建構 AI 輔助的可見組裝工作流程：類型化零件佐證、標籤唯一性檢查與含端點空間規則

給 AI 輔助一個有邊界的任務

向 AI 輔助提出一個有邊界的開發請求：請它提出一個受支援的影像工作流程，用來呈現所需的可見零件，並評估所聲明的關係。要提供參考類別、觀察限度和允許變動的變數。不要讓助手憑一張好看的影像去推斷隱藏的鎖固品質，也不要讓它用一個很有把握的答案去取代未知的佐證。助手給出的節點圖只是待檢驗的假設，不是已發布的檢測配方。評估這個處理方案期間，已認可的相機與照明基線保持不變，這樣，任何改進都能歸因於某項聲明過的工作流程改動，而不是換了樣件，或換了一個更方便的視角。

凍結影像與座標佐證

對每個開發案例，凍結來源影像識別碼、原始尺寸、裁切轉換、治具版本和獨立指定的參考類別。把觀察區疊加在完整的原始影格上，包括失敗的和被遮蔽的範例。影像一旦被縮放或裁切，後續環節的座標就必須與該來源影像保持聲明過的對應關係。沒有必要的、經過驗證的幾何，就不要把局部偵測結果解釋為物理位置。來自另一個影格、更早的某次裁切，或來源識別碼不確定的結果，即使零件標籤和疊加顯示看上去合理，也不能作為目前組裝件的可採信佐證。

建構明確的類型化處理鏈

當這種受限方法與任務相符時，建構一條包含明確的影像前處理、前景提取、已設定區域的佐證和空間規則的處理鏈。已設定的區域標籤標出的是觀察區；它們並不能確立學習式的零件辨識，也不意味著能剔除每一個看上去不對的 SKU。當外觀需要辨識時，可以把另行驗證過的偵測器作為候選，但它的模型識別碼、類別對應、過濾和重複處理，都需要各自的佐證。偵測器輸出的原始框，並不自動等於互不重複的零件。連接這條鏈之前，先確認受支援的節點和已安裝版本的約定，並保留類型化的偵測有效性，而不是把前段環節的每一種結果都合併成一個匿名的計數。

帶正負號的關係使用聲明過的座標系

有方向的規則取決於標籤順序和影像局部的中心；它並不量測隱藏的配合狀態。

原始影像與裁切轉換
第一個所需標籤的中心
第二個所需標籤的中心
聲明的帶正負號關係與區間

關係示意；物理公差需要另行驗證的幾何。

精確定義空間關係

要先明確這個關係是帶正負號的水平間距、帶正負號的垂直間距，還是影像局部座標下的歐氏距離。經審閱的關係流程使用唯一辨識出的標籤的中心，並包含聲明區間的端點。有方向的間距與不帶正負號的距離不能互換，對調標籤順序會改變它的正負號。文中的合成程式碼只演示含端點的邊界；它不設定量產公差，也不構成物理校正。要在工作表中保留確切的標籤、順序、座標系和規則版本。看上去在左邊的零件，仍可能不滿足約定的區間；而一個寬鬆的區間，也不能被當作機械配合正確的證明。

# Synthetic image-local centre example, not calibrated mechanical acceptance.
first_center_x = 4.0  # px
second_center_x = 14.0  # px
signed_separation = second_center_x - first_center_x  # 10.0 px
minimum = 10.0  # px
maximum = 12.0  # px
inside_inclusive_interval = minimum <= signed_separation <= maximum
# True at the lower boundary. Native validity and unique-part checks are separate prerequisites.

