3. 准确率基础

在智慧工厂验收中,准确率是最常被引用、也最容易被误读的指标之一。很多项目在验收会上出现争议,并不是设备“不能用”,而是双方对“准确率”三个字的理解不一致:有人按单次识别结果统计,有人按整条产线最终良品统计;有人把定位偏差算作失败,有人只统计“有没有识别到”。因此,准确率必须回到定义、分类和计算公式三个层面来谈,才能成为可验收、可复现、可追溯的指标。

核心结论:准确率不是单一数字,而是“任务定义 + 判定阈值 + 统计口径”三者共同决定的结果。验收前必须先锁定任务类型,再选择对应公式,最后约定样本集与判定规则。

一、准确率的定义:正确结果占总样本的比例

从最一般的定义看,准确率(Accuracy)表示在给定测试样本集中,系统输出被判定为正确的结果数量占总样本数量的比例。其基础公式为:

准确率 = 正确结果数 / 总测试样本数 × 100%

其中:
正确结果数 = 满足验收判定规则的结果数量
总测试样本数 = 参与统计的有效样本数量(不含无效、重复、损坏样本)

这个公式看似简单,但在工厂现场有三个关键变量:第一,“正确”由谁判定;第二,“样本”如何选取;第三,“无效样本”是否剔除。若这三项没有在验收方案中写清楚,准确率就失去了可比性。例如,视觉识别工位若把“图像模糊导致无法识别”的样本剔除,准确率会显著上升,但这并不代表系统在真实工况下更可靠。

二、准确率的分类:识别、定位与装配

智慧工厂中的准确率通常分为三类,分别对应不同的任务目标和判定方式。

  • 识别准确率:关注“是什么”。例如字符识别、缺陷分类、物料种类判断。判定规则通常是分类结果与真值标签一致。若存在多个类别,还需关注混淆矩阵,避免只看得懂“总体准确率”而忽略某一类被系统性误判。
  • 定位准确率:关注“在哪里”。例如抓取点定位、焊缝轨迹定位、AGV停靠点定位。判定规则通常不是“完全相等”,而是“偏差在允许公差内”。因此定位准确率必须绑定公差带,如±0.5 mm、±2 mm或±5 mm。
  • 装配准确率:关注“装得对不对”。它往往是识别与定位的最终结果,判定对象是装配完成后的状态,如插针是否到位、螺丝是否锁付、卡扣是否扣合。装配准确率通常以“一次装配合格率”或“最终良品率”表达。

三类准确率之间存在递进关系:识别错误会导致定位错误,定位错误会导致装配失败。但反过来,识别和定位都正确,装配仍可能因力控、来料公差或夹具磨损而失败。因此验收时不能用一个“综合准确率”掩盖分层问题。

三类准确率的判定链路与统计口径 识别决定“是什么”,定位决定“在哪里”,装配决定“最终是否合格” 识别准确率 任务:分类 / 判别 / 字符识别 判定:输出类别 = 真值标签 公式:正确分类数 / 总样本数 关注:漏检、误检、类别混淆 定位准确率 任务:抓取点 / 轨迹 / 停靠点 判定:偏差 ≤ 允许公差 公式:合格定位数 / 总定位次数 关注:重复精度、绝对精度、漂移 装配准确率 任务:插装 / 锁付 / 扣合 判定:装配后状态合格 公式:一次合格数 / 总装配次数 关注:力控、来料公差、夹具磨损 验收统计口径对照 识别口径 按单帧 / 单件统计 需固定测试集与标签 关注混淆矩阵 定位口径 按点位 / 轨迹段统计 必须绑定公差带 区分重复精度与绝对精度 装配口径 按整件 / 整批统计 以最终检验结果为准 区分一次合格与返修后合格

三、计算公式与参数关系

在验收文档中,建议把三类准确率的公式写成可执行形式,并明确分子分母。以下是一组可直接引用的表达:

识别准确率 = 分类正确样本数 / 有效测试样本总数 × 100%

定位准确率 = 偏差在公差带内的点位数 / 总点位数 × 100%
其中:偏差 = |实际坐标 - 目标坐标|,公差带由工艺给定

装配准确率 = 一次装配合格件数 / 总装配件数 × 100%
若统计最终良品率,则:
最终良品率 = 最终检验合格件数 / 投入件数 × 100%

需要特别注意的是,定位准确率中的“偏差”可以是欧氏距离,也可以是单轴偏差,取决于工艺关注点。例如贴装工位可能更关注X/Y平面偏差,而压装工位更关注Z向深度偏差。若验收方案不写清楚,供应商与甲方很容易各算各的。

四、常见误区与复盘要点

误区一:把“识别准确率”当成“装配准确率”。识别准确率99%并不代表装配准确率99%。识别正确但定位偏差超差,装配仍会失败。验收时必须分层统计,不能用一个数字覆盖全链路。
误区二:剔除困难样本后统计。把模糊、遮挡、反光、来料偏差大的样本剔除,准确率会虚高。正确做法是保留真实工况分布,必要时单独统计“困难样本准确率”。
误区三:不绑定公差带谈定位准确率。“定位准确率98%”如果没有公差带,等于没有意义。±0.1 mm和±1 mm对应的难度完全不同,验收必须写明公差值及测量方法。
复盘建议:验收前用一张“准确率定义卡”锁定五项内容——任务类型、样本来源、判定规则、公差带、统计周期。双方签字确认后再跑测试,可避免绝大多数争议。
准确率类型 统计对象 判定规则 典型公式 常见误区
识别准确率 单帧/单件分类结果 输出类别与真值一致 正确分类数 / 总样本数 剔除困难样本、忽略类别混淆
定位准确率 点位/轨迹段 偏差在公差带内 合格定位数 / 总定位次数 不写公差带、混淆重复精度与绝对精度
装配准确率 整件/整批 装配后状态合格 一次合格数 / 总装配次数 用识别率替代装配率、忽略返修件

在实际案例中,某3C装配线验收时供应商报告“视觉准确率99.2%”,但甲方抽检发现装配一次合格率只有96.5%。复盘后发现:识别环节确实达到99.2%,但定位环节在反光件上偏差超差,导致装配失败。若验收方案一开始就分层定义识别、定位、装配三类准确率,并分别约定公差带和样本集,这一争议本可在测试阶段就暴露并解决。

因此,准确率基础的核心不是记住一个公式,而是建立“任务—判定—统计”三位一体的验收语言。只有把识别、定位、装配三类准确率分开定义、分开计算、分开验收,准确率才能真正成为智慧工厂验收中可信、可复现、可追溯的硬指标。