1. 误检漏检治理工程导入
在自动化产线上，KEYENCE CV-X系列视觉系统通常不是孤立存在的“相机”，而是嵌在“传感器触发—图像采集—算法判定—IO输出—执行机构动作”这条闭环链路中的判定单元。它的输出只有两种：OK或NG。对产线而言，这个二值结果直接决定工件是流入下一工序，还是被剔除、复检或停机报警。因此，CV-X的角色可以概括为：用可重复的图像判定替代人眼主观判断，并把判定结果实时交给PLC与执行机构。理解这一点，是后续所有误检漏检治理工作的前提。
所谓误检（过杀、False Reject），是指工件实际合格，但CV-X判为NG。它的直接代价是良品被剔除、复检工时增加、抛料率上升；在高速产线上，频繁误检还会导致频繁停机，拉低OEE。所谓漏检（漏杀、False Accept），是指工件实际不合格，但CV-X判为OK。它的代价更隐蔽也更严重：不良品流入下工序或客户端，可能引发批量返工、客诉甚至安全风险。两者在统计上是一对矛盾体——放宽判定阈值通常减少误检但增加漏检，收紧阈值则相反。治理工程的核心，不是单方面消灭某一类，而是在可接受的漏检率约束下，把误检率压到最低，或反之，找到产线可承受的平衡点。
① 误检率 = 误判NG的合格品数 ÷ 实际合格品总数 × 100%；
② 漏检率 = 误判OK的不良品数 ÷ 实际不良品总数 × 100%；
③ 检出率（召回率）= 1 − 漏检率；
④ 准确率 =（正确OK数 + 正确NG数）÷ 总检测数；
⑤ 重复性：同一工件多次检测判定结果的一致程度；
⑥ 节拍余量：单次检测耗时相对产线节拍的裕量。
这些指标必须建立在“有真值”的基础上。也就是说，治理工程的第一步不是调参数，而是建立带标签的样本集：收集一批已知合格品和已知不良品，分别让CV-X检测，统计出混淆矩阵。没有真值，误检率和漏检率都只是猜测。下面这张图展示了CV-X在产线中的信号链位置，以及误检、漏检在判定环节的产生位置与治理切入点。
从图中可以看到，误检和漏检都发生在“判定算法”这一环，但它们的根因往往在上游：光源衰减导致对比度下降，会让原本合格的工件被判NG；工件在夹具中轻微偏移，会让ROI内特征面积变化，造成漏检。因此治理工程不能只盯着阈值，而要沿着信号链向上游排查。
实际推进时，建议先做一次基线测量。以某冲压件外观检测为例（以下为教学示例参数，非实测数据）：产线节拍为1.2秒/件，CV-X设定面积阈值下限为1200像素、上限为1800像素。取连续300件已知合格品和50件已知不良品进行测试，得到如下混淆矩阵：
| 检测结果 \ 真值 | 实际合格（300件） | 实际不良（50件） |
|---|---|---|
| 判为OK | 285（正确OK） | 6（漏检） |
| 判为NG | 15（误检） | 44（正确NG） |
据此计算：误检率 = 15 ÷ 300 = 5.0%；漏检率 = 6 ÷ 50 = 12.0%；检出率 = 88.0%；准确率 = (285 + 44) ÷ 350 ≈ 94.0%。这组数据说明当前系统漏检偏高，属于“阈值偏松”的典型表现。治理方向应是先收紧判定条件，同时通过改善成像稳定性来抵消收紧后可能上升的误检。例如把面积下限从1200提高到1280像素，并增加“边缘毛刺长度”作为第二判定条件，再重新用同一批样本验证。若漏检率降到4%以下而误检率不超过3%，即可认为达到阶段性目标。
需要强调的是，误检和漏检的治理不是一次性调参，而是一个持续闭环：测量基线 → 定位根因 → 调整成像或参数 → 用带标签样本复测 → 上线监控趋势 → 定期复判。其中“定期复判”尤其容易被忽略——光源会老化、镜头会积尘、工件批次会变化，今天调好的参数，三个月后可能已经漂移。只有把复判和趋势监控纳入日常，治理成果才能保持。
本章的核心结论可以归纳为三点：第一，CV-X是产线判定链中的二值决策单元，它的输出直接驱动执行机构；第二，误检和漏检是一对需要平衡的矛盾指标，治理目标应是在漏检率约束下优化误检率；第三，治理工程必须建立在带真值样本的量化基线上，并沿着“成像—样本—参数—监控”四个切入点持续闭环，而不是停留在单次调参。