SKU 顏色分選：照明與物體遮罩

目的與適用邊界

在穩定的物體區域上比較產品顏色，避免陰影、鏡面高光和彩色背景悄悄改變樣品的定義。

本教學給出的是一套工程評估方法，而不是可直接執行的產品認證。Deyi Vision 目前公開的 PC 範例，涵蓋的是在已確認的樣品影像上執行 EAN-13 的工作流程。工程程式碼中的原生 OCR 和檢測部分，使用前必須對照已安裝的執行環境、已繫結的模型和任務逐一核實。瀏覽器範本並不能證明可以在瀏覽器中執行：規劃中的 OpenCV.js 後端需要單獨驗證。雲端辨識須明確核准影像範圍、服務供應商、模型和費用。評審歸檔包不是可執行的發布包。相機、韌體和驅動程式的相容性需另行核查。下文所有紀錄表中的數值均為假設值，不是 Deyi Vision 的量測結果，也不是客戶的結果。

準備佐證

在擬採用的漫射光下，準備一個中性標靶和有代表性的產品形狀。在查看分類結果之前，先確定哪一塊表面區域代表目標類別。選定的條件要在把治具歸位之後再重複一遍，而不能只是在什麼都不動的情況下重複。這樣才能看出配方在換線時能否重現。當環境光狀態和光源開啟後經過的時間會影響影像時，要把它們記錄下來。不要把來自不同遮罩或不同位元深度轉換的量測值放在一起比較，彷彿只有照明發生了變化。被否決的光學條件也要留在紀錄中，包括它的影像和否決原因。看起來漂亮的影像不一定是最適合檢測的影像：所選條件必須在約定的全部樣品範圍內，保留相關特徵，並使其與可接受的差異保持可區分。顏色分選與 SKU 辨識回答的是不同的問題。某個顏色區域可能與紅色參考相符，而該物品的尺寸、標籤或包裝規格卻是錯的。要先明確該任務是依實物顏色分選、核對預期的 SKU，還是兩項獨立的檢查都要做。使用通道順序已知的彩色影像，並把曝光、白平衡和光源光譜寫入配方。要測試可接受的各批材料、光澤表面、陰影和外來產品，而不是只測一張乾淨的參考色卡。飽和度低時色相不可靠，而被截斷的高光會丟掉演算法無法還原的資訊。未知、無法觀察和混色的物品需要有明確的分流去向。若語意 SKU 辨識使用了模型，要把該模型與顏色閾值分開驗證，並且在向雲端傳輸任何資料之前先取得核准。在調整閾值之前，先建立一套受控的光學比較。標記治具、工作距離、光源角度和對焦位置，使每種條件都能復原。只改變選定的照明或區域變數，同時保持相機設定和樣品識別碼不變。每個裁切圖或遮罩旁邊，都要保留完整的來源影格，以及回到來源座標的轉換關係。既要對可接受的差異取像，也要對已知有問題的樣品取像，並包括允許擺放範圍的邊緣位置。解讀數值結果之前，先在原始影像上檢查區域疊加圖。縮小區域可能掩蓋失敗而不是改善檢測，所以被排除的區域必須有明確的工程理由。

操作步驟

1. 在相機設定固定的條件下比較不同照明，並檢查中性色塊有無通道失衡或截斷。
2. 定位物體，把它的遮罩映射到來源座標，排除已知背景，同時不要切掉決定類別的材料。
3. 記錄有效物體像素數，並在原始影像上檢查眩光/陰影的排除區域；絕不能僅因某塊難處理的區域會導致分錯類別，就把它排除掉。
4. 在相同樣品上儲存基線遮罩和候選遮罩，再改變姿態和飾面重複一遍，然後才凍結 ROI。

解讀試驗結果

在這份假設的遮罩紀錄中，試驗視窗內有 2000 個像素，但有效物體像素只有 1000 個。顏色像素數 600 必須以物體像素數為分母，得到 60%，而不是以整個視窗為分母得到 30%。可見，遮罩的建立方式會改變比值的意義；被排除的像素及其原因必須可供稽核。

紀錄表

object_ratio = 600 / 1000 = 60%
window_ratio = 600 / 2000 = 30%

兩個工程視角

故障診斷

• 佔據 ROI 的彩色輸送帶，可能主導顏色結果。
• 如果高光排除把大部分彩色表面都抹掉了，應給出佐證不足的結果，而不是硬判為某個已知類別。

驗收與交接

在聲明的變化範圍內，只要目標材料仍可觀察、分母保持穩定，即可接受照明和幾何配置。顏色閾值與語意 SKU 辨識留到下一階段。

將來源影像、預期判定、確切的版本和完整的結果紀錄放在一起儲存。在選定最終參數之前，先凍結評估集。如果這些答案後來被用於調整工作流程，就把該集合標記為開發資料，並另取一組新的獨立驗收集。要讓 Review、NoResult、執行錯誤和取像缺漏一直計入分母；不要透過篩掉資料列把它們變成合格。把可重現的失敗案例與成功樣例一併儲存。交接資料應寫明：誰有權更改配方，如何恢復先前已核准的版本，以及在驗收之前哪些設備輸出仍保持禁止。僅憑軟體結果，不能證明移動中的實物零件到達了正確的目的地。