视觉 AI SOP 术语库

视觉 AI SOP 项目往往需要工艺、设备、品质和 IT 四个部门共同参与，而各部门对同一名词的理解可能不同。下面把 66 条高频术语按八类整理：作业规范、视觉硬件与成像、技术实现、系统对接、质量与指标、项目与交付、算法与模型、安全与合规。每条给出可直接引用的定义，并注明适用边界。

作业规范类

SOP（标准作业程序）

Standard Operating Procedure 的缩写，指对某项作业的标准步骤、方法与要求的书面规定。在制造业中通常表现为作业指导书、工艺卡或工位操作规范。 又称：标准作业程序、作业指导书

工序防错

在工序执行过程中防止错误发生或防止错误流出的措施总称，包括防止漏工序、防止工序顺序颠倒、防止错装漏装等。 又称：过程防错、工序防呆

防呆（Poka-yoke）

源自丰田生产方式的理念，指通过工装、治具或系统设计，使错误在物理上不可能发生，或一旦发生即被立即发现。视觉 AI SOP 属于「发生后立即发现」这一类。 又称：防错、Poka-yoke

漏工序

产品在流转过程中完全缺少了 SOP 中规定的某一道工序。与「工序颠倒」和「工序不到位」并列为三类常见的工序异常。

跳步 / 跳工序

作业过程中跳过了中间某一步骤直接执行后续步骤，使实际工序顺序与标准序列不符。常见于操作人员赶产量或凭记忆作业的场景。 又称：跳步骤、工序跳跃

错装与漏装

装入错误规格的零件（错装），或漏装了某个零件（漏装）。与漏工序、跳步并列为装配类的常见异常，多由物料外观相近、工位并行取料引起。 又称：错料、漏装零件

作业合规检测

判断操作人员是否按 SOP 规定的动作、顺序与防护要求作业，而不是判断产品是否合格。它回答的是「人有没有按规矩做」，与产品检测回答的不是同一类问题。 又称：作业规范检测

标准作业要素

SOP 中可以被观察和判定的最小动作单元，例如取料、定位、锁附、确认。把标准拆到要素这一级，是让视觉系统能够逐项校验的前提——拆不到要素级的标准，算法无法判定。 又称：作业要素

三按生产

按图纸、按工艺、按标准进行生产的简称，是国内制造业现场管理的基础要求。视觉 AI SOP 处理的是其中「按标准」这一条——把它从操作者的自觉变成可被逐项比对的动作。 又称：按图按工艺按标准

自检与互检

操作者检查自己完成的工序叫自检，下道工序检查上道工序叫互检。两者都依赖人的自觉，容易出现「表上打了勾、实际没细看」；视觉系统可以把这两道检查变成自动、有据可查的记录。 又称：工序自检、互检

视觉硬件与成像

工业相机

用于工业现场的成像设备，与消费级相机相比强调长期连续工作、可外部触发、可换镜头与稳定的成像一致性。按传感器分为面阵与线阵，按快门分为全局快门与卷帘快门。

全局快门与卷帘快门

两种传感器曝光方式。全局快门让所有像素在同一瞬间曝光，拍摄运动目标不会变形；卷帘快门逐行曝光，目标运动时会出现倾斜或拖影。产线上的动作识别通常使用全局快门。 又称：Global / Rolling Shutter

视场角（FOV）

Field of View，相机能覆盖的成像范围，由镜头焦距与安装距离共同决定。视场角太小会漏掉动作，太大则单个动作占的像素太少、判不准，必须在工位勘察阶段就确定。 又称：视野范围

打光方案

光源类型（环形光、条形光、背光、同轴光等）、安装角度与亮度的组合设计。打光决定目标与背景的对比度，往往比算法更能决定识别率的下限。 又称：光源方案、照明设计

运动模糊

曝光期间目标移动导致的图像拖影。缓解手段包括提高快门速度、增加照明亮度、改用全局快门相机，或把采集时机安排在动作的行程端点。

防护等级（IP 等级）

外壳对固体异物与水的防护能力分级。车间环境通常需要 IP54 以上；有冲洗、油雾或粉尘的工位要求更高。选型时必须与实际工位环境匹配，否则设备寿命会明显缩短。 又称：IP 防护等级

