这是一个创建于 458 天前的主题，其中的信息可能已经有所发展或是发生改变。
 | 1 dearmymy 2024-07-09 11:37:08 +08:00 款式迭代太快，款式复杂，人工便宜 |
 | 2 nitmali 2024-07-09 11:37:33 +08:00 质检这种，yolo 就行 |
 | 3 Rennen 2024-07-09 11:37:58 +08:00 我估计得物在做 |
 | 4 karnaugh 2024-07-09 11:42:51 +08:00 感觉可以，你自己找一批图去找 gpt-4o 试试，但是成本可能不如人工，效果也不如人工 |
 | 5 vus520 2024-07-09 11:43:44 +08:00 我买的潮裤，全是破洞？？！！奇装异服==瑕疵品 识别出来的瑕疵品再做人工处理，成本是否更高。 |
 | 6 uiosun 2024-07-09 11:45:16 +08:00 衣服的里外识别吧，基于标准新品的判断应该是可以的，但这个场景更多是回收再利用，那衣物的内里是否脏污瑕疵，需要大量的人工介入。 这种情况下，AI 显得很鸡肋。 |
 | 7 wuhang89 2024-07-09 11:55:55 +08:00 服装是非标品，无法通过 ai 做瑕疵品检测。 |
 | 8 2000wcw 2024-07-09 12:19:42 +08:00 老 QC 路过，这玩意配合设备其实是可以的，服装质量主要就是色差和缝迹，色差简单，走标准色准检测，缝迹复杂点，但是也可以大数据统计，把脱线和不合规的线长排列出来。 不过非标的针织和饰品类就难了，上面只针对普通大货，衬衣牛仔裤等等。 |
 | 9 ipwx 2024-07-09 13:19:26 +08:00  1 有监督学习和无监督学习，学的都是你数据集里面的正常玩意儿长什么样。 不正常的玩意儿千奇百怪。很多时候需要特定应用特定 trick 来把 “学习正常玩意儿长什么的 AI” 用在 “除了正常的都不正常” 的判断上。 而且这个判断稍微差一点，假阳性率就高很多，等于白做。有过假阳性传染病监测经验的都应该知道，你得用别的方法复检一次。 所以没有通用 AI 干这事儿。 |
 | 10 skuuhui 2024-07-09 13:30:27 +08:00 不说别的，专业领域的模型训练成本还是很高的。大模型不适合专业领域。 |
 | 11 aycclm 2024-07-09 13:33:40 +08:00 成本太高 不划算 |
 | 12 NoOneNoBody 2024-07-09 13:46:31 +08:00 质检涉及很多变量，不仅是外观，材质这些是需要检测设备的 而外观是主观感受，完整的“瑕疵”定义复杂，只能做基础定义，而且是每批分别定义；即使 AI 完成检测，可能还需要人工过一遍 所以，量少的批次并没降低多少成本，量大的批次好像也没必要，因为量大的多数是面向低消费客户，例如工厂的厂服，只要不是生产流程出问题，一般次品不多，客户端调节或反馈即可 大家可以想想某些软件裁撤测试部门，就是这个意思，只要不是大 bug ，靠客户反馈即可 |
 | 13 yh7gdiaYW 2024-07-09 13:49:18 +08:00 可以，且实际已经做了，阿里的犀牛智造 |
 | 14 snowflake007 2024-07-09 13:52:03 +08:00 最大的难度在于怎么定义是瑕疵品，你要描述的清楚，能标记出来 |
 | 15 planet888 2024-07-09 13:52:30 +08:00 来自一段新闻：“据了解，得物已经建成全世界首个也是最大的商品研究和鉴别查验团队，以及数字化查验鉴别体系，拥有全球第一条 AI 辅助鉴别生产线。在包括质检查验、图像采集、鉴别、绑扣、复核、打包等一道道品质关卡中，鉴别师、质检员、研究员、AI 人工智能等绝妙配合，人员与技术并重，共同筑成得物严苛的品质把关体系。” |
 | 16 nanxiaonan 2024-07-09 14:06:48 +08:00 @dearmymy 特征的话 也和款式迭代有关吗，总觉的你说的这个不对啊 |
 | 17 huangcjmail 2024-07-09 14:36:04 +08:00 毕业论文有很多做布料的瑕疵检测，衣服如果是平整的，难度应该差不多。 可以 yolo 给几千张图片训练下，看看效果。 |
 | 19 vivisidea 2024-07-09 16:30:58 +08:00 @snowflake007 +1 图像采集也是个重点，要让 AI 检测识别，前提是能采集到清晰的瑕疵照片细节，拍都拍不到就不用说识别了 |
