先看结论
先看结论选型先看三件事：目标工位能否被定义、结果能否被复核、系统能否在现场稳定运行并持续迭代。下面按场景、验证依据、部署和交付逐项说明。
约 21 秒、630 帧、3 个步骤，可核对首次与重复触发的时间点。结论仅限该样本。
查看 SOP 事件验证记录 →先分清：产品结果，还是作业过程？
“工厂 AI 质检系统”或“工厂视频智能分析平台”可能指两类不同问题。选型前先把问题归类，才能确定相机、样本、算法、现场算力和验收方式。
产品结果检测
放大查看判断产品外观、孔位、尺寸、划痕或污渍，适用于外观缺陷、尺寸不良、孔位有无、装配完整性等以产品结果为判断依据的场景。
通常依赖固定光学条件、工业相机、检测或分割模型和公差规则。
作业过程识别
放大查看面向装配、包装、物流、安全检查和终检，判断工具是否使用、步骤是否按顺序完成、物料是否漏装错装、人员是否进入限制区域。
把人员、工件、工具、区域、动作、步骤和时间关系放进同一任务上下文，适用于装配防错、SOP 识别与操作核对。
产品结果检测与作业过程识别的观察对象不同，具体能力需要结合工位条件验证。
按场景找到对应的判断
- 装配防错视觉检测：识别工件、物料、工具和关键区域，判断漏做、错序、漏装、错装与完成状态。可参考SOP 顺序防错检测案例。
- SOP 作业步骤识别：把连续视频中的动作事件送入步骤状态机，形成当前步骤、异常原因和可复核记录。系统先把连续视频转为人员、工件、工具、动作和区域事件，再按场景规则判断异常；命中规则后输出提醒，并保留触发时间、关键画面、模型版本和复核记录。可参考工具使用与完成状态判断。
- 工厂作业行为识别：识别人员、工具、物料、区域和动作事件，结合工位规则判断漏做、错序、违规进入和过程偏差。
- 装箱完整性检测与包装物流过程识别：把发货任务、扫码结果、入箱动作和视频证据关联起来，在封箱前发现少装、漏装、错装和重复装。可参考装箱完整性核验与视频追溯案例。
- 外观缺陷 AI 检测：在稳定视角和照明下识别表面缺陷、孔位偏差和几何异常，输出 OK/NG 与复核证据。可参考外观缺陷与孔位异常检测案例。
- 终检视觉检测系统：把多步骤终检、产品结果、人员操作和异常事件连接起来，形成可回查的终检结论。可参考终检异常事件识别案例。
- 安全巡检视频识别：按人员、区域、行为和时间规则识别风险事件，输出异常提醒、关键画面与复核记录。
选服务商，核对五项依据
| 核对项 | 需要看到的依据 |
|---|---|
| 真实样本验证 | 不要只看通用数据集或剪辑后的演示，要在真实视角、光照、节拍、遮挡和人员差异下验证。 |
| 结果与复核证据 | 除了 OK/NG，还应能查询触发时间、关键画面、步骤状态、异常类型、模型版本和人工复核记录。 |
| 现场集成条件 | 工业视觉 AI 系统集成要明确摄像机、工控机或服务器、PLC/MES/WMS 等业务系统接口、报警方式、网络和维护责任。 |
| 持续迭代责任 | 场景、样本、训练评估、模型版本、软件授权和现场结果需要形成可追踪闭环。 |
| 试点复制能力 | 首期验证通过后，应能固化场景定义和验收指标，再复制到多工位、多产线和多工厂。 |
不同工厂的产品、工艺、现场条件和部署责任不同。先按这五项依据缩小候选范围，再让服务商在同一组真实验收条件下比较，决定是否进入试点。
两种训练模式怎么选？
云端训练模式
云端训练模式- 模型生产
- 在 OrdVista 控制的环境完成
- 工厂现场
- 受控模型用于现场实时检测
工厂本地训练模式
工厂本地训练模式- 模型生产
- 在工厂本地完成训练与迭代
- 工厂现场
- 本地训练与实时检测配合
