ARTICLE · 1060068
工业检测软件如何做 AI Agent(5)
工业检测软件如何做 AI Agent(5)
一次完整的三维检测，通常从扫描开始。操作人员连接设备、配置参数，采集工件表面，生成点云或网格；随后将数据导入检测软件，完成对齐、特征提取、评价和报告。 当扫描与检测依靠文件交接时，几何数据可以传递，检测任务却容易中断。检测要求很难进入采集过程，扫描质量问题往往到评价阶段才被发现。关键区域需要补扫时，操作人员还要重新切换软件，确认数据、坐标和对象关系。 三维扫描与三维检测之间需要解决的核心问题，是如何保持检测任务的连续性。本文围绕这个问题展开：扫描能力如何进入检测任务，采集数据如何持续服务于检测过程，以及两类软件如何在保持专业边界的同时形成一套完整流程。 这也是工业检测软件走向智能化之前需要先回答的问题：数据采集、检测对象和任务状态，应该以什么方式被系统组织起来。 三维扫描首先解决数据采集问题：如何连接设备，如何让设备按照合适的参数工作，如何获得覆盖充分、质量可靠的点云或网格数据。 扫描软件通常负责设备通信、参数配置、采集控制、点云或网格生成、实时质量反馈和异常处理。不同设备在硬件、通信协议和采集算法上各有差异，这些复杂性由扫描软件吸收和封装。 三维检测解决数据使用问题：如何把采集数据纳入具体任务，如何与理论模型建立关系，如何提取几何特征，如何执行尺寸、公差和偏差评价，以及如何形成可追溯的检测结果。 检测软件因此需要管理理论模型、检测项目、坐标系和对齐关系，并组织测量数据、几何特征、评价结果和检测报告。 扫描软件面向设备，检测软件面向任务。清晰的职责分工，是两者进一步协同的基础。 
传统流程中，扫描软件生成点云或网格，检测软件再通过文件读取数据。文件能够传递几何信息，检测需求却很难随之完整传递。 例如，检测任务要求评价某个关键区域、一组安装孔或一个装配接口。这些要求既决定最终计算什么，也决定扫描时应当关注哪些区域，以及这些区域需要达到怎样的覆盖范围和数据质量。 扫描与检测彼此分离时，扫描软件缺少这些任务信息；检测软件拿到文件后，只能判断现有数据是否足够，很难及时影响采集过程。常见的断点包括： 检测要求没有进入扫描过程； 扫描质量问题到检测阶段才被发现； 坐标、对象和任务关系可能需要重新确认； 关键区域补扫时，需要在两个流程之间往返； 检测结果无法及时决定继续采集、局部补扫或结束任务。 这些断点的共同原因，是扫描过程缺少检测任务的上下文。扫描软件知道怎样连接设备、怎样采集数据，却不知道当前任务要评价什么、哪些区域更重要，以及怎样的数据才足以进入后续评价。 要让扫描获得这些上下文，需要从架构层面重新安排两者的关系。一个可行的思路，是把扫描从独立主流程“降级”为检测任务中的数据采集子任务。这里的“降级”指任务层级的调整：扫描软件继续承担设备适配、采集控制和数据生成，检测软件则带着工件、理论模型、检测项目和质量要求调度扫描，并决定何时开始、是否补扫以及何时进入评价。 这种任务关系需要稳定的系统基础。系统既要向扫描子任务传递检测上下文，也要接收采集数据和质量状态，并持续维护测量对象、坐标关系和任务进度。缺少这些基础结构，扫描即使能够被调用，也仍然只是一个孤立功能。 从用户操作看，扫描可以保留独立界面，也可以嵌入检测软件；从产品部署看，两类软件也可以独立安装、授权和升级。这些外在形态可以根据产品现状选择。更关键的是任务关系：检测任务负责组织流程和传递上下文，扫描能力负责完成其中的数据采集环节。 两类软件可以通过 SDK、API 或其他标准接口建立连接。扫描软件向外提供设备连接、参数配置、任务启停、测量数据、扫描质量、任务状态和异常信息。检测软件利用这些能力组织采集过程，无需了解每台设备的通信细节和内部算法。 这种连接包含三条通路。 控制流传递设备连接、参数设置、任务启停、暂停、恢复和补扫等指令，回答“扫描子任务应该执行什么”。 状态流返回设备状态、采集进度、跟踪稳定性、区域覆盖率、质量信息和异常状态，回答“扫描进行到了哪里，当前数据是否可用”。 扫描软件判断设备是否稳定、数据是否形成、覆盖是否充分；检测任务进一步判断这些数据能否支撑特征提取、对齐和正式评价。