像素精度

单个像素在实际场景中代表多大尺寸，也叫空间分辨率。决定「能不能看清一个特征」的是像素精度而不是像素总数——同样是 500 万像素，视野越大精度越差。选相机时先按最小待检特征反推精度，再定像素。 又称：空间分辨率、分辨率

景深（DOF）

镜头成像清晰的前后范围。作业动作是三维的，手与工件会沿光轴方向移动，景深不足时只要离开焦平面就糊。工位相机通常收小光圈换取景深，代价是进光量下降、需要更强的补光。 又称：DOF、depth of field

技术实现类

SOP 动作识别

用机器视觉识别操作人员在工位上完成的具体作业动作（如取料、装配、锁附、检测），并据此判断对应工序是否被执行的技术。 又称：作业动作识别、工位动作识别

边缘计算

把计算与判断放在靠近数据产生位置的设备上完成，而不是上传到云端。在视觉 SOP 场景中，边缘计算意味着识别在车间本地完成，不依赖外网，延迟低且生产画面不外传。 又称：边缘推理、本地推理

置信阈值

算法输出结果被判定为「成立」所需达到的最低置信度。阈值调高会减少误报但增加漏报，调低则相反。每个工位通常单独标定。 又称：判定阈值、置信度阈值

误报率与漏报率

误报率指正常作业被错误判定为异常的比例；漏报率指真实异常未被识别的比例。两者此消彼长，需要根据现场对报警的容忍度做权衡。 又称：假阳性与假阴性、过杀与漏杀

节拍

产线上相邻两件产品下线的标准时间间隔，反映生产速度。视觉 SOP 的判断必须在节拍时间内完成，因此通常采用边缘端本地推理。 又称：Cycle Time、CT

工位标定

在具体工位上确定相机参数、判定区域与阈值的过程。同一个算法在不同工位的安装角度与光照下表现完全不同，因此每个工位都要单独标定，标定记录也是后续复现问题的依据。 又称：现场标定

连续 N 帧确认

判定逻辑之一：同一个动作需要连续 N 帧图像都被识别到才输出结果，用于过滤偶发的识别抖动。N 取大能压低误报，但会带来判定延迟，取值要在节拍允许的范围内。 又称：多帧确认

白名单与黑名单

白名单记录已知的非标准动作，出现时不报警；黑名单记录明确禁止的动作，一旦出现立即报警。两张表把「可以忽略的差异」与「真实风险」分开处理，是误报控制的主要手段。

感兴趣区域（ROI）

Region of Interest，图像中真正参与判定的区域。限定 ROI 可以排除无关画面的干扰，同时降低算力消耗，让同一个边缘盒子能带的工位数更多。 又称：判定区、ROI

触发信号（硬触发 / 软触发）

决定相机在什么时刻拍下照片的信号。硬触发由传感器或 PLC 的 I/O 直接驱动，时序稳定、抖动小；软触发由软件判断到状态后下发，灵活但受系统调度影响。节拍紧的工位通常用硬触发。 又称：硬触发、软触发

图像预处理

图像送进判定算法之前做的处理，包括去噪、镜头畸变校正、亮度归一化、ROI 裁剪等。目的是让判定只针对稳定、可比对的部分，少受光照波动与工位差异干扰。 又称：预处理

系统对接类

MES（制造执行系统）

Manufacturing Execution System 的缩写，负责管理车间层生产执行过程的信息系统，通常包含工单、物料、工序流转、质量记录等功能，是工序追溯数据的主要归属系统。 又称：制造执行系统

生产追溯

通过记录产品在每道工序的执行时间、工位、人员与结果，使质量问题能够被定位到具体工序环节的能力。视觉 SOP 提供的是工序级的追溯数据。 又称：过程追溯、工序追溯

工序校验

把实际采集到的作业结果与标准工序序列逐项比对，确认没有漏做、没有跳步、没有顺序错误的过程。是视觉 AI SOP 的核心逻辑环节。 又称：工序比对、工序核对

PLC

可编程逻辑控制器，产线设备控制的核心部件。视觉 AI SOP 通常不写入 PLC、不参与连锁控制，只做旁路采集与提示，以避免影响原有控制逻辑——这是现场能不能接受的前提。 又称：可编程逻辑控制器

