检测准确率能否只看页面截图判断？
不能。页面可以证明图像、类别、状态和操作入口的设计，准确率需要基于有代表性的标注样本、独立测试集、误检漏检记录和现场工况进行验证。
AI 智能除杂检测系统：多相机识别与分选联动
该项目面向输送线物料除杂与质量检测，把多相机连接、RGB 原图、AI 识别结果、黑色通道、目标坐标、图像采集、样本学习、模型参数、报警和分选控制集中到同一工作台，支持从采集、识别到执行与复核的流程留痕。
AI 智能除杂检测系统是北京泓珊科技有限公司实际实施的客户项目。本页展示经过脱敏处理的系统界面，图片中的数据用于说明界面功能，客户身份、真实生产数据及验收资料不公开。
从采集状态到问题样本
界面将相机连接状态、运行状态和原图、识别通道放在同一工作区，便于先区分采集问题与识别问题，再保留图像用于复核。采集、保存图像和前后帧查看等入口可帮助操作人员整理问题样本，让调试沟通有具体画面可对照。截图中的目标、坐标、颜色值、设备状态和样本均为界面示例或脱敏展示，不代表特定产线的识别准确率或生产结果。
多相机接入连接、触发、帧率、曝光、掉帧和运行状态统一查看
多通道分析RGB 原图、AI 结果与特征通道切换对照
识别与分选杂物类别、位置、置信度和剔除时序关联
样本复核采集、保存与前后帧查看，便于保留问题样本
案例背景
输送线除杂不仅是“看见杂物”，还需要在物料高速运动、遮挡、光照变化和多相机视场下稳定采集，再把识别结果转换为准确的机械动作。相机连接、图像质量、模型版本、输送速度和执行机构延迟任一环节异常，都可能产生误检、漏检或误剔除。
核心功能
- 多相机连接：展示相机在线、停止、未连接、触发模式、帧率、曝光、温度和通信状态。
- 图像通道：支持 RGB 原图、AI 标注结果、黑色或其他特征通道切换，便于定位成像和算法问题。
- 杂物识别：显示目标类别、位置、尺寸、置信度、颜色与批次信息，并保留原图和结果图。
- 启停控制：提供一键启动、停止、相机暂停、执行机构状态和必要的二次确认、联锁与反馈。
- 图像采集：支持单帧、连续、异常样本和生产批次采集，记录相机、时间、工况与采集原因。
- 自动学习：组织样本标注、数据集版本、训练任务、离线评估、审批发布、灰度验证和回滚。
- 报警管理：汇总相机失联、掉帧、光源异常、推理超时、执行机构故障和剔除失败。
- 参数与品牌管理：管理相机、光源、输送线、物料品牌、类别阈值和模型参数的版本与权限。
页面图集
界面用于说明检测工作台的功能与布局，不用于证明算法精度。
数据与功能模块
| 模块 | 常见数据来源 | 页面用途 |
|---|---|---|
| 相机与光源 | 工业相机 SDK、触发器、编码器和光源控制器 | 监视连接、帧率、曝光、触发、掉帧和成像质量。 |
| 图像与结果 | 原始图像、推理服务、目标框、类别与置信度 | 对照原图、特征通道和识别结果，支持人工复核。 |
| 分选执行 | PLC、气阀或机械机构、速度与位置传感器 | 计算剔除时序并记录指令、反馈、失败和联锁状态。 |
| 样本与模型 | 样本库、标注平台、训练任务和模型仓库 | 跟踪数据集、模型、指标、审批、发布和回滚版本。 |
| 物料与品牌 | 物料主数据、配方、批次和产品标准 | 按物料、品牌或批次调用检测参数和识别模型。 |
| 报警与日志 | 设备故障、推理异常、控制反馈和操作审计 | 定位采集、识别、执行与人工操作各环节异常。 |
实施过程与确认节点
- 工况采样：覆盖不同物料、杂质、速度、堆叠、光照、背景和设备状态，建立可追溯的样本基线。
