工业视觉项目里，同一批塑料片料被标成不同类别，未必都是识别模型发生变化。光照、曝光、物料朝向和表面粉尘改变后，外观边界也可能随之变化。排查时可以先建立一份可追踪的样本记录，把标签定义、采集条件和复核结果分开保存。本文提出记录结构与检查顺序，不展示虚构的识别准确率或现场实验数据。
样本标识应能贯穿原料、照片与复核表。给每个批次分配批次号，再为取样位置、拍摄时间和具体样品建立对应编号。原始图片保留原文件，不覆盖处理后的版本；裁切、缩放和亮度调整记录为独立派生文件。这样发现边界样判断不一致时，可以回到原始采集条件，而不是只比较两张来源不明的截图。
标签定义要写出可以执行的判定范围。例如，允许保留的正常深浅、明确异色以及暂待复核三组应分别说明；片料的厚薄、透明程度和反光需要作为观察备注。无法由外观确认的树脂种类，不应直接生成材质标签。标签若经人工讨论修改，应保存修改前后定义和生效时间，避免把口径变化误认为模型表现提升。
采集条件可以独立放在一张表里，包含照明、背景、相机位置、曝光方式、铺料状态与清洁时间。没有测量的项目标注未测，不凭印象补出精确数值。照片用于表达颜色和形态，现场连续运行仍需要记录进料是否稳定、是否搭接和局部堆积。采集表与样本编号关联，比把所有说明写在图片文件名里更便于维护。
设备结构也应有清楚的来源。例如智利效色选机ZLX448-7的对应资料列有滑槽送料、CCD图像采集、RGB背景光源和工业触控电脑。这里引用结构是为了说明样本怎样进入观察区域，不能由此推导特定样本的准确率，也不能把工业设备的型号参数当成训练数据的质量证明。配图为该型号设备实拍，物料图片仅作外观场景说明。
复核记录至少分清三个动作：人工按定义判样、系统给出结果、人工检查结果中的争议样。记录各自使用的定义版本和样本范围，再列出需要回看的情况。如果要比较两次结果，尽量固定采样方法与观察条件；若条件改变，应另起一轮，不直接混成一个平均值。对重复图片或同一实物的多次拍摄，也要注明关联关系。
实际分选的评价还需同时看两端。保留端关注目标异色残留，剔除端关注正常料带出，原料另留一份。抽样质量、时段和计数方法要写明，不能只凭保留料照片更整齐就判定方案改善。若统计比例，应先声明分子和分母的口径；没有形成稳定抽样流程时，先保留观察记录，不急于输出看似精确的百分比。
常见问题之一是能否把颜色一致直接标成材质相同：不能，材质和物性需要对应检测。另一问题是每次清洁是否都要建新版本：至少应留下时间标记，便于检查前后条件。争议标签怎样处理？暂列复核组，保留原始证据与讨论结论，不把不确定样本强行分给某一类。短时小样是否代表整批？还需连续运行与代表性取样。
交接时可以按批次提供原始图片、样品索引、标签定义、采集条件和复核记录五部分资料，并列出尚未解决的问题。文字与图片先建立真实对应关系，再考虑自动汇总或可视化。这样的基础记录不依赖特定算法，却能减少排查时的猜测。本文经AI辅助整理，配图为实拍参考，未声称实施了任何未验证的实验。
