“AI 认出了目标”和“这个目标在哪、这个结果靠不靠谱”是两件事。前者是识别，后者是定位和可追溯，都要单独谈。
这个问题从哪里来
客户看到画面里 AI 把目标框出来了，很自然以为坐标就是现成的、直接派单就行。真到落库时才发现：识别有置信度，定位有误差；而且识别结果还得能对上训练时的类别，否则连账都对不齐。
识别可信 ≠ 坐标可信
- 识别解决“画面里有没有、是什么”；定位解决“它在地面哪个经纬度”，后者依赖相机参数、姿态和地面假设，精度比识别低一个量级。
- 识别置信度高，不代表坐标就准。两者要分开落库、分开展示，避免“识别可信”被误读成“坐标可信”。
- 给每条目标带误差半径或置信标记，让下游知道这个坐标能不能直接用来命令作业。
识别结果还要能和数据集对得上账
模型版本配置的“识别目标”，必须严格按训练数据集的标签列表来配。常见翻车：
- 标签缺失：数据集里有某类，模型版本没配，识别结果不展示也不入库；
- 标签多配：配置了数据集没训过的类，前端显示的能力和模型实际能力对不上；
- 名称不一致：数据集叫“施工围挡”，版本配成“围挡”，结果匹配和统计全乱。
所以识别结果的类别字段，要从“当前启用模型版本”的识别目标里取，并让模型版本能追溯到对应训练数据集。
我的判断
验收一套 AI 识别功能，我至少问三件事：识别准不准能拿数字证明吗、坐标准不准能拿误差说吗、识别结果能不能回查到是哪个型号、哪个标签、哪批数据训出来的。三者都是“可交付”，但难度和口径完全不同。
可复用经验
- 识别结果和定位结果分开落库、分开展示，各自带置信或误差标记。
- 模型版本的识别目标以数据集标签为唯一依据，缺一补一、多配即错。
- 识别结果字段从当前启用版本取，不要在展示层硬编码类别。
- 给模型版本记录对应的数据集名称/批次，保证出问题能追溯。
留给下次
想给这套“识别可信 / 定位可信 / 结果可追溯”做一个验收时逐条打勾的清单，作为投标和交付的附件，让业务侧对一个坐标“能不能信”一目了然。