两类质量判断彼此衔接，关注点各有不同。 对人工操作者而言，状态流用于判断当前是否需要继续、补扫或确认；对后续的智能体而言，状态流构成了任务上下文的一部分。它需要知道当前使用哪台设备、已经完成哪些采集、哪些区域质量不足，以及下一步有哪些可执行动作。 数据流传递点云、网格、标志点、局部特征数据和最终采集结果。实时数据和大型网格可以使用独立的数据通道，任务控制与状态查询则通过稳定、轻量的接口完成。将控制与数据分开，有助于降低设备适配、任务组织和数据处理之间的耦合。 “检测要求指导扫描”也可以分阶段实现。初期提供重点区域提示、覆盖检查和补扫建议，后续再扩展到参数调整和自动化路径规划。 调用扫描能力，只解决了采集入口问题。复杂任务还需要持续管理测量对象、数据谱系、空间关系、任务状态和检测结果。新设备、新数据类型和新应用场景进入系统时，能否复用已有结构，也取决于这些基础模型是否稳定。 检测系统需要记录原始数据如何形成点云或网格，几何特征由哪些数据提取，特征服务于哪个检测项目，评价采用了什么规则，结果最终进入哪份报告。 这些信息构成数据的来源和处理链。如果系统只传递一个网格文件，其设备来源、采集过程和评价依赖容易在软件切换中丢失，操作人员还需要重新建立对象和项目之间的关联。 三维检测中的数据可能来自不同设备、不同测量阶段，甚至多个零部件。系统需要明确数据属于哪个测量组、位于哪个坐标系、不同坐标系如何转换，以及数据如何与工件、CAD 模型和检测基准对应。 测量组是检测任务中的数据组织单元，用于归集同一测量对象、同一采集阶段或同一坐标条件下形成的数据，并记录设备来源、坐标变换和任务归属。 这些关系明确之后，扫描数据、标志点、光笔测量、接触式测量和跟踪测量等多源数据，才能在同一任务中协同使用。 当检测对象、数据来源和空间关系被持续组织起来，系统保存的就不再只是点云、网格和报告，也包括一份可以读取的检测任务状态。 一次检测任务会随着采集、评价和操作持续变化。系统需要知道哪些区域已经采集，哪些区域质量不足，哪些特征已经获得，哪些项目已经完成，哪些结果需要人工确认，以及当前是否可以生成正式报告。 这些状态使检测要求能够持续影响采集和评价： 数据谱系回答“结果从哪里来”，空间关系回答“数据在什么位置”，任务状态回答“当前完成了什么、下一步做什么”。三种连续性共同构成完整检测任务的基础。 系统设计是否合理，还要看任务变复杂时，它能否继续承载新的对象、数据关系和状态变化。下面三个场景分别检验数据与特征、空间关系和动态任务三个层次。 薄壁工件上的孔、边缘或装配接口，往往需要比普通表面更有针对性的采集。检测任务提前定义关键特征的位置、精度和数据质量要求，扫描过程据此优先采集相关区域。 系统可以检查关键区域的覆盖、噪声和有效数据分布。满足条件时进入特征提取和评价；出现遮挡、数据稀疏或采集方向不合适时，则提示操作人员调整视角或局部补扫。 某些场景还会同时使用工件表面数据和专项采集的边缘数据。两类数据进入同一坐标体系后，共同构成孔或边界特征，并参与基准、尺寸和公差评价。 装配干涉检测通常涉及多个零部件。客户希望在一套连续流程中完成数据采集、空间关系建立、间隙和干涉分析，并直接查看结果，减少扫描与检测之间的反复跳转。 系统需要为各个零部件建立测量对象，采集相应表面数据，再依据装配基准把它们放入同一空间。只有装配对象、测量组、坐标系和理论模型之间的关系保持连续，扫描结果才能直接用于间隙、接触和干涉区域分析。 装配指导面对的是动态过程。已安装结构、待安装零件和理论模型具有不同的空间状态；待安装零件在移动过程中，位置、姿态和装配状态还会持续变化。 
