AI 费用：120

GPU 租赁：79

YOLO：200

---

SAM、DINOv3、OpenCV

SAM → 抠出目标

DINOv3 → 提纹路特征（查瑕疵）

OpenCV → 算长宽、面积

OpenCV 负责量得准

SAM 2 负责先抠出来

YOLO 负责后期稳定批量识别

DINOv3 负责判断像不像

---

| 层   | 技术     | 本质   |
| --- | ------ | ---- |
| 检测层 | YOLO   | 找位置  |
| 分割层 | SAM2   | 精确边界 |
| 几何层 | OpenCV | 测量   |
| 语义层 | DINOv3 | 相似度  |

---

帮我调研并设计一个技术方案。

我是做文玩核桃的，就是那种特别漂亮的、专门在手里玩耍的核桃。文玩核桃从树上摘下来、刷掉外层青皮之后，有一个步骤叫“配对”。因为成对的核桃整体售价更高，外形也更漂亮一致。

关于“成对”的定义：

### 一、硬性尺寸（核心基础）

| 点位 | 配对标准 | 红线禁忌 |
|------|----------|----------|
| 边/宽 | 误差≤0.5mm | 宽窄不一 |
| 肚/厚 | 误差≤0.5mm | 一扁一鼓 |
| 高/桩 | 误差≤0.5mm | 一高一矮 |

### 二、器型骨架（对称关键）

1. **桩型**：同矮桩/高桩/元宝桩，桩体一致
2. **肩型**：双肩高低、倾斜对称
3. **底座**：地平、底正、大小相同
4. **核桃尖**：长短、粗细、钝锐统一

### 三、纹路细节（颜值核心）

1. **主筋**：走向、粗细左右呼应
2. **纹路**：深浅、疏密、纹理一致
3. **脐眼（气门）**：形状、大小、闭合度相同

### 四、皮质密度（决定后期）

1. **皮色**：原皮同色，无阴阳色差
2. **密度**：上手压手感一致
3. **晃仁**：晃动松紧、声音相同
4. **皮质**：厚薄、软硬统一

### 五、瑕疵品相（加分减分）

- 无伤：无虫眼、裂、阴皮、修补
- 瑕对称：天然小瑕疵需成双存在，单瑕报废

### 六、极简速查口诀

先卡尺寸再看型，

肩底边脐要对齐；

纹路皮色密度同，

同树同熟才好堆。

从树上摘下成百上千个核桃后，人工配对是一个很重要的环节。我现在想通过现有的一些模型来实现这个效果，所以想调研一下整体的技术方案怎么做更好。

我预想的效果是：

1. 用户（核农）拍摄并上传核桃的照片。
2. 采集每个核桃的六个面：即上下、左右、前后。
3. 通过技术手段，将这六个面的数据与其他核桃进行比对。
4. 系统自动告诉用户，在他的一千个核桃里面，哪些核桃的匹配率更高。

我的一些疑问：

1. 采集照片这个步骤是否也有好的技术方案，因为我我发抉择，是搞一个专门的工具实现比如一个传送带、然后6 个摄像头，还是可以通过手机就可以实现。
2. 整体流程是否有现成的模型，比如现在有好多现成的始觉模型。还是说如果想实现成熟的方案，最终要有一套自己的训练过的模型或者算法什么的。
3. 我看网上有 SAM、DINOv3、OpenCV 这种实现方案。不知道是否适合我的场景，或者有比这些更适合我的方案。

最终给我输出一个技术方案文档：OpenPalm 项目 整体技术方案.md

然后我们基于这个文档，再一起讨论。

---

概念：Minimum Viable Product

---

OpenCV

滤波：

手机拍照有小黑点 → 去噪

OCR 图片太脏 → 清理背景

人脸磨皮 → 平滑

车牌识别 → 去干扰

边缘检测前处理 → 提高效果

---

https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Windows-x86_64.exe