在过去二十多年的机器视觉行业中，我们深入了解了客户的期望以及提供稳健、可追溯且物有所值的解决方案的需求。任何安装或检查机器的关键要素之一是视觉系统错误故障的神秘区域，并确保将其减少到虚拟消除的程度。错误故障率朝正方向的微小变化可能会对良率产生巨大影响，特别是当检查速度为每分钟 500 个零件时！

对于刚刚接触机器视觉的客户来说，这是一个他们不习惯的概念。必须有一些错误拒绝事件发生才能确保不会发生错误接受。在视觉设置和检查例行结构的设计阶段，我们审查一组“好”零件以及一组“坏”零件。从统计上讲，这意味着每个测量特征的数量都是无限的，以便计算每个测量特征的设定点。如果没有这组组件，就不可能创建有效的视觉解决方案。我们使用各种视觉软件方法来分析所有零件和功能，以使用这些好的和坏的零件创建数据集的集合。

这是确定系统真正可行性的地方。一旦为任何给定特征创建了视觉工具，一组数据点通常在好部分和坏部分之间具有一定程度的1性。如果数据不存在两个互斥的结果分布，则必须拒绝一些好的零件，以确保没有缺陷零件被传递并允许继续提供给客户。换句话说，为了确保永远不会将不合格的零件发送给客户，而拒绝一些好的零件是有成本的。

您会注意到此图表解释了错误拒绝的原因。更重要的是，它强调如果一个系统没有拒绝好的零件，它可能会传递坏的零件。

当然，凭借我们在机器视觉领域多年的经验，我们了解这个问题 - 因此我们所有的系统和机器都经过设计，以便好与坏之间有足够的差异，使分布尽可能不同，这就是艺术。在存在/不存在类型的应用程序中实现这一点并不困难。这在测量和计量视觉中更加困难，因为存在一些测量不确定性，并且在表面缺陷检测中极其困难。在减少错误故障方面，机器视觉领域的经验至关重要，这就是我们为您提供的视觉系统方面的长期知识。