误判要先分类，再谈优化

机器视觉系统的误判通常被笼统地记成一个比率，但漏判和过杀的形成机制完全不同。漏判多与成像质量、缺陷对比度有关，过杀则更多来自阈值过紧或样本代表性不足。悟空体育在整理质量团队的运行记录时发现，把误判拆成漏判率与过杀率分别统计的团队，参数调整的效率明显更高，因为他们知道该往哪个方向调。混在一起看，只会得到一个没有指向性的数字。

拆分的具体做法是：在检测记录中同时保留判定结果与人工复核结论，按缺陷类型分别计算漏判与过杀。这个动作看似增加工作量，实际上把后续调试从盲目试参数变成了有目标收敛。悟空体育建议至少积累一个完整生产周期的复核数据，再开始做参数调整，样本太少的结论不可靠。

光照稳定性数据往往被低估

很多误判问题追到最后都指向光照。环境光变化、光源衰减、反光件角度差异，都会让同一缺陷在不同时间呈现不同灰度。悟空体育注意到，部分团队只在调试阶段关注光照，量产阶段却不再记录光源状态。结果是误判率随运行时间缓慢抬升，却找不到原因。

  • 定期记录光源亮度与色温，形成与误判率对照的时间序列。
  • 对高反光工件，记录拍摄角度与偏振配置，避免不同批次混用。
  • 把环境光干扰纳入日常点检，尤其是靠近门窗或通道的工位。
  • 光源衰减到一定幅度后主动更换，而不是等到误判明显上升。

光照数据的价值在于它是可预防的变量。把光照记录与误判率放在同一张趋势图上，很多看似随机的问题会呈现出清晰的对应关系。悟空体育认为，这类基础数据的持续积累，比一次性采购更高规格的相机更能解决实际问题。

阈值调整要跟着样本分布走

阈值不是越严越好。阈值收紧会压低漏判，但过杀随之上升，最终由产线人工复检承担代价。合理的做法是先看样本分布：如果合格品与缺陷品的特征值分布存在明显间隔，阈值有较大的安全区间；如果两者重叠严重，说明当前特征不足以区分，调阈值只是把问题从一端推到另一端。

悟空体育建议质量团队在调整阈值前，先统计特征值的分布重叠比例。重叠比例高时，优先考虑改进成像或更换特征，而不是继续压阈值。调整后要用独立批次的样本验证，避免在同一批数据上反复拟合。机器视觉的稳定性来自数据积累与参数管理的纪律，而不是某一次调参的运气。