零件計數：帶計數證據的 AI 工作流程

檢測任務

先從灰階化、分割、區域可計數條件和精確計數規則做起。在假設的 3 個零件的料盤中，整個參數調整過程都保持目標計數為 3。AI 可以建議修改分割或面積篩選，但在沒有另行驗證過的辨識方案時，不得把一個區域重新定義為多個實際零件。要檢查是哪些單一區域構成了總數。

前置條件與樣品對照

寫明預期數量，以及怎樣才算一個實際零件。準備裝料正確、少料和零件相互接觸的樣品，並備好獨立清點得出的答案。基線方案統計的是相互分離的連通區域，而不是被遮擋的物體。一個連通區域可能包含多個相互接觸的零件，而單一反光零件也可能裂成多個區域。選定計數閾值之前，要把這些侷限寫進樣品定義。

選擇相機方案

整個料盤能完整納入一次觸發的單一影格時，使用面陣相機。為獲得輪廓對比度選用黑白相機，僅在確有顏色要求時才選用彩色相機。送料過程中存在移動時，需要經過驗證的全域快門時序，或採用料盤已穩定的取像位置。線陣方案需要透過移動重建影像，用在靜止的料盤上並不會自動更好。

執行受控流程

先建立最小的可觀察基線，再讓 AI 提出修改建議。固定原始影像、ROI、預期答案和執行環境識別碼；檢查中間輸出，而不是只看最終的指示結果。Deyi Vision 目前的工作流程方式，可以在有版本控管的開發資料上對比候選修改。AI 的建議只是供審查的提議，不是操作員核准的公差，也不是經過驗證的實際量測值。

1. 儲存原始影像和獨立清點得出的答案。
2. 檢查基線遮罩中可計數的區域。
3. 在候選方案中只改動一個分割參數。
4. 對比精確計數，並保留相互接觸零件的複核案例。

記錄佐證

對每張給出了結果的影像，記錄預期計數、預測計數及二者之差。精確計數一致的情況，要與絕對計數誤差分開彙總。無結果的案例和複核案例要保持可見；把它們排除掉會改變結果的含義。

以單一料盤為單位，建立開發階段的對比。每張影像都要保留實物答案、基線計數、候選方案計數以及構成計數的區域集合。計數誤差等於預測數量減去獨立得出的實物數量；其絕對值只描述大小，不含方向。帶符號的誤差也要保留，因為系統性多計和系統性少計需要不同的補救措施。平均絕對誤差有所改善的候選方案，仍可能在少料的料盤上引入「料齊」的誤判。要把這類事件單獨明確標出，而不是淹沒在彙總資料裡。對重疊樣品和無結果樣品，要標明其有效性狀態，並納入所聲明的覆蓋範圍紀錄。對比中必須披露：簡單的「區域相互分離」假設覆蓋不到哪些樣品。

診斷失敗案例

漏掉兩個零件、又多出兩個料盤偽影，合計仍可能等於預期總數。因此必須有區域層級的證據。偵測模型方案需要經核准的模型/執行環境相依項目，以及真實樣品的驗證；僅有一個具名模型，並不能證明具備計數能力。

獨立驗證

在同樣的開發樣品上，對比未改動的基線與一個候選方案。每一次失敗和無結論的結果，都要保留在分母裡。把困難的影像加入有限規模的複核集，但在有人核對之前，預測標籤保持為未確認。如果模型需要本地服務，或需要經授權才能外發的影像，那麼缺少該能力時必須停止執行，而不是在未聲明的情況下悄悄換用其他後端。

在留出的料盤上，核實每個被計入的零件和所有少料案例。不要因為彙總計數正確，就放過個別偵測的錯誤。

如果 AI 提出換一種辨識方法，要把這個提議與參數修改區分開。核實已安裝的執行環境能否執行所需節點，以及模型檔案、前處理和輸出約定是否已固定。模型回傳的邊界框或遮罩，必須先有所聲明的實際零件定義，才能計入計數。由預測得出的標籤保持未確認狀態，並在原始影像上檢查漏掉的、重複的和重疊的偵測結果。用與基線相同的獨立料盤數量來評估新方案，並保留開發階段的全部失敗案例。不要把驗收狀態從舊的工作流程圖轉移到新模型，也不要從已儲存的候選識別碼轉移到可執行套件。只有記錄了區域層級的解釋和對計數的影響之後，才能凍結選定的方案。獨立驗收仍然需要從未參與調整、並按預期的實物擺放方式呈現的料盤，尤其是當改動是由重疊或小零件引起的時候。

繼續工程交接

儲存工作流程圖、參數、相依項目和開發階段的對比結果。獨立驗收的答案要放在 AI 調整參數時能夠存取的範圍之外。供複核的匯出檔是用於檢查的佐證，並不是完整的可執行發布套件，也不是獲得核准的證明。瀏覽器端執行、雲端模型品質以及可執行發布版本的啟用，各自都需要經過驗證的能力。

將原始影像與對應的結果紀錄一併儲存。