装配防呆的相机数量是被遮挡盲区决定的，不是被0.15mm的精度指标决定的，机位该先怎么画
汽车零部件装配件的尺寸较大、特征多，在产线输送中来料，检测后合格件放行下线、异常件拦截。要防的是三类问题：漏加工，该做的工序没做；漏装配，该装的零件没装；误装配，装错位置或装错件。人工目检在节拍紧的时候会优先看容易出错的部位，其余靠经验抽查，防呆这个职责实际上没有完全落实。
相机数量是被遮挡决定的
方案用多台工业相机固定安装，多视角全视角取图。这个多不是为了拍得更清楚，而是为了消掉盲区：装配件空间结构复杂，单台相机从一个方向看过去，背面和凹槽里的特征必然看不见，而漏装的特征恰恰可能就藏在盲区里。选型时先画遮挡关系、再定机位，比先定精度、再凑机位更省事——后者经常出现机位都摆好了，才发现关键特征根本不在任何一台相机的视野里。
同一个特征要在两三个视角里重复出现
多视角取图之后，系统对同一装配特征在多个视角做交叉验证：一个视角看到有、另一个视角看到没有，说明判定条件不稳定，需要复核。单视角误判的来源很多——反光、阴影、局部污渍，都能让一个装好的件看起来像缺件。多视角的意义就在于让这些偶发因素互相抵消。
测量与防呆放在同一工位
方案把测量与识别放在同一个工位完成，装配件无需离线流转。测量与三坐标的相关性达到 0.15mm，以现场验收结果为准。这个指标的含义要说准确：它反映视觉测量与高精度测量结果之间的一致性水平，说明视觉结果能支撑装配特征的位置判定，但不代表视觉可以替代三坐标做最终计量。把相关性直接当精度用，是这类方案里常见的误解。
117 秒是布局算出来的
检测节拍 117 秒，控制在 120 秒以内，与产线在线节奏匹配。节拍由机位数量、每台相机的取图与判定时间、以及各视角的并行程度共同决定。固定多目方案的节拍一旦定死，后续要压缩只能增加机位或提升单机处理速度，不能靠优化一下算法解决。这也是为什么机位规划要在方案阶段一次做对，后期改动牵扯的是支架、线缆与标定。
特征种类多，模型要覆盖状态而不只是有无
装配件的特征种类多、形态差异大，模型需要学习的是各类特征的状态分布，而不只是在不在。误装配的判定尤其依赖这一点：件在、位置差一点、方向反了，只做存在性检测全都通过。识别准确率超 99.9%，以现场验收结果为准。这个水平靠多视角特征提取与综合判定达到，前提是样本覆盖了各类异常状态——样本里没有的错法，模型也判不出来。
数据与批次关联
检测数据覆盖各视角取图与判定结果，与装配件批次关联归档，为返修追溯与工艺分析提供依据。异常件被拦截后，能查到是哪个视角、哪个特征判的异常，这条链路决定了问题能不能被定位到具体工序。
机位从哪来，指标怎么读
固定多目和机器人带相机怎么选？
点位稳定、品种少、节拍宽松，固定多目更简单可靠；点位分散、布局常改、需要空间特征判定，机器人方案更灵活。前者调试一次长期稳定，后者换型成本低。
0.15mm 的相关性够用吗？
对装配特征的位置判定够用，对尺寸公差更严的场合不够。选型时先明确测量项的公差带，再看视觉能力是否覆盖，别拿相关性数字直接对标公差。
误装配为什么比漏装难判？
漏装是少了东西，图像上边界明确；误装配是东西在但不对，可能只有朝向或位置差一点，需要模型理解状态的正常范围，而不是简单的有无判定。