包装过程在线点检

包装是产品出厂前的最后一道人工工序，也是最容易「看起来没问题」的一道：箱子封好了， 里面少一份说明书、少一块背板、泡沫纸没垫，从外面都看不出来。等到客户拆箱才发现，代价就从几毛钱的物料变成退换货、客诉和返工。 难点在于这道工序节拍快、动作碎、料件多为白色薄软物，且经常换型换箱规。

识别什么

以俯拍工位为主视角，识别包装过程中的关键节点：起点底板、泡沫纸、纸箱、纸箱翻转、背板、说明书、终点底板。 右侧工作流随识别结果逐步打勾；异常可回看画面与检测记录。

运行界面的「检测记录」按件留一行：每步一列打 OK 并记时间戳，末列给总耗时。 本工位实测单件在 32–39 秒之间，异常件的耗时会明显偏离——这本身就是一个可用的巡检线索。

系统链路

工位相机进流后，在边缘智能体完成本地推理；大模型负责「看见」，状态机负责「算不算做完」。 原始视频不出厂，现场只保留步骤结果与可复核片段。

为什么用少样本 + 状态机，而不是「一工位一专用模型」

包装的箱规、内衬、随箱文件跟着产品走，换型比装配更频繁。专用小模型每次换型都要重训，上线慢、难复制。 视觉大模型用 1–10 张样本即可配置新目标；状态机把「看见」编排成可验收的 SOP——改步骤是配置变更，不是重新立项训练。

包装料件多是白色薄软物，还常隔着透明袋：泡沫纸会皱、说明书会歪、背板贴着箱壁。 这类目标用框回归很难贴合，本方案用像素级语义分割——每类 1–10 张现场样本即可设定，输出掩膜后做存在与面积判定。

本页视频工位要认 5 类目标、走 7 步（底板既是起点也是终点），与运行界面「检测记录」的列一一对应： 底板 · 泡沫纸 · 纸箱 · 背板 · 说明书。 底板用于判起点/终点在位，其余按包装顺序逐件确认。

「翻转纸箱」不另建类别：同一个纸箱掩膜，翻转前后的长短轴比与主轴角度会明显变化，用角度检测原语区分即可。 少一类目标就少一轮标注，也避免了「翻转前」「翻转后」两类互相混淆。

分割只负责看见像素。业务要的是「泡沫纸到位」「说明书放入」这类可判定事件。 事件清单本身在状态机里定义，判定逻辑在 GPU 事件编排器里搭：从原语库拖判定积木、配参数， 再用「与 / 或 / 非」组合成成立条件。改判定只动参数，不必重训模型。

右侧工作流不是展示清单，而是 SOP 状态机：状态、事件、动作三份清单在这里定义， 再决定「处在哪个状态、收到哪个事件、跳到哪一步、同时执行什么动作」。 顺序强制不靠额外写 NG 规则，而是靠「非预期事件一律自环」：跳步不推进，缺步走不到终点。 需要报警或写记录时，把动作 (A) 挂在对应转移上。改手顺只改这份配置，不必重训分割模型。

视频工位的状态与事件绑定（S0–S6 / E0–E6）

配置界面用张量流把节点连起来，两列一读就懂：左列感知（相机 → 图像预处理 → 语义分割），右列判定（事件探测 → 状态机）。 判定逻辑不是单独的节点，而是「事件探测」里为每个事件搭的原语组合。 下面这张图就是包装工位已挂载的配置；同一份配置跑起来逐步打勾的样子，见页首视频。