給 AI 一個範圍明確的可見物品清點請求
給 AI 輔助一個範圍明確的請求：針對未封口包裝中指定的可見物品，提出受支援的處理方案，再與商定的套件定義做比較。要提供參考樣本、允許的擺放方式，以及對隱藏內容物的明確排除項。不要要求它隔著已封口的紙箱推斷內容物，也不要要求它僅憑一張整齊的影像就自動放行。AI 提出的流程圖在經過原始來源影像和獨立參考判定的檢驗之前，只是一個開發假設。比較期間保持已接受的取像基線不變，這樣觀察到的任何差異，都是由工作流程的改變造成的，而不是由包裝材料的變化或更方便的樣品造成的。
凍結套件與獨立參考
凍結包裝與套件標識、參考內容物、原始影像標識、尺寸、觀察區域和裁剪變換。對於不確定的參考，按指定的處理方式保留，不要硬塞進方便的類別。套件版本必須寫明被檢查的可見物品，以及影像範圍之外的物體。同一包裝的多張影像是相互關聯的觀察，不是獨立的清點參考。保留完整的原始影格，讓另一位工程師能夠檢查蓋片、遮蓋物和相鄰的內容物。來自另一個包裝或較早裁剪的、看似合理的計數，不能作為「目前指定的套件已被觀察」的證據。
搭建可見證據鏈
當這種方法適合商定的擺放方式時，搭建明確的影像前處理、前景或辨識證據、帶類別的檢測結果和 BOM 規則。固定區域方案把已設定的標籤與指定區域內觀察到的前景關聯起來；它不是針對任意套件內容物的學習型分類器。如果必須採用經過驗證的辨識，就要把模型標識、類別對應、過濾和重複處理分別保留下來。原始的檢測候選不能自動算作彼此不同的物品。要在帶類別的證據中保留可見性和座標標識，使裁切、接觸或被隱藏的內容物對規則仍然可用，而不是把前面各環節的每種結果都壓縮成一個看似權威的整數。
BOM 讀取可見的帶類別物品證據
計數之前，在指定的座標基準中把各物品的觀察和套件標識分開保留。
- 未封口包裝原始影像
- 指定的可見物品證據
- 帶版本的已知標籤與數量清單
- 約定之外的被遮蓋內容物
訂定帶版本的 BOM 約定
在評估候選方案之前，先訂定 BOM 標識、版本、已知標籤和確切的預期數量。下面的示意設定檢查一個可見的蓋子和一個密封件，二者各有指定的預期數量；它不是量產的套件規格。在已審閱的限定範圍 BOM 路徑中，沒有預期物品條目的已知標籤，其預期數量為零，而未知標籤需要複核。要讓標籤的含義在觀察方法和 BOM 之間保持穩定。observable 旗標記錄的是一項指定的條件，該條件須由實際的影像證據來支撐；把它設為 true，既不能讓不透明的蓋板變透明，也不能讓錯誤的區域標籤變得有效。
{
"version": 1,
"id": "visible-cap-seal-example/v1",
"observable": true,
"known_labels": ["cap", "seal"],
"items": [
{"label": "cap", "quantity": 1},
{"label": "seal", "quantity": 1}
]
}保留未知與無效的觀察結果
把原生的判定原因與原始的帶類別檢測結果一併保留。在已審閱的路徑中，無效的可見性，或被指定為不可觀察的包裝，會導致複核（Review）。與 BOM 不一致的有效可見數量會導致不合格（Fail）；未知類別同樣需要複核，並且優先於一個碰巧吻合的計數。缺少執行輸出和輸入格式錯誤，都不是有效的「空包裝清點」結果。要確認已安裝版本的約定，並對未知狀態和錯誤保留明確的未通過處理。如果沒有來源影像、套件標識和可信的可見性，即便介面上顯示綠色的計數，也不能證明包裝內容物滿足了指定的驗收結論。
在開發組上比較候選方案
在同樣的開發組上比較基線處理與候選處理，這些組包括完整套件、漏裝、多裝、陌生標籤、相互接觸的物體、裁切以及允許範圍內的材料變化。每次只改變一個指定的處理變數，並保留失敗的原始輸出。既要檢查被糾正的判定，也要檢查變得不可觀察或被打上錯誤標籤的情形。讓複核和執行失敗留在計畫的分母之內，而不是只去最佳化有效的計數。參數搜尋用的是開發階段的證據，不等於對所選流程圖的獨立驗收。要為後面的那次測試另留獨立的包裝和套件變體，並在選定方案之前記下仍然存在的觀察侷限。
維護完整性工作流程紀錄表
記錄包裝與套件版本、參考依據、影像與裁剪標識、證據方法、設定的標籤或模型資源、過濾器、原始檢測結果、可見性、BOM 標識、判定原因和最終的執行狀態。把基線與候選的流程圖，同原始來源影像和失敗的結果放在一起保留。這張表把可見數量的完全吻合、不一致、陌生類別和無效觀察區分開，不編造準確率百分比。接手的工程師應當能把每個計數追溯到實際的可見證據，並看清標籤來自固定區域還是來自另行驗證的辨識方法，而不是想當然地認為 AI 輔助開發已經證明了套件標識在工業現場可靠。
| 帶類別的證據 | 限定範圍的判定 | 解讀 |
|---|---|---|
| 有效的可見已知數量與 BOM 一致 | 合格（Pass） | 僅限指定的可見套件物品 |
| 有效的可見已知數量不一致 | 不合格（Fail） | 可見數量不一致 |
| 出現陌生標籤 | 複核（Review） | 套件標識需要核查 |
| 可見性無效或內容物不可觀察 | 複核（Review） | 沒有可信的完整清點觀察結果 |
| 執行輸出缺失或格式錯誤 | 明確的未通過處理 | 不是有效的空包裝結果 |
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
- skimage.measure APIscikit-image查核於
- Deyi Vision Vision WorkbenchDeyi Vision查核於
部件與選型參考
- machine vision software · 英文參考資料
- 機器視覺驗收測試清單
- 自動化外觀檢測
- EAN-13 追溯：產線驗收
- EAN-13 追溯：解碼與資料規則
- 穩定的相機取像：緩衝區、逾時與重新連線
- 驗收並整合可見液位工作流程
- 可見液位替代指標的 AI 輔助工作流程
- 關聯檢測紀錄、影像與工件識別碼
- OCR 標籤核對：驗收與 PLC 約定
- OCR 標籤核對：原生工作流程與精確比對
- 未封口包裝完整性檢測的驗收與整合
- 用明確的狀態建立 PLC 與視覺系統的交握
- 密封與膠條外觀：產線驗收
- 密封與膠條外觀：工作流程規則
- SKU 顏色分選：驗收與未知物品分流
- SKU 顏色分選：類型明確的顏色與 SKU 規則
- 表面瑕疵檢測：驗收與產線輸出
- 表面瑕疵檢測：限定範圍的 AI 評估
- 觸發到 PLC 判定的延遲負載測試
- 完整視覺配方的版本管理與回滾
