验收时99%，量产一个月95%，四个点的差距让双方对簿公堂。这不是设备故障，而是验收口径、过杀成本、环境漂移与合同条款的连环陷阱。本文拆解四个关键窟窿，教你用一张表锁死验收标准，避免扯皮。

上一篇结尾我埋了个雷：验收当天 99%，量产一个月 95%，这官司怎么打？评论区有几位等着看这篇——好，这篇就把这四个点丢在哪，一个一个拆开。

先摆案子。这是我见过最典型的一次验收纠纷，细节做了模糊，情节全是真的。

一家做汽车零部件外观检测的客户，设备验收那天，双方一起跑盲测集：三千张图，历史缺陷库混着当天现场抽检图。结果很漂亮——按客户坚持的点级口径，漏检率 0.8%，折算检出率 99.2%，过杀率 1.5%。全场气氛很好，验收单签字，合影，吃饭。

二十八天后，终端客户来了一张批退单：一批零件流出去，里面混着七件带划伤的。品质部连夜倒查产线一个月的检测数据，按同样的点级口径重算当月漏检率——4.9%，检出率 95.1%。

会议室里，客户把两张打印纸拍在桌上：合同写着 99，你们跑出了 95，四个点，解释一下？设备商也很委屈：设备没坏、模型没动、日志干干净净，是你们当月换了供应商，来料表面跟验收那天根本不是一个东西。

这场官司最有意思的地方：两边都没撒谎，两个数都是真的。它们只是不在同一个世界里算出来的。

这篇就写四个窟窿：分母、账单、环境、合同。窟窿都补上，这官司根本不用打。

一、先钉分母：漏检率是“张”的还是“个”的

第一个窟窿最基础，也最气人：吵了半年，双方可能连“漏检率”的定义都没对齐过。

同一批盲测数据，我用三种口径算给你看。三千张图，里面 320 张缺陷图，一共 460 个缺陷点。

图级口径：一张缺陷图，只要设备报了 NG，这张图就算“检出”——哪怕图上有三个伤，报出来一个也算过关。按这个口径，320 张缺陷图里漏了 4 张，漏检率 1.25%。

点级口径：每个缺陷点独立算数。460 个点漏了 22 个，漏检率 4.8%。

再往下还有位置级：点也报了，但框偏了半个身位，跟真值框的重叠率不到五成——算检出还是算漏？数字还能再变一轮。

同一批图，同一台设备，1.25% 和 4.8%，差将近四倍。你说验收会上吵什么？吵的压根不是设备好坏，是数学题的分母。

客户为什么咬死点级？因为他的世界按“个”计费。一个点流到终端，就是一张客诉单、一次可能的批退、一通要写整改报告的电话。客户不关心那张图上另外两个点检没检出来，他只记得漏掉的那一个。

设备商为什么默认图级？一半是行业惯性，传统检测设备的指标就这么报；另一半，说实话，是数字好看。

我的立场：这不是谁对谁错的问题，是必须提前钉死的问题。而且光钉分母还不够，“检出”本身也要定义——判定框和真值框重叠率（IOU）到多少算检出？50% 还是 30%？设备报了 NG、进人工复判又放行的，算设备检出还是算漏检？复判放行的功劳记谁头上？

复判归属这条，多说一句，它是口径战争里的高地。设备报 NG、人工复判放行，月底对账：产线说这 300 件放行的是好品，证明设备误杀，过杀率要往上修；设备商说复判员看的是缩略图，微小划痕根本看不见，这 300 件里起码一半是真伤，是你们放漏了，这账不能全记我头上。谁有理？看复判流程：复判位有没有显微放大、有没有二次拍照、放行动作谁签字——流程留痕到什么程度，这个架就吵到什么程度。我后来给客户的建议干脆是：复判放行件单独建账，不算过杀也不算检出，当“存疑件”走抽检。数字难看了一点，但没人吵架了。

