发动机总成下线要逐台核对十余项装配状态，判定相机与留存相机为什么拆成两路，补录放在哪
发动机总成下线前的核对比想象中琐碎：铭牌编号要和条码对得上，滤清器要看外观，中冷器连接管与进气接管可能错装漏装，飞轮与飞轮壳螺栓、观察孔盖板、防护堵盖、氮氧传感器捆绑、零件箱、水泵管接头以及出水口朝向，十余项散落在整机的上下前后。人围着总成转，转一圈看一项，转几圈注意力就散了，漏掉的偏偏是转到背面那几项。
先有一张视角清单，再谈几台相机
检测项是按零件列的，相机却是按位置装的。落地的第一步是把零件清单翻译成视角清单：哪几项落在顶部，哪几项在侧面与端面，哪一项必须低头才看得见。翻译完，需要几个机器人、每个机器人管哪一片才有答案。这一步做不实，后面加相机只是加投入，不加覆盖率。
设备整体规格约 4922mm×5039mm×3008mm，采用链板或辊道输送，属于产线级投入，工位占地与物流通道要在方案阶段一并确认，不能等设备进场再想怎么摆。
判定用一台、留存用另一台，为什么不合着用
每个机器人配两台 2000 万像素面阵相机，一台负责判定，一台负责留存，顶部另设一台留存相机。分开的理由很实际：判定要的是特征清晰、参数稳定，留存要的是那台总成当时的完整画面。一张图兼两用，通常两头都不讨好——为了压噪点把曝光调保守，返修时要看的细节就糊了；为了画面好看把增益拉高，判定阈值又得放宽。
朝向类项目：不是有或没有，而是朝哪边
清单里最难的不是螺栓有没有拧，而是水泵出水口朝哪个方向。这类项目用存在性检测做不了，必须在检测规划阶段单独设计视角，并为算法准备标准状态与错误状态的样件用于训练和验证。换句话说，姿态类项目的成本不在训练那一刻，而在想清楚从哪个角度看的那一步。
看不全的项目，交给人工补录
总成上总有几个位置，无论怎么布相机都被结构挡住。方案的处理是不硬判：把这部分列为无法通过视觉识别的项目，由人工补录兜底。这个决定看似退让，实际是守住判定口径——让机器去猜一个它看不见的东西，误判的代价比明说“这项归人查”更高。
读码在前，核验项跟着产品走
产品上线先读码，识别出这是哪一款、对应哪份装配清单，当次要检哪些项、口径是什么，都由清单决定。AI 识别与模板比对两个引擎再按清单核验装配配置、部件到位与外观，输出合格或异常。检测数据与条码绑定后上传 MES/QMS，返修时能查到具体是哪一项判的、判定时看到的是什么。
70 秒里装了什么
设备生产节拍约 70 秒，具体节拍按工件情况定制，以现场验收结果为准。这 70 秒包含读码、各机器人多角度取图、双引擎判定、异常分流与数据上传。多机分工的意义也在这里：不是让每台机器人看得更细，而是让多个视角的取图与判定在同一节拍内并行，节拍才不会随检测项增加而线性变长。方案上线后人工装配失误率降低 90% 以上，以现场验收结果为准。
补录、留存与加项，三个疑问
为什么不直接用一台高像素相机拍全景？
总成结构凹凸多，单视角必然有大片遮挡区域。全景图看着完整，判定时能用的只有朝向相机的那一面。多机多角度是为了把遮挡摊开，不是为了堆像素。
留存相机是多余的吗？
不多余。判定图是给算法看的，留存图是给人看的。出现争议或需要分析误判原因时，只有完整的留存画面能回答当时工件长什么样。
以后要加检测项怎么办？
先看新增项落在现有哪个视角范围内。落得进去，改清单与判定参数即可；落不进去，才需要动相机布局。这也是先做视角清单的长期价值。