视觉 AI SOP 常见问题
以下问题来自我们与制造企业沟通时的真实提问，按「能不能装、准不准、贵不贵、怎么接、怎么验收」五类整理，共 22 个问答。如果这里没有覆盖到您的问题，欢迎直接联系我们。
如果只能问一个问题，多数客户会问：这套东西到底能不能在我们线装上、装完准不准。 下面按部署、精度、成本、集成、交付五个方面展开，共 22 个问答。
一、能不能装、怎么装
这一类的答案基本是确定的：能装，而且不用停线。 视觉系统的相机与边缘盒子是旁路设备，只从产线取图，不参与设备控制，因此安装与标定可以利用换型间隙、计划停机或夜班完成。真正需要提前判断的不是「装不装得上」，而是这个工位的成像条件成不成立——镜头有没有合适的安装位置、动作有没有被遮挡、节拍内能不能拍到关键瞬间。这些在现场勘查阶段就能确认，不需要先买设备再试。
部署相关
安装视觉 AI SOP 需要停线吗？
不需要。相机与边缘盒子属于旁路设备，安装与标定可以利用换型间隙、计划停机或夜班完成。正常生产节奏不受影响。
需要改写 PLC 或设备程序吗？
不需要。系统以旁路方式运行，从相机取图、在边缘端判断，不介入设备的控制逻辑。如果需要与设备联动（例如拦截放行），通常通过独立信号或与上位机通讯实现。
工位空间很小，装得下吗？
可以选一体式智能相机，体积接近普通工业相机，不需要额外工控机位。若空间极度受限，可考虑把相机布置在工位的上一站或下一站。
车间环境恶劣（粉尘、油污、水汽、高温）能适应吗？
需要按环境选择防护等级合适的外壳与镜头防护方案。方案阶段我们会先做现场勘查和成像验证，确认可行后再落地。
一条线要装多少台？整线部署要多久？
取决于需要监控的工位数量，通常只覆盖关键工序工位。单工位试点一到两周，整线复制阶段每增加一个工位的时间显著缩短。
二、准不准、误报多不多
这是客户问得最多、也最难一句话回答的一类。原因是准确率不是一个可以脱离场景给出的数字：同一个算法，在光照稳定、动作幅度大、背景干净的工位上可能很稳，换到粉尘大、零件反光、动作快且幅度小的工位上就会明显下降。所以更有意义的问题不是「准确率多少」，而是漏报和误报分别控制在什么水平、这个水平现场能不能接受。这两个指标的定义方式本身就有讲究，误报率与漏报率怎么定义才不骗自己专门讲这件事；而误报偏高的常见成因与压制手段，可以看误报率怎么压下来。
识别精度相关
识别准确率大概是多少？
准确率高度依赖具体场景，很难给一个通用数字。我们建议的做法是在试点阶段用现场真实数据实测，输出一份包含误报率与漏报率的验证报告，用数据判断是否满足要求。
误报会不会多到现场把系统关掉？
这是行业里最真实的失败原因，也是我们在方案中重点控制的环节。做法包括：工位独立阈值标定、连续帧确认、非标动作白名单、上线初期以监视模式运行。宁可先漏报，也不要让现场产生报警疲劳。
工人操作姿势不标准，会影响判断吗？
判定目标是「工序是否完成、部件是否到位」，而不是动作姿势是否标准。手法差异本身不影响存在性判定，但会略微影响置信度，通过阈值调整即可覆盖。
光线变化、换班、白天黑夜会影响吗？
会有影响，因此方案里通常配置稳定的人工光源，避免依赖自然光。同时按不同时段做曝光标定，保证成像一致性。
能区分很相似的零件吗（比如规格相近的螺丝）？
取决于成像分辨率能否分辨差异。若视觉上难以区分，可以结合电批扭矩档位、料盒位置等其它信号做交叉验证。
三、贵不贵、值不值
费用本身不难算，难的是怎么让这个项目在内部一次过会。我们的经验是：不要在汇报里堆技术指标，要用财务听得懂的口径——目标工位相关的售后返修，一年发生多少次，单次返修的综合成本是多少，两者相乘就是这套系统要解决的问题值多少钱。这个数字来自品质或售后部门自己的台账，比任何供应商给的测算都更容易被采信。预算由哪几块构成、哪些是必选哪些是可选，项目预算构成与 ROI 测算里有逐项拆解。
