1. 课程导入与工程全景
在一条典型的自动化装配或检测产线上，机器视觉系统通常承担着高速、重复、可量化的判定任务：尺寸测量、缺陷检测、字符识别、定位引导。然而，当视觉算法给出“NG”或“不确定”的结论时，直接丢弃或直接放行都可能带来质量风险或成本浪费。此时，就需要一个专门的工程环节——视觉复判工位，由人工对机器判定结果进行二次确认，并给出最终处置决策。
视觉复判工位并不是简单地把图片显示给操作员看。它是一个融合了图像采集、结果缓存、人机交互、决策记录与产线联动的完整工程单元。它的核心价值在于：在自动化判定与人工判断之间建立一条可控、可追溯、可优化的通道。人工确认流程的边界，则决定了哪些情况必须由人介入、哪些情况可以自动放行、哪些情况需要升级处理。
一、视觉复判工位的定义与组成
从工程视角看，视觉复判工位通常由以下部分构成：
- 图像与结果缓存模块：保存触发复判的原始图像、算法输出的缺陷框、置信度、判定类别等信息，确保操作员看到的是与机器判定完全对应的数据。
- 复判终端与交互界面：显示图像、缺陷标注、判定按钮（OK/NG/不确定）、备注输入框等，操作员在此完成确认动作。
- 决策记录与追溯模块：将人工确认结果与原始机器结果绑定，写入数据库或MES系统，形成可追溯的质量记录。
- 产线联动接口：根据人工确认结果，向PLC或分拣机构发送放行、剔除或暂停信号。
一个常见的误解是：复判工位只是“看图片”。实际上，它必须保证图像与判定结果的一一对应。例如，当产线节拍为每分钟60件时，复判工位需要缓存最近若干件产品的图像与结果，操作员确认的是哪一件、对应哪一张图、哪一个缺陷框，都必须严格绑定，否则就会出现“张冠李戴”的复判错误。
二、人工确认流程的边界
人工确认流程的边界，指的是在什么条件下触发人工复判、人工复判的权限范围有多大、以及复判结果如何影响后续流程。边界设定过宽，会导致操作员频繁介入，产线效率下降；边界设定过窄，则可能漏掉真实缺陷，造成质量事故。
通常，触发人工复判的条件包括：
- 算法置信度低于设定阈值（例如置信度 < 0.85）；
- 算法判定为NG，但缺陷类型属于“疑似”或“边界”类别；
- 同一产品出现多个缺陷，且缺陷之间可能存在关联；
- 算法结果与历史统计规律明显偏离（如某类缺陷突然增多）；
- 产线换型或新工艺导入阶段，需要人工确认算法稳定性。
人工确认的权限边界也需要明确：操作员通常只能对当前触发项做出OK/NG/不确定的判定，不能修改算法参数或跳过复判。对于“不确定”的判定，应升级给工艺工程师或质量工程师处理，而不是由操作员随意放行。
三、典型产线场景
以3C电子组装线为例，某工位使用视觉系统检测手机中框的划痕与脏污。算法对划痕的检出率较高，但对轻微脏污容易误判。此时，复判工位的典型工作流程如下：
- 视觉系统对每个中框拍照并运行检测算法，输出缺陷类型、位置、置信度。
- 当置信度低于0.85或缺陷类型为“脏污”时，系统将该产品标记为“待复判”，并将图像与结果推送到复判终端。
- 操作员在复判终端上看到带缺陷框的图像，结合放大、对比度调节等工具，判断该缺陷是否真实存在、是否超出允收标准。
- 操作员点击“OK”或“NG”，系统记录人工判定结果，并将产品分流到对应通道。
- 若操作员选择“不确定”，系统暂停该产品，并通知工程师介入。
在这个场景中，复判工位的节拍必须与产线节拍匹配。如果产线节拍为1秒/件，而复判平均耗时3秒，那么复判工位就会成为瓶颈。因此，实际工程中通常会设置复判缓冲队列，允许操作员按顺序处理，同时产线继续运行。但缓冲队列的长度有限，超过一定数量后必须触发产线暂停或降速。
四、课程目标与学习路径
本课程的目标，是帮助学员建立从“复判工位设计”到“人工确认流程落地”的完整工程能力。具体包括：
- 理解视觉复判工位的系统架构与关键模块；
- 掌握人工确认流程的触发条件、权限边界与升级机制；
- 能够根据产线节拍、缺陷类型、质量要求，设计合理的复判策略；
- 掌握复判数据的记录、追溯与分析方法，用于持续优化算法与流程；
- 能够识别并解决复判工位常见的工程问题，如节拍瓶颈、图像错位、误判漏判等。
学习路径上，课程将从复判工位的定义与组成出发，逐步深入到触发条件设计、人机交互界面、决策记录、产线联动、异常处理与持续优化。每一节都会围绕一个具体的工程问题展开，并给出可参考的参数、示例与判断依据。
上图展示了视觉复判工位在产线中的位置、复判触发条件、工位内部组成以及人工确认结果的输出路径。可以看到，复判工位并不是孤立环节，而是与产线运行、算法判定、数据追溯紧密耦合的工程节点。理解这张全景图，是后续深入学习复判策略设计、界面实现与异常处理的基础。