4. 检测任务定义与证据需求分析

在视觉检测系统中，检测任务定义不是简单写一句“检测划痕”，而是要把缺陷类型、判定标准、误检漏检代价、证据类型和追溯信息需求这五个维度同时锁定。任务定义决定了系统要采集什么图像、用什么算法、输出什么结果；证据需求分析则决定了这些结果要保存成什么形式、保留多久、与哪些生产数据关联。两者共同构成证据链的起点。

缺陷类型：从现象描述到可计算特征

缺陷类型定义必须落到可观测、可量化的特征上。以金属外壳表面检测为例，常见缺陷可归为以下几类：

• 划痕：细长线状，长度≥0.5mm，宽度≥0.05mm，方向任意，灰度对比度≥15个灰度级；
• 凹坑：近似圆形，直径0.2～1.5mm，深度通过阴影梯度间接反映，局部灰度低于周边均值20以上；
• 脏污：不规则区域，面积≥0.3mm²，边缘模糊，灰度方差低于划痕；
• 缺料：轮廓断裂或边缘缺失，与CAD模板比对时边缘偏差超过0.1mm；
• 色差：在Lab色彩空间中，ΔE≥3且区域面积≥1mm²。

这些参数不是拍脑袋定的，而是来自产品图纸公差、客户验收标准和历史质量数据。例如某汽车零部件客户要求划痕宽度超过0.05mm即判废，那么相机分辨率必须保证0.05mm对应至少3个像素，即像素当量≤0.017mm/pixel。若视野为100mm×80mm，则相机至少需要5882×4706像素，实际选型时取1200万像素以上面阵相机。

判定标准：阈值、分级与边界条件

判定标准要回答三个问题：什么算缺陷、缺陷严重程度如何分级、边界情况怎么处理。以划痕为例，可建立如下判定规则：

边界条件需要特别定义：当长度和宽度分属不同等级时，取较严等级；当缺陷跨越功能面与非功能面分界线时，按功能面判定。这些规则必须写入检测程序，不能依赖人工临时判断。

误检漏检代价：量化质量成本

误检（将合格品判为缺陷）和漏检（将缺陷品判为合格）的代价完全不同，必须分别量化。假设某产线日产量5000件，单件成本80元：

• 误检代价：每误检一件，直接损失为返修工时约15元或报废损失80元；若误检率2%，日损失约5000×2%×80=8000元。此外，频繁误检会导致操作员对系统失去信任，可能关闭报警或放宽阈值，引发更大风险。
• 漏检代价：每漏检一件，若流入客户手中，可能产生退货、索赔、品牌损失，单次客诉处理成本约2000～5000元；若漏检率0.5%，日流出约25件，潜在损失可达5万～12.5万元。更严重的是安全件漏检可能导致召回。

因此，检测任务定义时必须明确可接受的误检率和漏检率上限。通常安全相关缺陷要求漏检率≤0.1%，误检率≤1%；外观缺陷可放宽至漏检率≤0.5%，误检率≤3%。这些指标直接决定算法阈值和复核策略。

证据类型与追溯信息需求映射

证据链的核心是“每一件产品的每一个判定都有据可查”。证据类型包括：原始图像、处理中间图、缺陷区域截图、检测参数、算法版本、时间戳、设备编号、操作员ID、批次号、物料批次、环境参数（温度、光照）。追溯信息需求则决定了这些证据要保存多久、以什么粒度关联。

下面用一张关系图展示从检测任务定义到证据输出的映射逻辑：

这张图的核心逻辑是：左侧每一项任务定义，都通过中间映射规则，决定右侧证据输出的具体内容和存储策略。例如，A级致命缺陷必须保存原始全图、缺陷局部放大图、检测参数和算法版本，并绑定产品序列号和批次号，保存期限至少3年；而C级轻微缺陷只需保存缺陷区域截图和判定结果，保存1年即可。

实操示例：某连接器外观检测任务定义

以某型号连接器为例，检测任务定义如下：

任务名称：连接器外壳外观检测
缺陷类型：
  1. 划痕：长度≥0.3mm，宽度≥0.03mm
  2. 凹坑：直径≥0.15mm，深度≥0.02mm
  3. 脏污：面积≥0.2mm²，灰度差≥25
  4. 缺料：边缘缺失≥0.08mm
判定标准：
  A级：划痕L≥1.5mm或W≥0.08mm；凹坑D≥0.5mm；缺料≥0.15mm → 报废
  B级：划痕0.8≤L<1.5mm；凹坑0.3≤D<0.5mm → 返修
  C级：划痕0.3≤L<0.8mm；脏污面积≥0.2mm² → 让步接收
误检漏检代价：
  漏检率≤0.1%（安全相关），误检率≤2%
证据类型：
  原始图、缺陷截图、检测参数、算法版本、时间戳、设备ID、操作员ID
追溯信息：
  产品序列号、批次号、物料批次、工位号、环境温度
保存期限：
  A级证据3年，B级2年，C级1年

这个任务定义可以直接转化为检测程序的配置文件和数据库表结构。例如，在数据库中建立inspection_record表，字段包括serial_no、batch_no、defect_type、defect_level、image_path、params_json、timestamp、operator_id、review_status。每条记录对应一次检测，A级缺陷额外触发人工复核流程，复核结果写入review_log表。

检测任务定义与证据需求分析不是一次性的文档工作，而是贯穿系统设计、调试、验收和运行的全过程。当产品换型、客户标准变更或产线节拍调整时，必须重新审视这五个维度，确保证据链始终完整、可追溯、可审计。