Skip to content
L3精通

判据与验收:一条判据该写成什么样 ​

这一页回答的不是"测什么",而是**"这条判据能不能执行、能不能复现"**。

同类问题在站内有另一份清单:测量标准索引 的末节列了"如何判断一份测量报告的可靠性"(标准版本、仪器校准、环境、几何、预热、观察者、不确定度、原始数据)。两者职责不同,不要混用:

你手上的问题该看哪里
这份报告能不能信?测量标准索引 的可靠性清单
这条判据能不能执行、能不能复现?本页
数据怎么记、字段怎么摆?测量数据模板与字段规范

本页按三段式走:先看一条判据的五要素骨架(概念)→ 再按口径岔路、区域与场景、目视条件、统计与留痕落地(会用)→ 最后看"环境怎么写成判据"与判据模板(原理与可复制形态)。

一、骨架:一条判据的五要素 ​

① 度量与口径   测什么、怎么算(例:白场亮度 / 中心点 ΔE / 九点亮度均匀性)
② 测点与区域   几处、在哪、含不含边角
③ 条件         工况(模式、亮度、预热)+ 信号(图案、APL、范围、抽样)
                + 仪器(型号、校正、观察者、几何)+ 环境
④ 目标与容差   目标值 + 容差 + **统计口径**(均值 / 最大 / 分位数)
⑤ 判定规则     全测点达标?分区判定?例外条款?抽样还是全检?

⚠️ 缺任一项,同一条判据就能合法地得出两种结论 —— 一方判合格、另一方判不合格, 而两边都没算错。争议几乎都来自这里,而不是来自测量本身。

✅ 两套"五要素"是同一件事的两种粒度,不是两套标准: 上面这条是框架(把一条判据完整描述清楚); 各指标专项页里列出的"① 度量 ② 统计口径 ③ 条件 ④ 抽样 ⑤ 例外"是落地清单 —— 统计口径对应框架④里的一部分,抽样与例外对应框架⑤。 两者可以互相推导,写判据时用哪种粒度都可以,但同一份文档里不要混用。

✅ ③ 条件要写到什么程度、跨来源比较需要对齐哪几项、以及什么情况下两个数字根本不能比, 见 测量标准索引 的可比性清单。

二、口径的四个岔路:同一块屏,不同结论 ​

岔路常见选择选错会怎样
统计量平均值 / 最大值 / 95 分位定"平均值"等于允许局部超标 —— 局部缺陷会漏
参考对象相对目标 / 相对中心点 / 两两之间三种口径数值不可比(见 显示均匀性)
测点集合含边角 / 不含边角往往是全屏最差处,不含就把问题抹平
评估单位单点 / 分区 / 全屏一个数一个数会把"四角发暗"这类问题摊平

✅ 一句话口诀:容差定在哪一类统计量上,就决定了哪一类产品会被拦下来。 写判据时先问"我要拦什么",再选统计量 —— 顺序反了就会出现"明明有坏屏却全都合格"。

三、区域与场景:容差不该只有一个 ​

分区:单屏通常分中心区 / 中间区 / 边缘区,各区容差不同。

三种目标不能混(同一批数据可以同时支撑三种判定,但容差与优先次序不同):

目标含义典型场景
绝对准与标准目标一致单台校准、认证测试
一致性彼此之间一致(相对量)多屏、拼接(见 同温不同色)
均匀性屏内一致单屏内部(见 显示均匀性)

⚠️ 并列比较对"相对差异"更敏感 —— 同一批屏,各自绝对准的判据可能宽松, 但并排放时人眼立刻看出差别。所以拼接与多屏要单独定更严的一致性容差。

场景最该定严的是
单屏办公 / 家用中灰阶观感、白场四角
并列比较 / 多屏彼此一致性(亮度与色度)
拼接 / 数字标牌相邻一致性、缝两侧差异
专业创作白点与灰阶的绝对准 + 色域覆盖
医疗质控灰阶符合度与基线漂移(见 医疗显示灰阶质控)
出厂抽检判级与抽样方案(见 产线测试与老化)

四、目视判定:条件即判据 ​

必须绑定的七项:

① 距离   ② 视角   ③ 环境光   ④ 灰阶与图案
⑤ 适应时间(先看什么、看多久)  ⑥ 观察者(人数与个人差异)  ⑦ 复核方式

"可察觉"与"可接受"是两套阈值,别混用:

含义性质
可察觉感知阈值 —— 能不能看出来物理与心理物理量
可接受使用与商业要求 —— 允不允许产品与合同约定

⚠️ 用"可察觉"当判据会过严(几乎一切都判不合格);用"可接受"却不写条件, 会变成不可复现的口头结论。两者都要写,且写清各自的取值来源。

复核与盲法:多人复核、位置交换(消除个人的色适应与相邻对比影响)、必要时盲测。 主观评估的方法与局限见 PQ 主观评估, 观察条件见 对色灯箱与观察条件。

环境怎么写成判据(翻译规则) ​

环境不是"背景信息",而是判据的一部分 —— 缺了它,判据无法重放。

环境参数判据里怎么写
环境光 / 照度写明"暗室(环境照度低于某量级)"或"明室(给定照度范围)",并记录实测值
背景与周边写明背景亮度与颜色(如中性灰背景、避免高对比相邻)
观看距离写明距离,或按屏高倍数表示
视角写明"正视"或指定偏角(口径见 视角与光学补偿)
适应状态写明先看什么、看多久(暗适应与明适应结果不同)
温湿度涉及亮度与色度的项目必须写

