本文节选自文章《供应链图像质量管理》。
确定合格/不合格标准是一项挑战，需要在系统性能、组件成本和制造良率之间进行多方面的权衡。
理想情况下，在设计相机系统的研发阶段，应该选择合适的镜头、传感器、信号处理和相机机身组件，以充分执行您需要执行的人类和/或机器视觉任务。
对于人类视觉，您可以考虑一系列与感知相关的图像质量因素，例如 ISO CPIQ 或 VCX 标准中包含的因素。
对于机器视觉而言，图像质量至关重要。如果系统提供的图像质量不足，计算机视觉任务将会失败。除了传统的图像质量因素外，信息指标也应被视为一种质量因素，它能够在一次测量中同时考虑清晰度和噪声。
一旦确定了成像系统的组成组件，就应该构建并测试一系列样机。这些样机的质量将取决于您和供应商的制造和组装工艺的精度。
在制造业中，“ 黄金样品”指的是一个完美制造的组件。如果您使用单个黄金样品来设定合格/不合格标准，则需要对该样品进行多次重复测试，以确定其在传感器噪声和其他因素造成的变异情况下的最低质量标准。此外，您还应该考虑在生产线的哪个位置进行测试，以及质量阶梯对质量损失的影响。
但如果您只考虑一个“黄金样品”，您可能会发现其他一些性能略逊于黄金样品但“足够好”的相机也会被判定为不合格。因此，我们引入“铜牌样品”的概念，用来表示那些勉强满足您需求的设备，但如果其质量再差一些，就应该被判定为不合格。您应该根据应用需求（见上文）选择一个铜牌样品。然后，您应该将合格/不合格标准设定在略低于铜牌样品性能的水平，这样您的铜牌样品就能始终通过测试。
随着生产规模的扩大，您应该考虑生产良率。如果您选择的合格/不合格阈值导致生产良率过低：
为了提高质量，您可能需要重新考虑组件的选择（返回研发）。
您可能需要提高对供应商的质量要求，并加强来料质量控制环节。
在相机子组件的最终组装过程中，您可能需要提高内部制造公差。
如果您在选择相机时需要更多帮助， Imatest 咨询服务可以帮助您更好地了解相机质量，从而做出更明智的决定。