班次与人员差异怎么影响判定阈值

同一套视觉系统，白班一个班次误报五次，夜班能报到三十次——这是上线后相当常见的一种投诉。第一反应通常是把阈值调松一点，代价是漏报跟着上升，问题被转移而不是被解决。更有效的顺序是先拆原因：是环境变化导致图像本身变了（车间照明换班时段的开关、白天黑夜的环境光、设备温度上升引起的焦点漂移），是来料批次在夜间确实发生了变化（不同供应商、不同存放时间的物料外观不同），还是不同班组的操作习惯确有差异（放料位置、节拍快慢、清理频率）。这三种原因的处置方式完全不同，只有分清了才谈得上调整。

先把数据按三个维度拆开

只有一个整体的误报次数，是看不出原因的。至少要按三个维度拆：按班次（早中晚）、按判定项（是全部判定项都升高，还是集中在某一两项）、按时刻（是整班均匀升高，还是集中在开班后或收班前的一段时间）。拆开之后很多结论会自己浮出来——如果误报集中在某一个判定项，多半是那个判据的成像条件对光最敏感；如果集中在开班后的头一小时，常见的解释是设备刚启动、温度尚未稳定，或者上一班留下的状态没有恢复；如果整班均匀升高，则更像来料或操作的差异。这套拆解不依赖任何额外投入，只要在回写字段里带了班次与判定项就能做出来，也正是回写字段设计里强调这些字段的原因。

分班次设阈值：可以，但要留痕

如果确认差异来自环境、且短期内无法从源头消除，为不同班次设置不同的判定阈值是一种可接受的工程折中。但必须配套两件事：一是阈值版本要记录，每一次按班次区分阈值都对应一个版本号，回写到每一条判定记录里；二是要留一条复核路径，避免不同班次实际上执行着两套标准却无人知晓——这在品质体系里是不可接受的，因为同一件产品在白班合格、夜班不合格，追溯时会直接变成一次质量事故。因此更稳妥的做法是尽量把差异从源头消除，把分班次阈值当作过渡手段，并在工艺文件里明确写清当前是哪一种状态。

人员轮换带来的另一层问题

除了班次本身，人员轮换还有一个容易忽略的影响：同一工位在不同人手上，工件的摆放姿态、上料的到位程度、甚至工件表面的状态都会不同。视觉系统如果对姿态比较敏感，就会表现为「换人之后误报变多」。这类问题的正确处置方向通常不是放宽判据，而是在工装上加一点约束——一个定位块、一条限位边，把位置波动压下去，比在算法侧做姿态兼容要可靠得多。相机与工装的配合方式，可以参考相机支架与工装。还有一点值得提前说明：新员工上岗初期的不良率与误报率通常都会偏高，这是正常现象，验收期如果正好覆盖新员工磨合阶段，双方对数据的解读要先把这段时间标出来。

定期复核比一次性调参更有效

照明会老化、镜头会积灰、工装会磨损、来料会变——这些变化都是缓慢累积的，不会在某一天突然爆发，因此也不会触发任何报警。等到现场发觉误报变多时，往往已经漂移了几周。应对办法是建立一个低成本的定期复核机制：每隔一段时间，用一组固定的标准件（或标准图）跑一遍系统，看判定结果是否与上次一致。不一致就说明系统状态变了，去查是照明、清洁度还是阈值的问题。这个动作可以由设备或品质人员执行，每次只需几分钟，却能提前发现大部分漂移。模型层面的漂移与再训练时机，在模型漂移与再标定里有更系统的说明。