📘 工业视觉 · 需求分析
🎯 30章 项目实战目录
01
工业视觉概述
定位·测量·检测·识别
vs计算机视觉
02
需求分析基础
定义·重要性
生命周期位置
核心目标
03
项目启动与干系人沟通
识别干系人
调研会议
访谈提纲
04
现场调研方法
5W1H
流程记录
产线环境
05
成像系统需求分析
相机·镜头·光源
分辨率·帧率·焦距
06
光学系统设计约束
工作距离·视野
景深·偏振·滤光
07
检测需求量化
精度mm/pixel
节拍·缺陷类型
08
定位需求分析
定位精度·基准
坐标系转换
09
测量需求分析
公差范围·GR&R
校准与标定
10
识别需求分析
OCR/OCV
条码·字符集
11
软件功能需求
UI/UX·数据追溯
报警·日志
12
通信与集成需求
Profinet/EthernetIP
MES·I/O
13
性能指标需求
处理时间·可用性
并发能力
14
环境适应性需求
温度·IP等级
电磁兼容EMC
15
安全与合规需求
CE/UL·数据隐私
操作安全
16
需求文档编写
SRS结构
MoSCoW·追溯矩阵
17
需求评审与确认
评审会议·签字
变更管理
18
原型验证与POC
概念验证·实验平台
快速验证
19
需求分解与分配
子系统·硬件/软件
接口需求
20
风险评估
技术·供应链·进度
成本风险
21
需求跟踪与变更管理
RTM·CCB
变更影响分析
22
案例：电子PCB检测
检测项·精度·节拍
23
案例：汽车零部件测量
测量基准·公差·GR&R
24
案例：食品包装检测
缺陷·速度·卫生
25
案例：物流读码分拣
读码率·线速度·尺寸
26
需求分析工具
Jama/Doors
Visio·Axure·Figma
27
需求分析最佳实践
常见误区·复用策略
持续沟通
28
从需求到方案设计
技术方案·SDD结构
评审要点
29
验收标准制定
验收测试·KPI
FAT/SAT
30
课程总结与进阶
能力模型·学习资源
AI与深度学习