非功能性指标

一、视觉成色 AI 非功能性指标
二、检测结果结构化指标
三、分级一致性监控指标
四、总结

针对 Phase 1（视觉成色 AI + 检测结构化 + 分级一致性监控），非功能性需求（Non-Functional Requirements, NFRs）主要关注系统的 稳定性、可用性、性能、可维护性 等，而不仅仅是模型准确度。下面我给你列一套可落地指标，既贴近小团队，也贴近运营目标。

一、视觉成色 AI 非功能性指标

指标类别	指标	建议目标 / 说明
准确度 / 精度	Top-1 Grade Accuracy	≥85%（作为辅助工具即可，人工复核灰区）
	Top-2 包含率	≥95%（辅助 QC 时保证不漏判）
置信度输出	Confidence Calibration	模型输出概率与真实概率偏差 < ±10%
处理速度	单张图片处理时长	≤1秒 / 张（保证 QC 流程顺畅）
吞吐量	批量处理能力	≥500–1000 台/批次（根据业务高峰需求）
可用性	系统在线率	≥99%（内部使用，不需要面向客户，但不能长时间挂掉）
可解释性	输出可视化标记	每个划痕/瑕疵在图片上标记，方便人工复核
可维护性	模型更新 / 迭代	支持快速微调（每次迭代 ≤1天），方便业务标准调整
一致性监控	批次分布异常检测	能实时报警单个 QC 或批次偏差 ≥2σ

二、检测结果结构化指标

指标类别	指标	建议目标 / 说明
数据完整性	每台设备输出字段完整率	≥99%
数据标准化	型号 / 品类统一命名比例	≥98%
接口可靠性	API 响应成功率	≥99%
数据延迟	结构化数据可用时延	≤1分钟（QC 流程实时反馈即可）

三、分级一致性监控指标

指标类别	指标	建议目标 / 说明
批次一致性	同一批次 Grade 偏差	单批次 Grade 偏差 ≤5%
人机一致性	AI 输出与人工复核一致率	≥90%（灰区由人工复核）
异常报警	批次异常识别准确率	≥95%（避免漏掉 QC 异常）
报告生成	自动生成 QC 异常报告	≤5分钟生成完成，供主管查看

四、总结

Phase 1 的非功能指标 核心目标：

辅助而非替代 → 准确率不需要 100%，保证高置信度灰区可复核即可
实时/高吞吐 → QC 流程不能被模型拖慢
一致性可控 → 批次、人员差异被量化、可报警
可维护可迭代 → 小团队可以快速微调标准

如果你愿意，我可以帮你画一张 Phase 1 指标矩阵图，横向是 AI/数据/监控模块，纵向是性能、准确度、一致性等 NFRs，直观展示每个指标目标和落地方式。

你希望我画吗？