📚 课程目录第4章异常诊断的现场信息采集规范

4. 异常诊断的现场信息采集规范

机器人视觉引导系统出现异常时，现场往往同时存在多种可疑因素：视觉识别漂移、点云配准偏差、机器人位姿反馈滞后、工艺参数突变、通信抖动等。如果各类数据各自独立记录、时间基准不一致，事后复盘就只能靠猜。因此，异常诊断的第一道工程防线不是算法，而是多源信息的同步采集与规范标注。本节围绕“采什么、怎么同步、怎么标、怎么存”四个问题展开。

一、六类现场信息及其采集要点

一次完整的异常现场采集，通常需要覆盖以下六类数据，它们分别回答不同层面的问题：

日志（Log）：记录程序运行轨迹、异常堆栈、通信收发、状态机跳转。重点是保留时间戳、日志级别、模块名与关键上下文（如目标ID、相机编号）。
图像（Image）：包括2D原图、ROI裁剪图、分割掩膜、识别结果叠加图。原图必须保留，叠加图仅作辅助，不能替代原图。
点云（Point Cloud）：原始点云、滤波后点云、配准变换矩阵、目标位姿估计结果。需记录相机内参、外参及坐标系定义。
时序信号（Time-series）：力/力矩、电流、速度、位置指令与反馈、IO电平、触发脉冲等，采样率通常远高于图像帧率。
机器人状态（Robot State）：关节角、笛卡尔位姿、运动模式、使能状态、报警码、当前执行的程序行号。
工艺参数（Process Parameters）：抓取力设定、焊接电流/电压、涂胶速度、拧紧扭矩、节拍设定值等，以及这些参数的修改记录。

这六类数据在物理上来自不同设备、不同接口、不同频率，若不做统一时间基准，后续对齐将非常困难。下图给出一个典型的同步采集与标注数据流结构：

二、同步采集的核心：统一时间基准

同步采集的关键不是“同时启动”，而是让每条数据都携带可比较的时间戳。工程上通常采用三级时间基准：

硬件级同步：使用PTP（IEEE 1588）或硬件触发脉冲，让相机曝光时刻、采集卡采样时刻、机器人控制器时钟对齐到同一主时钟，同步误差可控制在微秒级。这是最可靠的方式，适用于高节拍、高精度场景。
软件级同步：各设备独立运行，采集程序在收到数据时打上本地时间戳，再通过NTP或PTP做时钟偏移补偿。实现简单，但同步误差通常在毫秒级，适合对时间精度要求不高的诊断场景。
事件级同步：以某个关键事件（如“抓取开始”“视觉触发”）为锚点，记录各数据流相对于该事件的时间偏移。这种方式不要求全局时钟一致，但要求事件信号能被所有采集通道捕获。

实践建议：对于视觉引导抓取类应用，推荐“硬件触发 + 事件锚点”组合。相机由机器人IO触发，同时该触发信号被采集卡记录，这样图像、点云、机器人位姿、力信号都能围绕同一个触发沿对齐，事后对齐逻辑简单且可靠。

三、标注方法：从原始数据到可诊断信息

采集到的原始数据本身不直接可诊断，必须经过标注才能形成“异常事件—数据片段—根因”的对应关系。标注分为三个层次：

第一层：时间标注。为每个异常事件标注起止时间戳、持续时长、发生频次。例如“2025-03-12 14:23:07.120 — 14:23:07.480，抓取失败，持续360ms，本班次第3次”。时间标注必须与采集时间基准一致，否则无法与数据流对齐。

第二层：语义标注。为数据片段打上结构化标签，包括：异常类型（识别失败/配准超差/通信超时/力超限/节拍超时）、涉及模块（视觉/机器人/PLC/工艺）、目标对象（工件ID、相机编号、工位号）、坐标系与变换关系。语义标注建议采用JSON格式，便于程序解析和检索。

{
  "event_id": "EVT-20250312-003",
  "start_time": "2025-03-12T14:23:07.120+08:00",
  "end_time": "2025-03-12T14:23:07.480+08:00",
  "type": "grasp_failure",
  "module": "vision_guidance",
  "camera_id": "CAM-02",
  "target_id": "WK-1047",
  "frame_id": "robot_base",
  "pose_error_mm": 2.8,
  "pose_error_deg": 1.6,
  "threshold_mm": 1.5,
  "process_params": {
    "grasp_force_N": 45,
    "approach_speed_mm_s": 120
  },
  "root_cause_label": "pointcloud_registration_drift",
  "confidence": 0.82,
  "operator": "zhang"
}

第三层：根因标注。在诊断结论明确后，回填根因标签与置信度。根因标签应来自预定义的分类体系，避免自由文本导致后续统计困难。常见根因类别包括：标定漂移、光照变化、点云缺失、通信抖动、参数误设、机械干涉、工件来料异常等。

四、采集规范与现场操作要点

为了让采集结果真正可用于诊断，现场操作需要遵循以下规范：

采集前确认时间基准：检查PTP/NTP同步状态，记录主时钟源与各设备时钟偏移量。若偏移超过允许阈值（如1ms），先修复再采集。
保留原始数据：图像不压缩、点云不降采样、日志不截断。诊断时往往需要查看原始细节，压缩或裁剪可能丢失关键信息。
记录环境与配置快照：包括相机曝光/增益、光源亮度、机器人负载与工具号、工艺参数当前值、软件版本号。这些信息在事后复现时至关重要。
标注与采集同步进行：异常发生时立即打事件标记，不要等事后凭记忆补标。现场可先用快捷键或语音记录，事后整理为结构化标注。
数据包完整性校验：采集结束后检查各数据流的时间覆盖范围是否一致、是否有丢帧/丢包、标注文件是否与数据文件一一对应。

常见错误：只保存识别结果叠加图而不保存原图；只记录机器人指令位姿而不记录实际反馈位姿；工艺参数只记录设定值而不记录实际值。这三类遗漏会导致诊断时无法区分“算法问题”与“执行问题”。

五、一个可复用的采集检查表

下表可作为现场采集时的快速核对工具，按六类信息逐项确认：

信息类别	必采内容	时间戳要求	标注要求
日志	程序日志、通信日志、异常堆栈	毫秒级，与主时钟对齐	模块名、事件ID、日志级别
图像	原图、ROI图、掩膜、叠加图	曝光时刻硬件时间戳	相机编号、帧号、触发源
点云	原始点云、滤波后点云、变换矩阵	采集时刻硬件时间戳	坐标系、内参/外参版本
时序信号	力/扭矩、电流、速度、IO电平	采样点时间戳，微秒级	通道名、量程、单位
机器人状态	关节角、笛卡尔位姿、报警码、程序行号	控制器时钟，与主时钟对齐	坐标系、运动模式、使能状态
工艺参数	设定值、实际值、修改记录	参数生效时刻	参数名、单位、修改人

完成采集后，建议将数据按“事件ID”组织为统一目录，例如 EVT-20250312-003/ 下包含 images/、pointclouds/、signals/、robot_state.csv、process_params.json、annotation.json、meta.json。这样无论是人工复盘还是自动分析，都能快速定位到同一事件的全部相关数据。

同步采集与标注不是诊断的附属工作，而是诊断能力的基础设施。现场采集规范执行得越严格，后续根因分析的路径就越短、结论就越可靠。反之，数据缺失或时间错位会让最优秀的诊断算法也无从下手。