明室与暗室各判什么:

环境适合判
暗室黑位、对比度、漏光、Mura、低亮度表现
明室(受控)反射与眩光、日常观感、可读性

⚠️ 同一个项目在两种环境下的结论可能相反(最典型是漏光与 Mura)—— 这也是"先用对的环境,再谈判据"的原因。环境设施与控制见 暗室与环境控制。

判据文本骨架(可直接套用):

在【环境】下(环境照度 X、背景 Y、距离 Z、视角 正视、适应时间 T),
用【图案】(全黑 / 灰阶 / 渐变 / 特定内容)观察,
由【观察者与复核方式】判定,
判定标准取【可察觉阈值 / 可接受阈值】,来源为【规格书 / 合同 / 标准】。

五、判定规则与统计口径 ​

  • 写清"达到什么条件判合格" —— 是"全部测点都达标",还是"允许 N 个测点超差",还是"分区各自达标";
  • 例外条款:某些项目超标直接判不合格,不参与加权(例:不可补偿项,见 偏色与补偿 的可补性边界);
  • 重复性也要写进判据:同一台机、同一条件重复测量的允差 —— 否则"两次结果不同"无法判定是设备问题还是方法问题;
  • 判据要能"重放":换人、隔天、按判据文字重做,应得到同一结论。

✅ 判据里"临界值附近怎么判"依赖测量不确定度:简单验收还是 guard band、判定限怎么定, 见 测量不确定度与判定规则。

六、抽样、全检与留痕 ​

项要点
全检 vs 抽检由缺陷的可探测性与后果决定;抽样方案的强度依赖过程是否受控(见 质量工具与数据分析)
抽检结论的强度抽检合格 ≠ 全批合格 —— 结论强度取决于抽样方案与过程稳定性
基线优先同批/同机的历史对比,往往比跟绝对目标比更能发现问题(医疗质控的做法可借鉴)
判据变更要留痕改了容差或口径,趋势图会出现断点,容易被误读成工艺漂移 —— 变更时间与原因必须记录

✅ 抽样方案的要素(样本量 / 接收数 / 拒收数)、AQL 与 LTPD、OC 曲线与两类风险, 见 抽样与验收方案。

七、常见误区 ​

误区说明
"容差写了百分比就够了"没写统计口径(均值 / 最大 / 分位)
"两个报告都写 ΔE < 2 就能比"公式、色块数、测点与条件可能都不同
"目视看着差不多就行"没绑条件、没多人复核,结论不可复现
"可察觉就是不合格"感知阈值与商业阈值是两套
"改了判据没人知道"趋势断点会被误读为过程漂移
"抽检过了就代表全批"结论强度取决于抽样方案与过程是否受控
"多测几次取最好的"判据必须写重复性规则,不能挑结果
"条件是记录用的,不影响判据"条件即判据的一部分 —— 换条件就是换判据

八、判据模板(可复制) ​

写判据时不必每次重新想格式,按下面的骨架填空即可:

markdown
### <判据名称>

**判什么**:<指标 + 类别,例如"灰阶追踪(ΔE,CIEDE2000,最大值)">
**怎么测**:<方法 + 仪器 + 测点 / 图案>
**条件**:<模式 / 亮度 / 色度抽样 / 环境光 / 温度 / 预热时间>
**统计量**:<均值 / 最大值 / 95 分位 —— 选一个并写明>
**判据**:<阈值 + 超差的判定级别>
**例外**:<哪种情况不算不合格(可选,但写了能少一半争议)>
**留痕**:<原始数据、条件快照、变更记录>

填空时的三条硬要求

要求为什么
条件写全缺一项,同一条判据就能合法地得出两个结论
统计量写明均值好看而最大值可能很差
阈值有出处来自客户规格 / 标准章条 / 内部规范,写进判据里

✅ 三份可参考的实例(各自领域不同):车载的阳光下可读性、 参考级的色彩判据、 拼接的一致性判据。

📋 判据接口:本页属判据与治理类 —— 依此页结论做判定时,除通用条件外还必须附带 判据字段集 · 判据与治理类 所列字段(共 7 项):这条判据能不能执行、能不能复现、边界在哪? 缺任一项,结论不可复核,只能作降级表述。

关键概念速查 ​

通用术语见 统一速查(由统计生成,只在一处维护)。

术语英文含义
判据Acceptance Criteria判定合格与否的规则集合
容差Tolerance允许的偏差范围
统计口径Statistical Basis用均值 / 最大 / 分位数等哪一类统计量判定
分区判定Zone Grading分区分别定容差
可察觉阈值Just-Noticeable Difference感知上刚能分辨的差异
可接受阈值Acceptance Threshold使用或合同允许的差异
重复性Repeatability同条件重复测量的接近程度

相关文档 ​


数据来源:本页为方法论整理,不含具体容差数值 —— 容差随依据的规范与项目规格变动, 请以规范原文、规格书与合同为准。

本站为个人学习整理(含 AI 辅助),内容整理自公开标准与公开资料,未经本站独立实测,仅供学习参考,不构成专业建议;文中提及的商标归各自权利人所有 · 免责声明 · 隐私与条款