视觉输入质量：模糊、遮挡与曝光检测

图像无效时模型仍返回候选，业务可能把它误当正常。输入质量应进入结果条件。

模糊、过曝和遮挡各有检测方式，质量分数也需要按材质和纹理验证。低质量不是自动不合格产品，而是观察不足。

视觉输入质量：模糊、遮挡与曝光检测：处理路径与验证条件

一、问题的范围与前提

成像质量、数据分布、算法与业务判断各自有条件。清晰图像提供可观察细节，模型和规则解释输入，业务层决定结果如何使用。视野、曝光、颜色、姿态与输入尺度变化，都可能在模型参数不变时改变结果。

模糊度等分数受纹理影响，平滑正常表面可能天然低分，不能直接用通用门限拒绝。曝光、遮挡与通信损坏各自检测，输出为观察质量状态，而非产品不合格。专门用细纹、暗部与边缘缺陷核对误拒，低质量重新采集或待确认有明确流程。质量过滤后仍保留原始失败样本。

先固定输入和处理版本，保存必要中间产物，再比较单项变化。裁剪、缩放和配准要携带坐标关系，输出回到原图时检查尺度与偏移。数据按正常和困难条件分别组织，不把反光、遮挡或采集失败从报告中悄悄删掉。

按这个顺序保留中间结果，可以区分输入条件、处理过程和最终输出。前一阶段的条件不成立时，先解释对应错误，再继续后面的试验；单次返回成功不足以覆盖整条链路。

原图 + 概率掩膜 + 二值掩膜 + 坐标关系
对照：目标边缘、细小缺陷、遮挡与不同背景

这些中间产物帮助定位是分割失败还是后续判断失败。阈值改变掩膜边界，填洞和修补会改变可观察内容，需要单独验证。

独立样本应覆盖预期工况，逐条预测与错误图支持复盘。分类、检测、定位和异常任务使用各自指标定义，阈值工作点与曲线指标不能混用。性能同时记录冷启动、稳态、尾部耗时和资源峰值，不挑最快一张代表整套系统。

验证无目标、多候选、边界、遮挡和不同光照。没有有效观测时给出明确失败或待确认，不为每张图强行选一个目标。图像文件真实保存和完整解码也属于链路检查，热力图漂亮不能替代缺陷真值与业务验收。

质量门限不是通用常数，不能以过滤困难图提高表面模型指标。

这条路径把“定义无效输入种类”与“让业务区分异常与无法判断”连在一起，中间保留可复查的条件。实施时优先确认“无效不冒充正常”，再检查“恢复新帧能继续流程”；两者都满足，才能在当前样本与配置范围内评价方案。设备、数据或软件版本改变以后，相关假设需要重新验证。