从人工目检、光学标记到通用局部特征匹配在工业检测、产品拍照和自动化质检中，经常会遇到一个看似简单、实际非常棘手的问题：图片里的产品到底有没有放正？产品可能旋转了 90°、180° 或 270°，也可能发生水平或垂直镜像。对于人眼来说，判断一张图片是否倒置似乎并不困难；但当这件事进入生产流程，面对连续拍摄的大量图片、不同外观的部件以及不断变化的现场环境时，它很快就会从一个视觉小问题变成一个工程难题。过去，这类问题通常依赖人工查看、固定模板，或者针对单一产品编写专用规则。一旦图片数量增加，或者产品外观、拍摄位置、光照和背景发生变化，人工成本与误判风险都会迅速上升。更重要的是，工业现场很少永远只生产一种部件。今天需要判断连接器有没有装反，明天可能换成标签、面板、包装盒或另一种结构完全不同的零件。如果每增加一种部件，就必须重新设计一套检测方案，那么算法本身即使能够工作，也很难真正形成可维护、可扩展的产线能力。这正是我希望解决的问题：能否设计一套不需要重新训练、只需提供少量正向参考图，就能够判断不同工业部件方向的通用方案？在这一想法的基础上，我实现了一个角度判断软件。它以参考图为标准，通过局部特征匹配和匹配关系的几何一致性，自动判断待测图片的最佳校正角度或翻转方式。软件支持多参考图投票、矩形与多边形 ROI、批量文件夹检测、匹配线可视化和结构化结果导出。整个推理过程在本地完成，不需要上传图片，也不依赖网络服务。一、工业部件方向检测为什么没有看起来那么简单？如果产品始终位于固定位置，光照、相机和背景完全不变，那么通过像素差分或模板匹配就可能得到不错的结果。但真实产线通常不会如