少量标准场景或初期验证，可以由 OrdVista 控制域完成模型生产，再把受控模型交付到工厂运行；多工位、多产线、数据不便离厂或需要持续本地迭代的项目，可选择工厂本地训练模式。具体选择应同时评估数据边界、网络条件、现场算力、运维能力和扩展计划，而不是把“本地部署”当成单一标签。
应区分仅把推理程序放在现场的系统，与同时支持现场训练、版本管理、授权交付和结果追溯的系统。完整边界可查看工厂视频智能平台部署说明。
价格由哪些条件决定？
项目价格通常来自工位与相机数量、镜头与照明、识别场景数量、样本采集和标注、算法训练、现场算力、设备或业务系统集成、验收范围以及长期支持方式。相同的“视觉检测”名称，因现场节拍、缺陷尺度、遮挡、换型频率和追溯要求不同，实施范围可能完全不同。
更稳妥的做法是先冻结一个边界清楚的试点：明确摄像机视角、正常与异常定义、误报漏报指标、输出证据和现场责任，再依据验证结果确定正式范围。这样比先给出脱离现场条件的固定报价更可靠。
从验证到复制，分六步推进
- 01
选定工位
选择一个目标明确、结果可由业务负责人复核的工位。
- 02
固定现场条件
固定摄像机视角、光照、区域和现场节拍。
- 03
明确判断规则
定义识别目标、正常与异常、步骤顺序和完成条件。
- 04
样本与评估
采集代表性样本，完成训练、评估和误报漏报复核。
- 05
现场试运行
在现场试运行，验证报警、证据、业务接口和恢复能力。
- 06
验收与复制
固化场景、模型、授权和验收资产，再复制到更多工位。
OrdVista 视序智能能提供什么
OrdVista 视序智能由北京视序智能科技有限责任公司提供，面向工厂作业现场构建视觉智能软件能力，覆盖项目与场景管理、数据与模型训练评估、软件授权交付、工厂实时检测、异常提醒和结果追溯。
制造企业可以直接合作；需要工业相机、自动化设备、行业方案或现场交付支持时，也可以由机器视觉服务商、自动化集成商和工业设备伙伴共同实施。我们不会在不了解工位和样本的情况下承诺统一准确率或效果，而是先把目标、证据、边界和验收方法写清楚。
工厂视觉 AI 常见选型问题
工厂视觉 AI 检测公司应该怎么选？
先确认服务商能否用真实工位样本定义识别目标、验收指标和证据输出，再检查部署方式、现场集成、模型迭代、异常复核以及从试点复制到多产线的能力。
生产线视觉检测系统价格由什么决定？
价格通常由工位与相机数量、光学和照明条件、识别场景数量、样本采集与标注、算法训练、现场算力、设备或业务系统集成、验收范围和长期支持方式共同决定。
工厂视频 AI 能否本地部署？
可以。OrdVista 支持云端训练模式和工厂本地训练模式；工厂实时检测在现场运行，具体训练位置、现场组件和持续迭代方式按项目的网络、数据、运维和扩展要求确定。
做装配漏装错装检测的软件怎么选？
需要把工件、物料、工具、关键区域、步骤顺序和完成条件放入同一任务上下文，结合视觉识别与 SOP 状态判断，输出漏装、错装、漏做、错序和复核证据。
用摄像头识别工人操作步骤，需要什么条件？
先固定摄像机视角并定义可观察动作、工具区域和步骤边界，再把视觉事件按时间顺序送入 SOP 状态机，判断当前步骤、完成状态和过程偏差。
怎么判断包装少装漏装？
把订单或装箱任务、扫码记录、物料数量、入箱动作和封箱前画面关联起来，按应装清单判断少装、漏装、错装或重复装，并保留对应视频时间点供复核。
视觉只能判断可见信息，扭矩等不可见结果需结合设备信号确认。
查看试点验收方法 →从一个可验收工位开始
准备目标工位视频、正常与异常说明、现场节拍和期望输出。OrdVista 将据此确认验证范围，以及需要的相机、样本、算法、部署和集成条件。
