图像型设备的吞吐量往往受整条数据链限制：硬件触发、曝光、传输、校正、算法、存储和结果上报缺一不可。只优化算法耗时，可能只是把瓶颈移到内存或磁盘。
1. 用数据流描述系统
一次采集应绑定触发序号、时间戳、平台位置、晶圆坐标、曝光参数和 Recipe 快照。帧先经过完整性检查，再做暗场、平场和几何校正，随后进入检测或量测算法，最终生成结果与质量标记。
每个阶段输入输出要有明确所有权。缓冲区被相机驱动复用后仍由算法读取，是高并发采集中常见且隐蔽的错误。
2. 流水化与背压
采集、处理和写盘可以并行，但下游速度低于上游时，队列一定会增长。系统必须设定有界缓冲，并选择减速采集、暂停任务、降级存储或安全失败。对生产数据，静默丢帧通常不可接受。
队列长度、阶段延迟和丢弃计数应成为运行指标。平均吞吐足够并不代表没有瞬时拥塞，P95、P99 延迟和最大在途数据更能暴露风险。
3. 内存与数据搬运
高分辨率图像会迅速消耗内存带宽。缓冲池、零拷贝和批处理可以降低分配与复制，但会增加生命周期复杂度。优化前应测量 CPU、GPU、PCIe、内存和磁盘各段利用率。
GPU 异步执行后，调用返回不代表计算完成；设备同步点和错误传播必须纳入任务状态，避免结果尚未就绪便释放缓冲区。
4. 确定性与可复现
算法版本、模型、参数、校正文件和运行硬件都可能影响结果。关键流程应保存足够元数据，允许用原始数据离线重放。若算法含并行归约或随机过程，还要明确容差和随机种子策略。
5. 数据保存不是越多越好
原图、缩略图、中间特征和最终结果应按诊断价值、合规与存储成本分级。保留策略要处理容量告警和安全清理，不能让磁盘满导致控制程序失效。生产结果写入要有原子性和校验，避免半文件被当作有效数据。
总结
图像流水线的核心是有界、可追溯的数据流。通过硬件触发对齐物理事件，以背压保护系统，以元数据保证复现，才能让高吞吐和结果可信度同时成立。