装配防错 · 场景解析
装配漏一步，AI 摄像头究竟能看懂什么？
在固定工位、固定视角和明确作业规则下，视觉 AI 可以观察物料、工具和操作顺序，在需要复核时保留时间与关键画面。对于扭矩、电气性能等画面不可见的信息，仍需结合传感器、PLC、扫码或 MES 数据判断。
先明确视觉 AI 的观察范围
装配过程中的漏装、错序或步骤未完成，未必能被人工巡检及时发现。视觉 AI 的作用不是替代所有质量判断，而是持续观察固定工位中可见、可定义的作业过程。
可以持续观察的三类信息
当机位、视角和作业范围相对稳定时，系统可围绕三类信息建立检查规则：
- 物料是否出现：指定零件是否进入装配区域。
- 工具是否参与：电批、治具等是否在规定步骤中出现。
- 操作顺序是否符合要求：连续画面是否符合预先定义的步骤。
发生提示后，系统可关联时间和关键画面，供现场按同一依据回看和复盘，减少仅凭记忆判断的情况。
画面看不到的，需要其他信号补充
摄像头只能判断画面中能够稳定观察的事实。螺钉扭矩是否达标、内部电气连接是否可靠、物料身份是否唯一等信息，通常不能仅凭画面确认。
这类场景需要将视觉结果与扭矩传感器、PLC、扫码设备或 MES 数据结合。视觉负责观察过程，其他系统补充画面之外的状态，最终形成可验证的判断。
落地前先确认三个条件
- 看得清：关键动作没有被长期遮挡，光照和相机位置相对稳定。
- 说得明：正常步骤、允许变化和异常条件能够被明确描述。
- 验得出：使用真实工位样本统计漏报、误报和端到端提示时间，并核对异常记录能否追溯。
评估装配防错方案时，第一步不是直接询问“准确率能到多少”，而是先确认关键步骤是否可观察、规则是否可定义、结果是否可验收。
从一个固定工位开始验证
视觉 AI 适合把固定工位中可见的动作与步骤转化为持续记录和异常提示。边界定义得越清楚，现场验证越充分，系统越容易从验证走向稳定应用。
如需评估装配防错、漏步骤检测或过程追溯场景，建议先从一个固定工位和一组明确步骤开始验证。