📚 课程目录第4章现场误检漏检数据采集

4. 现场误检漏检数据采集

误检与漏检治理最怕的不是问题复杂，而是问题“说不清”。现场常见的困境是：操作员说“今天上午这台机老是误判”，工程师到现场时工件已经混批、图像已被覆盖、判定值也没人记录，只能凭经验重新调参。结果调完这一批好了，下一批又复发。要跳出这种循环，必须先把检测过程变成可追溯的数据基线——每一次判定都能还原出“哪一批工件、什么时间、哪台相机、什么图像、什么判定值、最终结论是什么”。

一、先明确要采集的五类核心数据

CV-X 系列视觉系统的检测输出并不只是“OK/NG”一个结果。要支撑后续治理，至少需要同步记录五类数据，它们构成一条完整的证据链：

检测结果：系统最终输出的 OK/NG，以及是哪个工具（如边缘位置、面积、图案匹配）触发了 NG。
图像：触发判定那一刻的原始图像，最好同时保留 NG 图像和对应的 OK 参考图像。
判定值：各测量工具的实际测量值、上下限、余量（测量值与阈值的差）。这是判断“误检还是真不良”的关键。
工件批次：批次号、工件序号、来料批次或机台号，用于把问题定位到具体物料来源。
时间戳：精确到秒甚至毫秒的检测时刻，用于与产线节拍、换料、换班、设备动作对齐。

这五类数据缺一不可。只有结果没有图像，无法判断是误检还是真不良；只有图像没有判定值，无法知道离阈值有多近；没有批次和时间戳，就无法把零散异常聚合成趋势。

二、数据采集的现场落地方式

CV-X 控制器本身支持将检测结果、测量值和图像保存到外部存储或通过以太网/PLC 输出。现场落地时，建议按以下方式组织：

首先，在 CV-X 的“输出设定”中，把每个测量工具的判定结果和测量值映射到数据输出区域，确保 NG 时能记录到具体是哪个工具、测量值是多少。其次，开启“NG 图像保存”，并设置保存路径按日期和批次分文件夹，例如 D:\CVX_DATA\20250612\LOT_A2301\，文件名包含时间戳和工件序号，如 143052_00123_NG.bmp。这样即使不打开软件，也能通过文件夹结构快速定位。

对于需要与 PLC 或上位机联动的产线，可通过以太网将判定结果和测量值实时发送到数据采集系统，由上位机统一写入数据库。此时要特别注意：图像文件较大，建议只保存 NG 图像和少量 OK 抽样图像，避免磁盘被快速写满；而判定值和批次信息数据量小，可以全量记录。

建议为每个批次建立一个“数据基线包”：包含该批次的 OK 抽样图像、NG 图像、判定值 CSV、批次号和时间范围。这样后续做对比分析时，可以直接以批次为单位调取。

三、可追溯数据基线的结构

把上述数据组织起来，就形成了一条从“工件”到“结论”的可追溯链路。下图展示了 CV-X 检测数据从采集到形成治理基线的结构关系：

四、记录字段与示例

为了让数据真正可用，建议为每条检测记录定义统一字段。以下是一个可直接参考的 CSV 记录示例（字段与数值均为教学示例，实际以现场配置为准）：

timestamp,batch_no,workpiece_id,camera_id,tool_name,result,measure_value,lower_limit,upper_limit,margin,image_path
2025-06-12 14:30:52.318,LOT_A2301,00123,CAM1,EDGE_POS_X,NG,12.847,13.000,15.000,-0.153,D:\CVX_DATA\20250612\LOT_A2301\143052_00123_NG.bmp
2025-06-12 14:30:52.502,LOT_A2301,00124,CAM1,EDGE_POS_X,OK,13.921,13.000,15.000,0.921,D:\CVX_DATA\20250612\LOT_A2301\143052_00124_OK.bmp
2025-06-12 14:30:52.687,LOT_A2301,00125,CAM1,AREA_CHECK,NG,4821,5000,7000,-179,D:\CVX_DATA\20250612\LOT_A2301\143052_00125_NG.bmp

其中 margin 字段是测量值与最近阈值的差，负值表示超出限值。这个字段非常关键：如果某工具频繁出现 margin 在 -0.1 到 -0.3 之间的 NG，说明阈值设置过紧或测量波动偏大，属于典型误检；如果 margin 大幅超出（如 -5 以上），则更可能是真实不良或来料异常。

五、从数据基线到治理判断

有了上述记录，误检漏检的判断就有了依据。例如，连续三天 LOT_A2301 批次中 EDGE_POS_X 工具出现 47 次 NG，其中 41 次 margin 在 -0.2 以内，且图像显示边缘清晰、无明显缺陷，则可初步判定为阈值过紧导致的误检。此时将下限从 13.000 调整为 12.800，再观察后续批次，若 NG 率从 3.2% 降至 0.4% 且无漏检投诉，即可确认调整有效。

反之，若某批次 AREA_CHECK 出现 NG 且 margin 为 -179，图像显示区域确实缺失，则属于真实不良，应追溯来料批次而非调整参数。这就是数据基线的作用：把“感觉”变成“证据”，把“调参”变成“验证”。

注意：图像文件会快速占用磁盘空间。建议设置自动清理策略，例如只保留最近 30 天的 NG 图像，OK 抽样图像按批次保留 5～10 张即可。判定值和批次数据应长期保留，因为它们体积小、价值高。

六、建立可追溯基线的关键习惯

最后，数据采集能否持续，取决于现场习惯。建议做到三点：一是每次换料或换班时，在系统中登记批次号和起始时间，避免批次信息断档；二是每天下班前检查一次 NG 图像保存是否正常，防止因磁盘满或路径错误导致数据丢失；三是每周导出一次判定值数据，按工具和批次做一次简单统计，观察余量分布是否发生漂移。这些动作不需要额外设备，但能让误检漏检治理从“救火”转向“预防”。

当每一颗工件的检测都能被还原、每一次判定都有数据支撑时，误检漏检就不再是玄学，而是一个可以被分析、被验证、被收敛的工程问题。