SKU 颜色分选：通道与漂移诊断

目的与适用边界

在改动阈值、硬凑出预期的 SKU 之前，先在采集、通道转换、掩膜或类别规则中，找出最早出现的颜色不一致。

本教程给出的是一套工程评估方法，而不是可直接运行的产品认证。Deyi Vision 目前公开的 PC 示例，涵盖的是在已确认的样品图像上运行 EAN-13 的工作流。工程代码中的原生 OCR 和检测部分，使用前必须对照已安装的运行环境、已绑定的模型和任务逐一核实。浏览器模板并不能证明可以在浏览器中执行：规划中的 OpenCV.js 后端需要单独验证。云端识别须明确批准图像范围、服务提供方、模型和费用。评审归档包不是可执行的发布包。相机、固件和驱动的兼容性需另行核查。下文所有记录表中的数值均为假设值，不是 Deyi Vision 的测量结果，也不是客户的结果。

准备证据

保留一份彩色原图、中性参考和一件此前未知的物品。把预期类别单独冻结，不放进处理输入中，并记录当前的转换版本。写出另一位工程师无需猜测用的是哪张图像、哪个版本就能回放的失败记录。记录中包括原始来源、受影响的区域、实际输出、预期处置，以及第一个出现偏差的中间结果。记录该现象出现在回放中、实时采集中，还是两者都有。修正之后，重新运行原先的失败案例，以及此前已成功的相邻条件。靠排除某个区域或接受缺失的结果来消除一次报警，这样的修正改变的是需求，并没有解决原因。如果失败尚未解决，应让受影响的操作保持在 Review 或禁止状态，并写明原因；不要把未经测试的变通办法标成已验证的解决方案。颜色分选与 SKU 识别回答的是不同的问题。某个颜色区域可能与红色参考相符，而该物品的尺寸、标签或包装规格却是错的。要先明确该任务是按实物颜色分选、核对预期的 SKU，还是两项独立的检查都要做。使用通道顺序已知的彩色图像，并把曝光、白平衡和光源光谱写入配方。要测试可接受的各批材料、光泽表面、阴影和外来产品，而不是只测一张干净的参考色卡。饱和度低时色相不可靠，而被截断的高光会丢掉算法无法还原的信息。未知、无法观察和混色的物品需要有明确的分流去向。若语义 SKU 识别使用了模型，要把该模型与颜色阈值分开验证，并且在向云端传输任何数据之前先取得批准。从最早可观察到的偏差开始排查。把同一份已保存的源图像，分别送入未改动的基线和候选方案回放，比较中间图像、区域、数值和结果状态。如果源图像本身就不同，这种比较就无法再把问题隔离到算法上。一次只改动一个怀疑的原因，运行之前先写下预期效果，假设不成立时要保留这个否定的结果。要把证据无法判读、规则不匹配、依赖项缺失和执行故障区分开，它们需要不同的补救办法。回放可以复现软件故障，但无法验证实时触发、照明时序或实际的剔除路径。这些采集和产线方面的检查，要作为单独的后续实验另行进行。

操作步骤

1. 转换颜色空间之前，先检查原始通道顺序和一个已知的源像素。
2. 用声明的转换回放同一张原图，再比较已保存的物体掩膜和有效像素分母。
3. 分别检查白平衡漂移、截断和低饱和度；无法观察的颜色必须保持为未知或 Review。
4. 在新采集的图像和相邻的颜色类别上验证修正，并保留原来的错误结果，不要覆盖。

解读试验结果

假设同一个源颜色，既可以写作 RGB [200,40,30]，也可以写作 BGR [30,40,200]。只调换数组标签而不与实际输入顺序对应，其含义就变了。这个像素也好，修正后的预览也好，都不能证明 SKU 身份。只有灰度的源图像，无法靠改转换代码恢复成原来的颜色。

记录表

两个工程视角

故障诊断

• 红色物体转换后变成蓝色，提示可能是通道顺序问题；先比对原始像素。
• 仅仅换了背景类别就变了，提示掩膜或分母有误，不一定是出现了新的产品颜色。

验收与交接

只有当第一个出现偏差的环节已被复现、已被修正，并且用独立的已知样品和未知样品核对过，才可结束诊断。剩余的不确定之处要保持可见，并记录采集、几何或判定逻辑是否发生了变化。

将源图像、预期判定、确切的版本和完整的结果记录放在一起保存。在选定最终参数之前，先冻结评估集。如果这些答案后来被用于调整工作流，就把该集合标记为开发数据，并另取一组新的独立验收集。要让 Review、NoResult、执行错误和采集缺失一直计入分母；不要通过筛掉记录行把它们变成合格。把可复现的失败案例与成功样例一并保存。交接材料应写明：谁有权更改配方，如何恢复先前已批准的版本，以及在验收之前哪些设备输出仍保持禁止。仅凭软件结果，不能证明运动中的实物零件到达了正确的目的地。