Docker7530
123 lines
3.4 KiB
Markdown
123 lines
3.4 KiB
Markdown
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
|