工业视觉:先验证,再部署
工厂里的视觉检测不是演示:每一张判为缺陷的图,都要能回放它为什么被判为缺陷、谁复核过、最后进了哪张工单。黑箱打分不进工厂。Negency 的做法是先讲清方法、再用受控试点验证——试点数据决定方案是否继续。
当前状态请先说清楚:本页是技术方案与试点方法,不是已交付能力。离线验证首轮已完成(2026-11-13,DeepPCB 公开基准:AUROC 0.627,检出率 11.8%,误报率 6.6%——数字很弱,是实测下限、不是能力宣称);尚未经过真实设备测试,尚未进入边缘设备试点与现场验收。验证记录公开写在工程实验室工业视觉样板里,测出什么、还缺什么,都在那里。
六步闭环
图像采集(工业相机与传感器)→ 边缘推理(边缘计算模组本地运行模型)→ 缺陷分析(缺陷类型判断 + 置信度 + 证据图)→ 证据归档(原图 + 推理结果 + 复核记录一并保存)→ 人工审核(必经环节,机器不单独放行)→ 工单(缺陷确认后进入工单与维护系统)。部署形态按客户现场定:公有云、客户私有云、本地部署、边缘设备均可评估;数据可以不出厂房。参考架构见本页下方示意图。
离线验证先行
模型上边缘设备之前,先在测试集上离线验证:测检测准确率、误报率与漏检率,阈值按验收指标定,不按演示效果定。数据集只用经许可的公开数据集或客户授权数据;缺陷类别与标注口径先于模型选型确定;训练集、验证集、测试集分离,测试集在验收前不参与调参。离线通过后才进边缘设备试点。
试点路径:四道门
数据集选定 → 离线验证 → 边缘设备试点 → 现场验收。每一步达标才进入下一步;试点结果决定是否进入现场验收。验收指标(检测准确率、误报率、漏检率、单张推理延迟、连续运行稳定性)与阈值在试点开始前与客户共同定并写入验收文件;实测不达标即返工,不降低标准放行。试点计划与验收门见本页下方。
能力边界
不承诺检测精度、误报率与部署周期——这些都要等试点测出来。检测结论不直接触发设备动作;任何缺陷结论进入工单前须人工确认;安全相关判定不由模型单独决定。设备认证、功能安全、网络安全与进出口合规须按具体产品逐项核查,不宣传特定设备“全面符合欧盟和美国法规”。