保留有歧義和缺失的佐證

讓觀察有效性排在關係判定之前。在經審閱的受限流程中，可見性無效，或某個所需標籤有多個候選時，結果為複核（Review）；所需標籤缺失、而其餘佐證有效時，結果為不合格（Fail）。零件因在視野之外而缺失，不等同於在有效區域內觀察到該區域為空。要保留規則原生的原因和前段環節的歧義，防止後續步驟悄悄把「複核」變成「合格」。執行錯誤、格式錯誤的結果和未知狀態，都必須有事先聲明的「非合格」處置方式。必須核對實際安裝版本的約定，因為節點名稱看著眼熟，並不能證明它目前的輸出或模型行為與這個原始碼層級的範例一致。

在凍結的樣本組上比較候選方案

在同樣凍結的開發樣本組上比較基線和每個擬議的工作流程，樣本組要涵蓋缺失、錯位、重複候選、截斷和允許的治具變化。一次只改變一個聲明過的處理變數，並保留最初失敗的輸出。要看哪些案例變好了，哪些變成了無法觀察或被錯誤歸類；不要只為了讓一張「通過」的截圖好看而去最佳化。複核和執行失敗，與正常的判定一樣，都要保留在計畫分母之內。只有在記下候選方案仍存在的限制之後才能選定它，然後把獨立的組裝件留作驗收。參數搜尋的結果，不是對最終選定的節點圖所做的獨立測試。

紀錄工作流程工作表

紀錄影像與組裝件識別碼、治具與節點圖版本、裁切座標、佐證方法、已設定的標籤或模型識別碼、過濾設定、原始偵測結果、有效性、規則區間和最終結果。再補上參考判定的依據，以及能解釋任何不一致的觀察。該表把被接受的可見關係，與歧義、缺件和執行失敗區分開來；它不虛構任何準確率百分比。原始節點圖和候選節點圖要連同可重現的輸入材料一起保存。接手的工程師應當能看出，結果來自固定的前景區域，還是來自經過驗證的辨識模型，而不是想當然地認為，經過 AI 輔助開發的過程，就讓每個標籤都成了學習式的工業分類器。

可見關係判定約定
佐證條件	受限流程的結果	解讀
所需標籤有效且唯一，且位於區間內	合格（Pass）	僅限聲明的可見關係
佐證有效，但所需標籤缺失	不合格（Fail）	觀察到所需零件缺失
有多個候選，或可見性無效	複核（Review）	沒有唯一且可信的關係
執行結果格式錯誤或不可用	明確的非合格處理	不是一次新的有效檢測

把執行階段和機械方面的聲明限定在邊界之內

把這個工作流程看作一套有邊界的可見組裝開發方法，而不是對隱藏連接部位品質或目前量產就緒狀態的保證。以往的固定工站原始碼測試，並不能證明目前的 Windows 軟體套件、模型資產或真實的相機取像環節已經通過驗收。在經審閱的產品範圍內，尚未實作瀏覽器本機的 OpenCV.js 執行。雲端方案或分割方案，需要各自明確受支援的執行環境和驗證；可見關係這個範例並不隱含它們。Deyi Vision 可以協助節點圖的調查和佐證比較，但正式發布的工站，必須另行證明約定的輸入、輸出、事件關聯以及尚未解決的限制。

AI 給出的方案必須變成可重現的佐證

在比較一個明確的候選工作流程時，要保住有效性和參考樣本組。

凍結可見參考與來源影像
建構受支援的類型化佐證鏈
在保留歧義的前提下評估關係
比較各樣本組並保留發布限制

擬議的工作流程開發，不是經認證的模型或實際工站。

來源與技術參考資料

這些資料說明本教學所用方法的依據與適用範圍。文中的檢查範例僅供參考；量產驗收需要用你自己的樣品取得佐證。

Contours: Getting StartedOpenCV查核於 2026年10月11日
Deyi Vision Vision WorkbenchDeyi Vision查核於 2026年10月11日

給 AI 輔助一個有邊界的任務

凍結影像與座標佐證

建構明確的類型化處理鏈

帶正負號的關係使用聲明過的座標系

精確定義空間關係

保留有歧義和缺失的佐證

在凍結的樣本組上比較候選方案

紀錄工作流程工作表

把執行階段和機械方面的聲明限定在邊界之內

AI 給出的方案必須變成可重現的佐證

來源與技術參考資料

部件與選型參考

繼續排除

驗收並整合可見組裝檢查

EAN-13 追溯：產線驗收

把檢測問題與佐證資料一併寄來。