成本与收益相关
投入产出怎么测算比较有说服力？
建议用售后返修数据做基准：统计目标工位相关故障的年返修台数或批次数，乘以单次返修的综合成本，得到年度损失金额。再用它与部署及维护成本对比，这是管理层最容易接受的算法。
费用主要由哪几部分构成？
一般包括硬件（相机、镜头、光源、边缘计算设备）、软件授权、现场实施与算法适配、以及后续的运维服务。不同场景的硬件配置差异是主要变量。
有没有后续持续费用？
系统本身在客户本地运行，不依赖云端订阅。持续费用主要是可选的运维支持服务、备件，以及新增工位或新增场景的适配工作。
能不能先小规模试点再决定？
这是我们的标准做法。建议先选一个高价值工位做试点，用真实数据验证效果，效果确认后再向其他工位复制。
四、怎么和现有系统对接
对接这件事的风险点往往不在技术，而在边界：谁改、改什么、改动会不会影响已经在跑的报表。我们的做法是把边界定死——不动您现有系统的表结构，数据以新增表、中间表或接口调用的方式写入；MES 侧只增加读取，不增加负担。三种对接方式的取舍、不同 MES 厂商的适配差异，见视觉 SOP 与 MES 怎么对接；记录留到什么颗粒度、留多久才真的能用于追溯，见作业数据的追溯粒度。
系统集成相关
能和 MES / QMS / ERP 对接吗？
可以。提供数据库直写、HTTP 接口、消息队列三种方式，具体选择取决于您现有系统的开放能力。我们不会修改您现有系统的表结构。
能和我们现有的 AOI / 视觉检测设备共存吗？
可以，两者关注点不同。AOI 判断产品是否合格，视觉 SOP 判断作业是否合规，多数客户是同时使用，数据层面也可以打通。
数据存在哪里？会不会上传到公网？
识别与数据存储都在客户本地完成，默认不上传生产画面到公网。远程运维只传输运行状态与日志，不传输生产画面。
会记录操作人员个人信息吗？
默认只记录工位与工序数据，不关联人员身份。是否关联由客户决定。涉及人员影像的保存期限与访问权限，可在方案阶段约定。
五、试点与验收
前四类问题决定「要不要做」，这一类决定「做完算不算成功」。制造业的视觉项目极少失败在算法上，多数失败在验收标准没在开工前说清楚——上线后一方说「识别率不够」，另一方说「合同里没写具体数字」，最后变成扯皮。所以我们的标准做法是：试点开始之前就把验收条件写成可测量的条款，包括覆盖哪些工序、漏报与误报各自的允许水平、报警响应时间的上限、在什么光照与节拍条件下测量。写清楚了，双方后面都省事。
试点与交付相关
试点应该选哪个工位？
选「问题明确、损失可算、动作可拍」的工位：缺陷或漏工序确实造成过损失，有台账可查；动作在视觉上看得出来，不被遮挡、不靠手感。不建议拿最难的工位开第一炮，也不建议拿不痛不痒的工位，后者做完了也没人相信。具体的筛选方法见「单工位试点怎么选」。
试点成功了，推广为什么会失败？
试点成功证明的是「这个场景能识别」，推广要证明的是「复制过程可控」。常见断点有三个：新工位的成像条件与试点不同却没有重新标定；现场班组长没有参与，把系统当成监工；推广节奏太密，问题来不及收敛就铺到全线。
从签约到上线一般要多久？
取决于工位数量与现场配合程度。单工位试点的典型周期是两到六周，其中现场勘查与成像验证约占一半时间；确认效果后，每复制一个同类工位的周期会明显缩短。整线一次性铺开通常不是好主意。
上线之后出问题谁来管、多久响应？
方案阶段会约定响应时限与支持范围。需要注意的是，算法本身不会随时间变差，会变的是现场条件——镜头脏了、光源衰减了、工位布局改了、换了新料号。因此售后服务的核心内容是定期回看标定与规则，而不是修软件。
没有找到您想问的问题？
把您的工位场景和工序问题告诉我们，我们会给出针对性的判断。