Docker7530
3.5 KiB
3.5 KiB
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）
- 桩型：同矮桩/高桩/元宝桩，桩体一致
- 肩型：双肩高低、倾斜对称
- 底座：地平、底正、大小相同
- 核桃尖：长短、粗细、钝锐统一
三、纹路细节（颜值核心）
- 主筋：走向、粗细左右呼应
- 纹路：深浅、疏密、纹理一致
- 脐眼（气门）：形状、大小、闭合度相同
四、皮质密度（决定后期）
- 皮色：原皮同色，无阴阳色差
- 密度：上手压手感一致
- 晃仁：晃动松紧、声音相同
- 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：
- 用户（核农）拍摄并上传核桃的照片。
- 采集每个核桃的六个面：即上下、左右、前后。
- 通过技术手段，将这六个面的数据与其他核桃进行比对。
- 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：
- 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。
- 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。
- 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