这些不写进合同，验收会就永远是对辩论会。图一是三种口径的对照，拿去就能用。

二、过杀的账，算在谁头上

第二个窟窿：漏检有指标，过杀没指标——或者写过杀指标，但从没人算过它值多少钱。

先说跷跷板。漏检和过杀是一根绳上的两头：判定阈值调敏感，漏检降、过杀升；阈值放松，反过来。拿真实数说：阈值从 0.62 压到 0.45，漏检率从 0.8% 降到 0.3%，过杀率从 1.5% 涨到 3.8%。道理人人都懂，出事出在：验收只考核一头。

客户的验收逻辑通常很朴素：流出是我的死穴，漏检率往死里压。设备商配合，交付前把灵敏度拉满——验收漂亮通过，皆大欢喜。然后产线接手，发现每天 NG 堆成山，全是要人工复判的好品。

算一笔真账。一条线日产 2 万件，过杀率从 1% 涨到 3%——每天多出 400 件误杀，每件人工复判 30 秒，每天 3.3 个小时的人工。按 22 个工作日算，一个月 70 个工时上下，半个多人头。这还是复判流程顺畅的情况；碰上复判位没编够、老师傅嫌烦随手放行，误杀变误报废，材料账又冒出来了。单件材料成本 40 块的零件，哪怕误报废率只占误杀的十分之一，一个月又是小一万块——这些钱产线出，采购设备的预算部门从来不知道。所以过杀率涨两个点，在总部报表上什么都没有发生，在车间里是真金白银每个月在流。

所以过杀率的本质不是技术指标，是成本条款：这笔复判工时谁出？误报废的材料损失怎么分担？合同写得清清楚楚，设备商调阈值时才会有所顾忌；不写，他就把跷跷板压向你测不到的那一头。

反过来也成立。我见过产线为了保 OEE，私自把阈值放松——漏检率悄悄爬回 3%。设备商月度对账发现异常，产线主管振振有词：线不停，厂里就赚钱。三个月后客诉爆了，锅还是扣设备头上，两边又是一轮扯皮。

一句话：验收指标必须成对出现，单写一个的都是耍流氓。而且阈值本身是验收结果的一部分——验收时的判定参数，要作为“工作点”锁进验收单，谁调谁负责，动了留痕。上一篇发布单里那条“配置 C-87 到 C-88”，管的就是这件事。

三、复现性：99 和 95 之间，隔着四个漂移

第三个窟窿最大：就算口径钉死了、指标成对了，验收当天和量产一个月，环境根本不是同一个环境。四个点，基本漏在这四个地方。

第一个漂移，测试集泄题。验收集怎么来的？设备商提前拿到图、照着调模型，那不叫测试，叫开卷。就算双方都干净，验收集通常出自历史缺陷库——全是“老缺陷”。当月新供应商的来料、新出现的伤型，验收集里一张都没有。考的是旧题，产线天天在出新题。

第二个漂移，环境在变。验收那天：灯是新换的，镜头刚擦过，标定是前一天做的。量产后：光源亮度逐周衰减，灯管一老，光谱都跟着变；镜头慢慢积灰；车间换季，湿度一变，反光整个换风格。设备没坏，算法没改，图变了——喂进去的输入变了，出来的数当然变。

第三个漂移最隐蔽，基率在动。准确率、过杀率这类指标，分母里含着好品占比。来料质量一波动，缺陷浓度变了，算法一行没动，指标自己就动了。拿数说话：日检 2 万件，来料好的月份缺陷浓度 0.5%，坏批次来了浓度 2%。同样是 1% 的漏检率，前一个月流出 1 件，后一个月流出 4 件——漏检率一行没变，客诉翻了四倍。反过来，浓度一降，准确率自动往上飘，谁也没改进算法，报表先好看了。所以只盯一个百分比是危险的，流出缺陷的绝对件数要跟着对账——百分比会说谎，件数不会。

第四个漂移，人的方差。复判定 NG 的尺子在老师傅手里，周一和周五的松紧不一样，换个人更不一样。复判结果再回流进统计报表，人的方差就混进了设备指标。查设备之前，先查复判记录的一致率。

