采购AI视觉检测设备时，最容易出现的一个场景是：供应商现场演示效果很好，设备到厂投产后却频繁误判，或者更糟——不良品被放过去了。问题往往不在算法本身，而在验收环节没有把“漏检率”和“误判率”定义清楚、测扎实。演示用的是精选样件，产线用的是真实来料，两者的差距就是验收缺失带来的风险。上海科迎法电气的AI视觉检测设备支持样件评估与验收配合，本文把验收该怎么做讲清楚。
为什么验收比参数重要
设备参数表上的像素、节拍、算法名称，都无法直接说明它在你这条产线上能不能用。
演示效果与量产条件的差距
演示通常在理想光照、稳定供料与少量样件下进行，而量产现场存在来料波动、环境光变化、设备振动与节拍压力。这些因素叠加后，误判率往往明显上升。验收的目的，就是把设备放到接近真实的条件下去考核。
样件代表性决定结论
若验收样件只包含少量理想不良，测出的漏检率没有意义。真实生产中缺陷类型分布广泛，且存在边界样本。样件集应覆盖主要缺陷类型与一定比例的临界样本，才能反映设备的实际能力。
节拍对检测的影响
检测速度与检出能力往往存在取舍。在低速下能检出的细微缺陷，提速后可能因曝光时间不足而漏掉。验收必须在目标节拍下进行，而不是在“演示模式”的低速下测完就签字。
两个核心指标
漏检率与误判率是一对需要权衡的指标，验收前必须明确各自的目标值。
漏检率
漏检率指不良品被判定为合格的比例，直接关系到不良流出风险。对安全相关或高价值产品，漏检率通常是首要约束。计算时应按缺陷类别分别统计，因为设备对某些缺陷类型的检出能力可能明显偏弱，只看总体数值会掩盖问题。验收报告中建议附上分类统计表，便于判断薄弱环节。
误判率
误判率指合格品被判定为不良的比例，关系到良率与返工成本。误判率过高时，产线会把大量良品当不良处理，损失可能超过人工目检。统计时同样建议分类，区分外观、尺寸、字符等不同项目。若某一项目误判明显偏高，应优先排查该项的光照与阈值设置。
两者的权衡
同一台设备，判定阈值收紧会降低漏检率但提高误判率，放宽则相反。验收时应要求供应商说明阈值设定逻辑，并确认该阈值下的两项指标是否都满足要求。只承诺“漏检率极低”而不提误判率的方案，需要进一步追问。
验收方法
验收不是看一遍演示，而是设计一套可复现的测试流程，把结论落在数据上。
样件集设计
样件集应包含合格品与各类不良品，数量按可统计的规模准备，并保留一定比例的临界样本。样件应由使用方提供或确认，避免供应商自带“好测”的样件。测试前对样件做好标记与盲测安排，减少人为干扰。若样件数量不足，可约定分批补充并在达到总量后重新出具验收结论。
连续运行测试
在目标节拍下连续运行一段时间，记录每一次判定结果，统计漏检与误判。连续运行还能暴露卡料、混料、停机等工程问题，这些问题在短时演示中往往不会出现。建议至少覆盖一个班次或达到约定的样本量，并在中途不人为干预，以观察设备的真实稳定性。
数据记录与判定规则
验收前应约定判定规则：什么样算漏检、什么样算误判、临界样本如何处理、复测是否允许。所有数据应留档，作为后续复测与争议处理的依据。规则不清，验收很容易变成各说各话。
常见争议与规避
视觉检测项目的分歧，多数来自验收前没有把边界讲清楚，而不是设备真的不能用。
样本不足与分布偏差
样本太少会导致指标波动大，分布偏差会让结论偏向某一类缺陷。规避方式是提前约定样本量与缺陷类型覆盖范围，必要时分批验收。对新产品、新工艺，可先做小批试产再补充样件。
判定标准漂移
人工判定的边界本身可能变化，导致同一批样件前后结论不一致。规避方式是在验收前固化判定标准，用边界样件做对照，并在验收过程中由同一组人员判定。标准一旦确定，后续变更应走书面流程。
责任边界的划分
设备能力与来料质量、工艺稳定性的责任容易混淆。验收文件应明确：设备在约定样件与节拍下达到约定指标即视为合格；来料超出约定范围导致的效果下降，属于另一类问题。边界清楚，投产后才不至于互相推诿。
投产后持续优化
验收通过只是起点，产线的真实分布会不断变化，设备需要跟着调整。
数据回流与样件补充
投产后应持续收集判定数据，把新出现的典型不良补入检测任务。误判集中的项目应分析原因，是光照变化、来料差异还是阈值不当。数据回流做得好，设备的能力会随时间提升，而不是逐渐“退化”。
定期复核与校准
光源衰减、镜头污染、机构磨损都会让判定结果漂移。应建立定期复核机制，用标准样件复测并记录结果，发现偏移及时校准。复核周期可按运行强度确定，高节拍产线应更频繁。复核记录应保留趋势，若指标持续单向变化，应提前安排维护，而不是等到超出限值才处理。
换型与人员培训
多品种生产时，换型后的检测任务需要重新确认。操作人员应掌握基本的任务切换、样件补充与异常处理，避免小问题停机等供应商。建议把换型步骤写成作业指导书，并在每次换型后做首件确认，防止程序调用错误。更多验收思路可参考CCD视觉筛选机功能说明与AI桌面皮带筛选机选型指南，也可查看柔性上料工作站与视觉检测资讯、产品中心。
常见问题解答
问：漏检率和误判率能同时做到很低吗？
答：两者存在权衡。可以通过优化成像与算法改善，但验收时应确认在约定阈值下两项指标都达标。
问：验收需要多少样件？
答：按可统计的规模准备，并覆盖主要缺陷类型与临界样本，具体数量可在合同中约定。
问：演示效果很好，投产却误判多，为什么？
答：多因演示条件与量产条件差异大，如来料波动、环境光与节拍压力，应在真实条件下验收。
问：验收要不要在目标节拍下做？
答：必须。提速会影响的曝光与判定，低速验收的结论不能代表产线表现。
问：临界样本怎么处理？
答：验收前应约定判定规则，明确临界样本计入漏检还是误判，避免事后争议。
问：投产后指标下降怎么办？
答：先复核光源、镜头与机构状态，再用标准样件校准，同时补充新出现的典型不良样件。
结语：AI视觉检测设备的价值，最终要用漏检率与误判率在真实产线上的表现来证明。科迎法电气位于上海松江，提供视觉检测设备与样件评估、验收配合，欢迎提交样件与验收要求咨询。