单独的扫描、跟踪或偏差计算，只能解决其中一个局部问题。系统还需要用不同测量组组织多个装配对象，建立现场坐标与理论模型之间的关系，将待安装零件的扫描数据与实时位姿关联，并管理“待安装—移动中—接近目标—就位确认—已安装”等状态变化。 这个场景检验的是系统对复杂任务的承载能力。扫描、跟踪、坐标映射、偏差评价和干涉判断只是组成能力；测量组、对象关系、动态坐标和状态模型，才让这些能力形成一项连续的装配指导任务。 SDK、API 等接口解决设备连接、任务启停、数据获取、状态查询和异常返回。把扫描能力接入检测任务，只完成了第一步。扫描数据要持续服务于检测，还需要一套平台框架来组织对象、数据、坐标、状态和结果。 这套框架定义各类对象之间的关系和任务运行规则，具体扫描、检测和跟踪能力按照这些关系参与任务。完整任务所需的数据模型、坐标关系、状态变化、模板复用、结果追溯和多软件协同，也由此获得统一的组织方式。 在人工或半自动检测场景中，检测软件最接近检测要求、特征、评价和报告，可以直接承担任务组织职责。在机器人扫描、产线检测或多设备协同场景中，上层自动化系统也可以成为总调度者，扫描软件和检测软件分别以服务形式提供能力。 两类架构都需要满足几个共同条件：检测上下文能够进入采集过程，扫描数据和质量状态能够返回当前任务，三种连续性能够跨环节保持，各类专业能力可以独立部署和演进。 当检测软件承担任务组织职责时，两类软件的关系可以概括为： 扫描软件围绕设备提供稳定能力，检测软件围绕任务组织测量和评价，两者通过标准接口协同工作。 三维扫描服务于设备和数据采集，三维检测服务于完整检测任务。 两者的一体化，既需要稳定的能力接口，也需要一套能够承载测量对象、数据关系、坐标体系、任务状态和检测结果的平台框架。软件可以独立部署，界面可以根据场景组合，能力也可以持续演进。稳定不变的是任务关系：检测上下文进入采集过程，扫描结果持续服务于后续评价。 当检测要求能够指导扫描，扫描质量能够实时反馈，补扫能够在任务中完成，多源数据能够进入统一坐标体系，检测结果又能够驱动后续操作时，扫描便从检测之前的孤立步骤，转变为检测任务中的一种可调用能力。 再往前一步，这些被持续组织起来的对象、数据、空间关系和任务状态，也构成了检测软件可以提供给 AI Agent 的上下文。Agent 需要知道当前检测什么、已经完成什么、数据是否足够、下一步还缺什么，才有可能规划采集、安排评价或请求人工确认。 因此，三维扫描与三维检测之间的任务组织，既服务于今天的软件协同，也是在为未来的检测智能体准备上下文。
OpenAI 最近公布，一款训练不到一个月的新模型，在 24 天内攻克了一百多道世界级数学难题。面对这样的进展，数学家 Figalli 提出了一个意味深长的判断：数学家的角色，正在从“解题的人”，变成“判断哪些题值得解的人”。
这或许不只是数学正在发生的变化。当智能可以被持续生产，解决问题的能力逐渐变得普遍，人类真正的价值才会重新显现出来——发现问题，定义问题，并判断一个问题为什么值得解决。
这篇文章尝试去发现、定义和判断的，是在做检测智能体时，如何看待和处理三维扫描和三维检测的关系。
三维扫描与三维检测：从数据采集到检测任务的一体化
一、三维扫描和三维检测，分别承担什么职责
三维扫描解决“如何获得测量数据”，三维检测解决“如何使用这些数据完成评价”。
二、从文件交接到任务连续
检测任务→ 调度扫描子任务→ 获取数据和质量状态→ 判断是否满足检测要求→ 进入评价或继续采集
三、扫描能力怎样进入检测任务
1. 控制流
2. 状态流
3. 数据流
检测软件定义任务→ 调用扫描能力完成采集→ 获取数据和质量状态→ 判断继续、补扫或结束采集→ 将数据纳入检测对象→ 执行评价并输出报告
四、完整任务需要保持三种连续性
1. 数据谱系的连续性
2. 空间关系的连续性
3. 任务状态的连续性
检测要求→ 指导数据采集→ 获取质量反馈→ 判断是否补扫→ 进入检测评价→ 根据结果继续操作或归档
五、三个场景中的任务连续
1. 关键特征测量：检测要求进入采集
2. 装配干涉检测：多对象进入同一空间
建立装配对象→ 采集多个零部件→ 建立统一空间关系→ 进行间隙和干涉分析→ 输出问题区域
3. 装配指导：检测结果进入过程控制
建立装配对象和全局基准→ 获取待安装零件的实时状态→ 映射到理论装配空间→ 计算偏差和干涉风险→ 指导调整→ 确认就位并更新状态
六、从能力接口走向检测任务平台
扫描软件负责设备和数据采集↓ 标准能力接口检测软件负责检测任务、数据、坐标、状态、评价和报告