复现性怎么测？我分两层：

一层是确定性——同一批图，同一天跑三遍，结果必须完全一致。做不到的系统（有些 GPU 推理带随机性），差异率要给上限。这层查的是系统稳不稳。跑三遍还不是走过场：我就碰到过一回，同批图两轮结果差了小两个点，查到最后是边缘工位的设备走了降频，推理耗时翻倍、超时降级走了快检模式。指标波动有时候不是算法的病，是系统的病——确定性测试就是干这个的。

另一层是稳定性——同一批封存的盲测图，隔一周、隔一个月重跑，指标偏差给上限，我的经验值是漏检率偏移不超过 0.5 个点。这层查的是“这周六跑出来的数，下个月还能不能复现”。重跑还有个隐藏好处：它逼着双方定期碰数据。环境劣化是渐变的，灯每周暗一点，没人看得出来；月度重跑一对比，趋势图一画，该换灯管提前就换了。指标对账的过程，就是设备保养的哨兵。超了别急着扯皮，先查灯、查镜头、查来料——十有八九是环境先变的。

盲测集本身要当物证管：双方共同封样、存哈希清单、定期抽换新图。它就是这桩官司的证据，证据被单方动过，官司就没法打了。

四、把指标写进合同：一张表，别一句话

四个窟窿都见了，补法就一个：把验收从“一句话”变成“一张表”。

我见过最典型的事故合同，技术协议里就一句：“检测准确率 ≥99%”。没口径、没测试集、没边界条件、没考核窗口。就这一句话，够两个法务团队吃半年。

一张能防身的验收指标表，至少八个字段，图三就是模板：

指标名——漏检率、过杀率、复现偏差，成对出现，一个不能少；

口径定义——分子、分母、检出的判定标准（点级还是图级、IOU 阈值、复判归属），逐字写死；

测试集定义——图从哪来、多少张、缺陷浓度多少、怎么封存、怎么抽换；

测试方法——谁跑、跑几轮、隔几天、单次达标还是连续达标；

目标值——带置信区间，别写裸数字；

边界条件——来料批次范围、节拍速度、光照劣化到什么程度以内指标作数，超了算谁的；

考核窗口——验收是单场考试，还是月度对账、连续 N 天滚动达标；

仲裁条款——分歧样本谁复判、第三方是谁、费用谁出。

这张表没有一行是算法，但每一行都决定算法的数字算不算数。

对照一个正面案例。还是那类零部件客户，第二期项目换了个打法：验收表两页纸，点级口径、IOU 五成、盲测集五千张双方封样（哈希清单各存一份）、月度对账、连续三个月滚动达标才算稳态交付、分歧样本送第三方实验室复判。第二期量产半年，指标月报偏差最大的一次 0.6 个点，双方在月度会上用了二十分钟——前十分钟在核对灯管更换记录，后十分钟在排下月抽换样本。没人吵架，因为没给吵架留缝。

那张表与这份合同的区别，不是算法进步了，是四个窟窿提前堵上了。

这也是我想跟做产品的同行说的：指标定义是商务条款，不是技术参数。算法工程师对“模型好不好”负责，产品经理对“这个数在合同里站不站得住”负责——后者，才是客户敢在验收单上签字的理由。

五、链条补完了，聊聊交付

回头看这个系列：（3）选设备做 POC，（4）把算子做成产品，（5）数据反哺制造端，（6）算法选型算三笔账，（7）标注数据怎么管，（8）模型怎么上线，到这篇指标怎么验收。从买设备到打官司，主链条补完了。

但还有最后一个问题：这套东西——算法、样本库、发布流程、指标对账——到底以什么形态交到客户手里？是封装死的一体机，插电就用、里面碰不得；还是开放的二次开发平台，客户自己往里长本事？两种形态是两种生意，客户买前一种买的是省心，买后一种买的是可能性。下篇写这个取舍。

你如果经历过验收扯皮，或者见过最离谱的“一句话合同”，评论区说说——你们的战争故事，是我下一篇的素材。

（系列前篇：《我所了解的机器视觉检测产品应用（8）：模型更新怎么上线？影子跑、灰度切，和那颗回滚按钮》《（7）：标注数据怎么管？样本库、版本冻结，和 7:2:1 的门道》）