先写清楚检测目标和判定结果
说明要检测的物料、需要发现的缺陷或差异，以及检测结果会触发什么动作，例如剔除、分级、复核或仅记录。目标不同，对成像、算法和设备接口的要求也不同。
同时写明不需要检测什么。边界清楚，才能判断一个视觉方案是否真的解决了现场问题。
收集有代表性的正常样品和缺陷样品
样品应覆盖批次变化、颜色或纹理差异、姿态变化和常见缺陷程度。只用外观明显、容易区分的样品，会让评估结果偏乐观。
对每个缺陷样品，记录来源批次、缺陷位置和人工判定结果。边界样品要由现场人员确认，避免模型学到彼此矛盾的标准。
确认成像条件能让目标特征可见
在拟使用的相机、镜头、光源、背景和输送条件下采集图像，检查缺陷是否有足够的清晰度和对比度。如果目标特征在图像中不可见，应先调整光学和机械条件，再讨论算法。
运动模糊、反光、阴影、遮挡和物料重叠，都可能让离线图像表现与连续生产不同，需要在现场条件下验证。
列出设备、接口和异常处理要求
整理相机、工控机、PLC、传感器和执行机构的型号与接口，说明触发信号、通信协议、工件标识和执行反馈是否可用。再约定采集失败、推理超时、通信中断和未知类别的处置方式。
- 现有设备清单和接线或协议资料。
- 目标节拍及连续运行的时长要求。
- 异常发生时由哪一方停机、剔除或复核。
提前约定验收样品和统计方式
验收应使用独立于调试过程的样品，并按类别统计漏检、误剔除和待复核情况。同时记录软件版本、规则版本、设备配置和采集条件，便于复现与后续比较。
如果项目涉及多个阶段，可先做样品成像评估，再决定是否进入原型验证和现场集成。每一阶段应写明输入条件、交付内容和判断标准。