- 相机标定：确认视场、焦距、曝光、光源、安装角度、畸变、触发和多相机坐标关系。
- 模型管理：明确类别定义、标注规范、训练与独立测试集、指标阈值、审批发布和回滚机制。
- 时序联调：根据输送速度、目标位置、推理时延和机构响应时间校验剔除窗口与联锁。
- 权限安全：区分生产、调试、标注、模型发布和设备控制角色，高风险操作保留审计记录。
- 验收测试：使用盲测样本和真实工况统计误检、漏检、剔除成功率、时延、掉帧和异常恢复。
功能展示与验收要求
| 功能模块 | 界面展示内容 | 实施与验收要求 |
|---|---|---|
| 相机状态 | 多相机列表、连接、启停与状态区分的界面结构 | 实际触发、帧率、曝光、同步、掉帧和连续运行稳定性 |
| 识别画面 | 原图、特征通道、坐标与结果的显示方式 | 数据集代表性、误检漏检、性能指标和边界样本表现 |
| 分选控制 | 启动、停止、相机与执行机构入口的设计 | 联锁、时序、动作成功率、安全测试和控制日志 |
| 学习与管理 | 采集、自动学习、参数和品牌管理的功能入口 | 标注质量、训练过程、模型审批、灰度与回滚记录 |
界面截图能证明功能入口、信息层级和交互设计，不能单独证明识别准确率、分选成功率或生产线已投运。实际结果需结合样本基线、盲测报告、设备时序、控制日志、现场连续运行和双方验收材料。
适用场景
- 食品原料除杂
- 农产品分选
- 烟草与茶叶检测
- 矿石与再生资源分选
- 输送线质量检测
- 多相机视觉工作站
- 样本与模型管理
- AI 检测运维
常见问题
多相机需要怎样保持同步？
应根据输送速度和检测位置选择硬触发、时间戳或编码器同步，并校验曝光、延迟、帧序、掉帧和相机间视场关系。
自动学习可以直接更新生产模型吗？
不建议无审核直接上线。采集样本应经过标注、质检、训练、离线评估、版本审批和灰度验证，保留模型、数据集和回滚记录。
识别结果如何驱动除杂机构？
需要把目标位置、输送速度、触发时间和执行机构延迟转换为可校验的剔除时序，并通过 PLC 或控制器联锁；视觉识别与机械动作要分别记录结果。
泓珊科技的 AI 智能除杂检测系统是实际项目吗？
是北京泓珊科技有限公司实际实施的客户项目，官网展示经过脱敏处理的系统界面。图片用于说明功能与布局，客户身份、真实生产数据和验收资料不公开，不能以图片中的示例数据推算识别准确率或生产效果。
只有相机和算法供应商，能单独评估检测界面开发吗？
可以先说明已有相机、算法服务和设备控制的负责方，提供结果字段、页面需求和对接条件，再评估界面、记录查询、权限与数据适配范围。算法训练、设备改造和现场联动是否包含，需要分别约定。
准备做类似项目，需要先提供什么？
咨询同类项目，可以先准备物料与杂质类别、现有相机和产线说明、检测结果样例、操作流程，以及希望新增或改造的界面。图片与数据请先脱敏；相机、算法或设备控制由已有供应商负责时，也请说明对应联系人和开放条件。
| 工作部分 | 先确认的资料 | 范围中应写明 |
|---|---|---|
| 检测界面与业务记录 | 页面参考、操作角色、图像和识别结果样例 | 页面、状态、记录查询、权限与交付文件 |
| 图像与算法结果接入 | 相机或算法服务文档、结果字段和版本 | 数据由谁提供、对接由谁负责、异常怎样反馈 |
| 设备与分选联动 | 现有控制架构、设备供应商及联调条件 | 控制责任、授权、现场测试和验收由哪些人员负责 |
先用工业检测平台资料准备指南整理现有条件，再结合设计开发与联调合作方式，沟通同类项目范围。同类项目的识别准确率和分选效果需按实际物料、设备与测试结果评估。