先让需要判断的特征在图像中可见
羽毛外观检测首先是成像问题。羽缘缺口、羽尖状态和羽杆走向需要足够的清晰度与对比度；物料重叠、阴影和运动模糊可能掩盖这些特征。不能仅凭单张清晰照片推断现场连续检测效果。
建立固定的视角、光照和触发条件，记录正常变化范围，再检查不同批次和姿态下的图像。对无法稳定成像的特征，先调整上料、定位或光学条件，再决定识别方式。
羽尖缺损与天然羽缘需要不同的判定依据
羽尖破损可能改变外轮廓，也可能表现为局部羽枝缺失。天然形态差异同样会产生不规则轮廓，因此“轮廓不平滑”不能直接等同于缺陷。应使用正常变化样本和人工确认的缺损样本建立标准。
本网站展示的缺损照片来自项目真实采集，适合说明需要关注的位置。交互演示采用预设流程结果，不是在线推理或准确率测试，项目效果仍需在约定采集条件下验证。
弯曲程度与羽杆位置如何影响分类
弯曲可以结合羽杆走向、整体轮廓和业务定义进行判定。图像中的偏转可能由放置角度产生，也可能反映真实形态变化，需要先明确姿态控制和判定基准。单一视角不一定能完整反映空间弯曲。
羽杆位置可作为多维分类的一项依据，但不能脱离尺寸、羽体形态和成像范围单独设定通用阈值。对接近边界的样本，保留人工复核和规则调整路径比强行输出确定类别更实用。
尺寸类别与实际尺寸测量的区别
模型输出的尺寸类别，并不自动等于以毫米表示的测量结果。若需要实际长度或宽度，应在固定成像几何条件下标定像素与实际尺寸的关系，并评估镜头畸变、物体高度和姿态对结果的影响。
验收时应明确需要的是规格分类还是尺寸测量，以及参考量具、容差和重复性要求。改变相机位置、镜头或输送高度后，应重新检查标定是否仍然有效。
让多维识别结果成为可追溯的分选依据
FeatherSort 围绕羽尖状态、羽杆位置、弯曲程度、羽体形态和尺寸类别组织识别结果，再结合业务规则生成分选决策。不同客户的分级标准可能不同，规则需要按项目确认。
保存样本图像、识别结果、规则版本和人工复核记录，能够说明一次分选是如何产生的。模型或规则更新后，应使用固定回归样本与新的现场样本联合验证，避免只改善某一类而影响其他类别。
- 明确每一维特征的名称、判定条件和边界。
- 约定多项特征冲突时的规则优先级。
- 分别统计各类别误判、复核和异常图像。