视觉零件检测助手

工具作用与适用场景

视觉零件检测助手用于评估视觉检测置信度、节拍上限和误判趋势。 这个工具提供基于规则的诊断查询和参数参考，辅助排查问题和验证参数。 该工具更偏向规则判读与风险识别，适合异常诊断和方案筛选。页面提示聚焦：输入缺陷尺寸、分辨率和节拍评估视觉检测可行性。

建议先确认输入数据的完整性和准确性，再将诊断结果作为排查参考而非最终结论。

关键输入/输出解释

关键输入

• 最小缺陷尺寸（mm）：质量指标输入，用于评估工艺稳定性趋势。
• 像素分辨率（um/pixel）：基础输入参数，建议基于设备实际采集数据填写。
• 图像对比度（%）：基础输入参数，建议基于设备实际采集数据填写。
• 产线节拍（parts/min）：状态监控参数，影响评估结果和阈值判定。
• 当前误判率（%）：基础输入参数，建议基于设备实际采集数据填写。

关键输出

• 缺陷覆盖像素（px）：诊断参考值，建议定期采集对比趋势变化。
• 检出置信度（%）：评估置信度，数值越高表示输入数据越充分。
• 建议最高节拍（parts/min）：诊断参考值，建议定期采集对比趋势变化。
• 预计误判率（%）：诊断参考值，建议定期采集对比趋势变化。

建议按”数据采集先完整、诊断结果再参考、现场验证最后确认”的顺序使用。

推荐使用顺序

1. 锁定约束输入：先确认 最小缺陷尺寸 与现场条件一致，避免在错误边界上调参。
2. 设置控制输入：围绕 产线节拍 建立首轮基线，优先采用保守值。
3. 判读主结果：先看 缺陷覆盖像素、检出置信度、建议最高节拍 是否落在能力窗口内，并记录异常趋势。
4. 闭环验证：将计算结果写入首件记录与程序注释，若命中高风险规则，先处理风险项再考虑效率优化。

结果判读与现场校核

重点关注：先确认输入的状态数据或描述信息完整准确，再参考诊断建议。

• 诊断结果只作为排查线索，最终判断需结合现场实际情况。
• 参考值来自简化模型或查找表，不同机型可能存在差异。
• 定期对比历史趋势，单次异常值不宜直接作为决策依据。
• 若结果出现突变，优先检查单位、输入顺序和机床状态。

相关工具

• G-Code 快速检查器
• 机床报警代码诊断
• 基准参数速查

落地建议

建议把 视觉零件检测助手 纳入固定流程：定期采集 -> 趋势对比 -> 阈值预警 -> 维护排程，并把 缺陷覆盖像素、检出置信度 作为班组交接的核心记录字段。