 | 20 googleaccount 2024-07-09 16:32:04 +08:00 瑕疵的定义是什么 标准是什么？ |
 | 21 whatalittleboy 2024-07-09 16:37:09 +08:00 用 AI 把合格率提到 100%，免质检 |
 | 22 Yanlongli 2024-07-09 16:45:28 +08:00 人工：心情好就通过，心情不好就不通过 |
 | 23 JayZXu 2024-07-09 16:45:39 +08:00 AI 做质检完全可行，比人能做得更好更精确 难点是同一款式的衣服利润根本不可能支撑这一套系统针对这个款式的算法更新成本 把这个成本转嫁给运费险靠用户筛选都比 AI 质检成本低 |
 | 24 tywtyw2002 2024-07-09 16:52:10 +08:00 质检的意义在与 被检测产品与标准产品的差异量。 delta 大于一个数值，那么这个产品就是不合格产品。 你 AI 又不是干这个的。。。。。 与其说做图像分析什么的，真的不如上硬件实现，用不同颜色的灯去拍照然后定量分析。 用 AI 去搞，估计花不少钱，然后结果差不多等于人眼检查。。。（人眼检查，准确率是质量里面最低的。完全小于各种传感器硬件实现。） 所以意义在哪里？ |
 | 25 zjsxwc 2024-07-09 16:53:06 +08:00 有训练 ai 的时间， 还不如直接找个程序员写 python 图像识别对衣服照片打分来的靠谱。 |
 | 26 ltyj2003 2024-07-09 16:55:06 +08:00 via Android 先要定义瑕疵或缺陷 |
 | 27 niuyeye OP @2000wcw 对，主要是缝迹，普通款式普通质量，瑕疵品可以简单定义成有线头的，走线有问题的；对于质检更高要求的，利润高的，再用算法进行学习，人工标注一部分，AI 标注一部分，一般每年款式差不多，去年做的，今年可能也会做 |
 | 28 murmur 2024-07-09 17:01:27 +08:00 有没有可能瑕疵才是正品 完美无瑕那是莆田货 货物质量只跟你给待工厂多少钱有关，从这个角度来看待点瑕疵的反倒正常，毕竟卖的贵还死抠 |
 | 29 zhangeric 2024-07-09 17:04:03 +08:00 衣服材质太软,容易形成变形,一般的检测解决不了这个问题.网购刚流行就一堆公司搞虚拟试衣,搞到现在都没成熟产品. |
 | 30 dododada 2024-07-09 17:30:26 +08:00 工业检测有的，但是衣服的话，固定成本太低，所以样本数据会经常变化，你搞 AI 的成本是不是有点高？ |
| 31 niuyeye OP @tywtyw2002 @dododada 传统视觉方案+AI ，AI 只是辅助传统视觉呢,AI 进行数据标注 |
 | 32 nooneanyone 2024-07-09 19:07:04 +08:00 你如果有工序把衣服展成固定的几个状态，各种视图拍一张照，那用图像识别对比差异就行了吧。 |
 | 33 Nzreal 2024-07-09 19:18:44 +08:00 在这个牛马国度，人工显然比训练 AI 和搭建识别流水线要便宜多的多，效果也更好 |
 | 34 abcbuzhiming 2024-07-09 22:11:43 +08:00 你能定义“瑕疵”吗？如果你不能精确的定义瑕疵，只能靠人的经验，那就做不到 |
 | 35 Philippa 2024-07-10 03:50:25 +08:00 via iPhone 成本高，同理一些工业机器人。在国内不行，但在国外行，因为人家人力成本高。咱们直接用人又快又好。 |
 | 36 leonz95 2024-07-10 09:26:25 +08:00 via iPhone 我之前就是做工业瑕疵检测的，难点不在于 AI 模型，我们都是几 M 小模型。 难的在于瑕疵标准的定义，数据采集标注的成本，还有工序上下游的打通 |
 | 37 ansemz 2024-07-10 09:35:03 +08:00 请给出瑕疵的可量化指标 ：） |
 | 38 JoryJoestar 2024-07-10 09:47:59 +08:00 完全可以，要自己训练个模型，不然失误率会挺高的 |
 | 39 mrcn 2024-07-10 16:19:49 +08:00 应该是可以的，在产线上应用机器视觉做质检是个老话题了，没有深度学习之前就有基于模板来找缺陷的了 |
 | 41 woscaizi 2024-07-25 17:33:53 +08:00 我认为实现起来不难； 无非是识别两种状态，每种衣服款式训练 1 个模型即可。 |
Select Language