理能力和 I/O 支持。颜色本身属于判定依据时，选用彩色相机是合理的。如果存在与否取决于深度或遮挡，仅凭一张平面图像无法得出结论。

实施受控流程

在让 AI 提出改动之前，先搭建最小的可观察基线。固定原始图像、ROI、预期答案和运行环境标识；检查中间输出，而不仅仅看最终指示。Deyi Vision 当前的工作流做法，可以在带版本的开发数据上比较候选改动。AI 的建议只是供复核的提案，不是操作员批准的公差，也不是经过验证的实物测量。

1. 为每个对照查看原始图像、掩膜和符合条件的连通域面积。
2. 在考虑 AI 提出的参数建议之前，先保存基线。
3. 把一个候选改动应用到同一批开发图像上。
4. 新增疑难样本之前，先由人工核对新的标签。

记录证据

与每个图像标识一起，记录实际的连通域数量、所选面积和复核状态。不要用 AI 的预测去填补缺失的答案。分别比较缺失特征的漏检与存在特征的误拒；合并的得分可能掩盖代价更高的那种失败。

准备一份开发对比表，每张原始图像占一行，并且在查看候选结果之前先固定实物答案。每一行都要记录基线判定、候选判定，以及各自所依据的可见区域。将每项变化归入下列类别之一：恢复缺失特征的拒收、恢复存在特征的合格、新增漏检、新增误拒，或可见性未决。这些类别可避免在容易的存在样品上取得的表面改进，掩盖缺失样品上新出现的漏检。候选改动调整面积限值时，要检查该限值具体排除和纳入了哪些区域。凡是会接纳治具区域的参数改动，即使提高了综合开发得分，也应当否决。保留被否决的候选及其说明，以备日后复核。

诊断失败案例

所需引脚缺失时，治具上的一颗螺钉也能满足“计数为一”的条件。AI 无法靠给检出区域改个名字来修复这种错误。要回到空间定义和可观察性上来。即使模型强烈预测特征存在，被遮挡的特征仍然是需要复核的情形。

独立验证

在同一批开发样本上，比较未改动的基线和一个候选改动。每一次失败和无结论的结果都要保留在分母中。把疑难图像加入限定规模的复核集，但在人工核对之前，预测出的标签一律保持未确认。如果某个模型需要本地服务，或需要获准外发图像，缺少这项能力时必须停止运行，而不是触发未予披露的后端替换。

在留出样本上，先核对指定位置和连通域证据，再评估最终规则。不得为了提高开发得分而降低对实物缺失特征的要求。

把回收到的疑难样本视为对证据的请求，而不是自动成立的事实。新样本应当保留其原始图像、来源事件和复核原因。由人工核对实物特征是否存在、是否真正可见；模型的预测另行存放。如果新的答案被用来调整下一个候选，该图像就属于开发数据，不得作为未被使用过的验收证据来报告。比较结束后，冻结选定的工作流图和参数，再向独立评估人员提供留出的对照样品，其实物定义与前面保持一致。在做出任何安装决定之前，先审视分歧之处。不得让工作流编辑器批准变更后的实物公差，也不得仅凭保存新版本就授予验收资格。要明确区分“可复现的候选版本”与“已获批准的工位”。

继续工程交接

保存工作流图、参数、依赖项和开发对比。让 AI 调参无法接触到独立验收的答案。复核导出文件是供检查的证据；它既不是完整的、可运行的发布包，也不是获得批准的证明。浏览器端运行、云端模型质量以及可运行发布版本的启用，各自都需要经过验证的能力。

将原始图像与结果记录一并保存。