OPC UA

一种跨厂商的工业通信标准，常用于把设备数据接入上层系统。视觉系统的判定结果可以经 OPC UA 提供给 SCADA 或 MES，避免为每一种上位系统单独开发接口。

MQTT

一种轻量的消息发布/订阅协议，适合设备数量多、网络带宽有限的车间环境，常作为视觉判定结果上报的传输方式。

安灯系统（Andon）

车间现场用于异常呼叫与状态显示的装置。视觉系统的异常判定可以接入安灯，让提示出现在现场已经看惯了的位置，而不是新增一块没人看的屏。 又称：安灯、Andon

e-SOP（电子作业指导书）

用屏幕取代纸质作业指导书的系统，提供步骤展示、版本管理与签核。它解决的是「标准有没有被正确呈现」，视觉 SOP 解决的是「标准有没有被执行」，两者是互补关系而不是替代关系。 又称：电子作业指导书

工单（Work Order）

生产任务的最小下达单位，通常包含产品型号、数量、工艺路线与计划时间。视觉系统的判定结果按工单归档，追溯时才回答得出「这一批是怎么做出来的」。 又称：生产工单、Work Order

数据回写

把工位产生的判定结果、时间戳、产品序列号等写回上游系统的动作。回写字段与频次需要和 MES 侧提前约定：写多了拖慢节拍，写少了追溯链就断在中途。 又称：结果回写

质量与指标类

检出率（召回率）

真实异常中被系统识别出来的比例，回答「能抓到多少问题」。它与误报率是一对必须同时看的指标：只看检出率，把阈值调到最松就能拿到漂亮数字，但现场会被报警淹没。 又称：召回率、Recall

精确率

系统报出的事件中真正属于异常的比例，与误报率互为补数。精确率低意味着大量报警是噪音，现场用不了多久就会把系统关掉——这是视觉类项目失败最常见的死因。 又称：Precision

首件检验（FAI）

First Article Inspection，换型或开机后对首件产品做全项目确认。视觉 SOP 可以把首件各个关键工序的执行情况一并记录，作为换型确认的可查证据。 又称：FAI、首件确认

直通率（FPY）

First Pass Yield，一次通过全部工序、无需返工返修的比例。需要注意的是：工序漏做往往不会立刻反映在直通率上，所以直通率稳定并不等于过程合规。 又称：FPY、一次通过率

PPM

Parts Per Million，以百万分之一为单位表示不良率，常用于衡量批量质量水平。对单件价值高的产品（如半导体、锂电），PPM 之外还要单独看单件缺陷的严重度。

报警疲劳

当报警密度超过现场的处理能力后，操作人员开始忽略报警、甚至直接关闭系统的现象。控制报警总量、按严重度分层、把非关键事件降级为记录，是系统能不能长期用下去的前提。 又称：告警疲劳、Alarm Fatigue

CPK（过程能力指数）

衡量工序稳定性的指标，反映工序自身的波动相对于规格公差有多大。它与视觉系统不是一回事，但常被用来说明一个判断：装配合格率的波动到底来自工艺本身，还是来自漏检。 又称：过程能力指数

SPC（统计过程控制）

用统计方法对生产过程做持续监控，在趋势变成不良之前发出预警。抽检数据在时间上是断续的，而视觉 AI SOP 产生的是逐件判定数据，可以直接喂给 SPC 做更连续的监控。 又称：统计过程控制

项目与交付类

可行性评估

立项前对具体工位做的判断：动作是否可见、光照是否可控、节拍是否允许、判定标准能不能被清晰定义。评估的产出通常是三种结论之一——能做、不能做、需要先改什么。 又称：工位评估、可行性判断

场景库

按行业与工序沉淀下来的可复用配置集合，包含判定逻辑、标定参数与典型异常样本。场景库越厚，新工位的上线周期越短。

单工位试点

先在一个工位部署并验证效果，再向同线其它工位复制。试点的目的不只是验证识别率，更重要的是验证现场的操作人员愿不愿意用——这一点比算法指标更难，也更容易被忽略。 又称：试点工位

