表面瑕疵檢測：限定範圍的 AI 評估

目的與適用邊界

建立一個經過配準的參考差分基線，並與已綁定的候選方案比較，同時不要把異常分數或 AI 建議當成已確認的瑕疵答案。

本教學提供的是一種工程評估方法，而非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的 EAN-13 流程。工程程式碼中的原生 OCR 與檢測處理，使用前必須對照已安裝的執行環境、已綁定的模型與任務逐一確認。瀏覽器範本並不代表可在瀏覽器中執行：規劃中的 OpenCV.js 後端需另行驗證。雲端辨識須事先明確核准影像範圍、服務供應商、模型與費用。審查用封存檔不是可執行的發行套件。相機、韌體與驅動程式的相容性須另行檢查。下文記錄表中的所有數值皆為假設值，不是 Deyi Vision 的量測結果，也不是客戶的實際結果。

準備佐證

將合格參考圖、配準基準、排除遮罩與瑕疵標籤，分別放在各自獨立版本管理的紀錄中。確認所選後端確實實作了每一個被要求的節點。先對照約定檢查中間輸出，再解讀最終旗標。缺漏的區域、格式錯誤的文字欄位、無效的座標或非有限的數值，都必須維持為明確的失敗，而不是預設的合格結果。記錄該次執行實際使用的執行後端與相依項目；不要把另一個範本名稱相同的後端上的驗收結論沿用過來。如果選用了新的模型或前處理版本，要保留先前的版本，並重新執行固定的比較，而不是把不同識別碼的結果混在一起。要給出嘗試的案例總數、其中有多少回傳了可用的佐證，以及對其餘案例所做的判定。這些數量反映的是涵蓋範圍與失敗處理，同樣也反映辨識品質。表面瑕疵檢測工站必須能區分材料本身的瑕疵與觀察條件的變化。刮痕、凹痕、油汙、紋理和反光都可能造成相似的灰階變化，卻需要不同的處置。請依預期的表面加工狀態範圍準備合格件，並準備瑕疵位置與方向皆有紀錄的瑕疵樣品。所選的基準，在表面狀態改變時仍須保持可見。參考影像唯有在其姿態與照明和目前的工件具有可比性時，才派得上用場。影像差分並不是實體深度量測，檢出的區域本身也無法說明瑕疵的成因。在收集答案之前，先決定髒汙應判為剔除、提出清潔請求，還是列為排除情形。對有歧義的樣品，請保存原始影像，不要憑空編造乾淨的參考圖或修正過的標籤。把工作流程視為一連串有明確類型的判定，而不是單一模型給出的一個答案。執行實驗之前，先綁定輸入識別碼、區域轉換、節點版本、前處理與模型套件。把在開發影像上選擇參數，與在凍結集上評估區分開來；凍結集的答案並未用來調整參數。每個案例的基線結果與候選方案結果都要保留，包括執行失敗的案例。AI 的建議可以提出修訂，但不能確認參考答案、授予資料上傳權限，也不能核准投入生產使用。如果服務供應商呼叫的回執不明確，應保留請求識別碼，並先查清該回執，再考慮重送。執行環境是否可用、辨識品質與發布核准，是三項彼此獨立的檢查。

操作步驟

1. 相減之前，先用穩定的基準把來源影像與參考影像配準；並在兩張影像上檢查轉換結果。
2. 在閾值化與形態學處理之前，先檢查差分影像，以免把配準邊緣誤認為刮痕。
3. 先在開發資料上比較候選方案，接著將其凍結，再對未動過的瑕疵件與合格件集合進行評估。
4. 配準缺失、相依項目缺少與無法觀察的表面，要歸入 Review 或 Error，絕不能給出預設的合格判定。

解讀試驗結果

在這組假設資料中，10 個瑕疵件漏檢 2 個，20 個合格件有 1 個被誤拒。兩個分母都要報告。異常分數不是瑕疵機率；未綁定的分割模型或異常檢測模型不在這次可執行試驗的範圍內。

記錄表

兩個工程視角

故障排除

• 工件輪廓周圍出現一圈環形區域，提示的是配準或比例誤差，而不是整個表面都有瑕疵。
• 能濾除窄刮痕的濾波核會讓影像外觀變好，卻同時毀掉了檢測佐證。

驗收與交接

若候選方案沒有展現出實際效益，就保留基線。核准之前，先凍結參考圖、轉換、遮罩、節點/模型識別碼與完整的混淆矩陣。

將來源影像、預期判定、確切的版本與完整的結果紀錄放在一起保存。在選定最終參數之前，先凍結評估集。如果這些答案之後又被用來調整流程，就要把該集合標記為開發資料，並另行取得一套新的獨立驗收集。Review、NoResult、執行錯誤與取像缺漏都要保留在分母中；不要靠濾掉資料列，把它們變成「通過」。將可重現的失敗案例與成功樣本一併保存。交接資料應載明誰有權變更配方、如何還原先前已核准的版本，以及在驗收之前哪些裝置輸出仍維持禁止。僅憑軟體結果，並不能證明移動中的實體工件已抵達正確的去向。