验收标准

交付前与客户约定的、可测量的判定条件，通常包含检出率、误报率、响应时间与数据完整率。标准必须在试点阶段就写成白纸黑字，不能等到验收会前再谈。

SLA（服务级别协议）

对响应时效、修复时限、备件供应与可用率的书面约定。视觉系统的可用率依赖相机、光源与算力设备，因此 SLA 必须覆盖硬件而不只是软件。 又称：服务级别协议

POC（概念验证）

正式采购之前，用有限范围验证方案是否成立的小规模试验，通常只做一到两个工位、一种产品、一段有限时间。目的是用最小代价回答一个问题：这套东西在我们产线上到底能不能用。 又称：概念验证

驻场调试与培训

上线阶段在客户现场完成的参数调整、阈值标定与操作培训。视觉判定高度依赖现场光照、工位形态与产品差异，远程调不出稳定效果，这一段必须现场做，也是工期估算里最容易被低估的一段。 又称：驻场调试

算法与模型类

传统视觉与深度学习

传统视觉依靠人工设计的特征（边缘、模板、颜色）做判定，可解释、对样本量要求低；深度学习从数据里自己学特征，适应复杂变化但需要标注样本。视觉 SOP 项目里两者常常混用：定位与有无判断用传统方法，动作规范性判定用深度学习。 又称：传统视觉、深度学习

模板匹配

把事先存好的标准图像与当前图像做比对，用来定位目标或判断有无。适合形状稳定、光照可控的场景，是工位定位与「装没装」判断中最常用的一类传统方法。 又称：模板比对

数据标注

在训练之前对图像样本做人工标记，告诉模型哪里是「正确动作」、哪里是「漏装」。标注质量直接决定模型效果的上限，而标注口径不一致是这类项目最常见的失败原因——两个标注员对「到位」的理解不同，模型就学不出稳定标准。 又称：样本标注

模型泛化

模型在没见过的产品、光照或工位上仍然保持准确的能力。泛化不足的典型表现是「在试点工位很准，换到隔壁工位就频繁误报」，这也是单工位试点成功并不等于整线可用的根本原因。 又称：泛化能力

训练集与验证集

用来训练模型的样本集，和用来评估效果的、训练过程中不可见的样本集。两者必须分开：用训练过的样本去评估，得到的准确率是虚高的，上线后必然回落。 又称：训练集、验证集

训练与推理

训练是让模型从样本中学出判断规律的过程，通常离线完成；推理是用训练好的模型对现场图像实时给出结果。产线上跑的是推理，它对延迟和稳定性的要求远高于训练。 又称：推理

安全与合规类

数据脱敏

在视频或图像中遮蔽人脸、工牌、屏幕内容等个人信息之后再存储或传输。产线视频天然包含人员信息，是否脱敏、脱敏到什么程度，需要在方案阶段就定下来，而不是上线后再补。 又称：脱敏

人员隐私保护

产线监控画面涉及员工的作业过程，属于个人信息范畴。合规做法包括明确采集目的与范围、限定留存周期、限制访问权限，并事先向员工告知。这些约定通常需要人力资源部门一起参与。 又称：员工隐私

审计留痕

系统对「谁在什么时候改了判定阈值、删了记录、导出了数据」留下的、不可事后涂改的记录。质量追溯不仅要求记录生产数据，也要求记录对系统本身的改动——否则数据的可信度无从谈起。 又称：操作留痕

数据本地化

把视频与判定数据存放在客户自有服务器或厂内网络，不出厂区。这是多数制造企业引入外部系统时的硬性要求，也是边缘部署方案常见的选址原因。 又称：本地部署

视频留存周期

现场视频保存多久之后自动删除。留存越久追溯能力越强，存储成本也越高，通常由客户的质量追溯要求与所属行业的合规规定共同确定，不宜由供方单方面设定。 又称：留存周期

权限与角色管理

按岗位分配系统内的查看、配置、导出权限。质量数据的可信度很大程度上取决于一个朴素的判断：这些记录是「谁都能改」，还是「只有授权的人能改」。 又称：权限管理

术语没找到？

把您遇到的名词告诉我们，我们会补充到术语库里。

联系我们

按术语找下去

• 工业相机与打光方案怎么选快门、视场角、光源与防护等级这几个术语落到选型上，具体要看什么。
• 误报率与报警疲劳检出率与误报率为什么要一起看，以及报警疲劳是怎么让系统被关掉的。
• 视觉 SOP 与 MES 的数据对接工序校验结果怎么回写 MES，接口方式与双方需要准备什么。
• 常见问题部署、精度与成本问题