用 PatchCore 做无监督工业缺陷检测:仅用正常样本即可上线
工业缺陷检测常卡在缺陷样本太少、标注太贵。PatchCore(CVPR 2022)只用正常图片训练,将正常 patch 特征存入记忆库,推理时比对最近邻距离完成缺陷判定与定位,在 MVTec AD 上检测 AUROC 最高达 99.6%。本文给出 PyTorch 与 OpenCV 可复现实现,说明它与有监督方案的取舍。
工业缺陷检测常卡在缺陷样本太少、标注太贵。PatchCore(CVPR 2022)只用正常图片训练,将正常 patch 特征存入记忆库,推理时比对最近邻距离完成缺陷判定与定位,在 MVTec AD 上检测 AUROC 最高达 99.6%。本文给出 PyTorch 与 OpenCV 可复现实现,说明它与有监督方案的取舍。
阅读理解辅导的关键不是给答案,而是引导学生说出推理过程。本文给出可本地部署方案:用本地大模型(Ollama 加载 Qwen 或 Llama 系列)配合 LangChain 构建提问—追问—归纳辅导链,对学生提交的文章与问题先让其复述要点,再逐层追问论证与证据,最后生成个性化薄弱点报告,数据不出内网。
处方审核是医疗质量与安全的关键环节。本文给出可本地化部署的辅助审核方案:以药品相互作用、剂量范围、禁忌症等规则库为硬约束,叠加本地大模型做自然语言处方结构化与疑点解读,对潜在相互作用与超量用药给出预警,数据不出医院内网,定位为医师的第二双眼睛而非替代判断。
贸易企业的知识散落在 PDF 报价单、Word 合同、Excel 档案与扫描件中,解析质量决定知识库上限。本文给出以 Apache Tika 为核心的统一解析层方案,说明表格、合同、扫描件三类文档的特判策略与四步入库流水线,提供 tika-server 调用与 Chroma 权限过滤的示例代码,并给出四项入库质量验收指标。
仓储知识断档的典型表现是熟手离岗后同类差错反复发生,损失却难以入账。本文将其拆解为差错返工、新人上手、异常响应三笔可量化账目,对齐 GB/T 国标考核口径,提供可直接运行的参数化 Python 测算脚本与敏感性分析方法,并给出私有化部署的路线分界与先测基线、再上工具的落地节奏建议。
法律尽职调查常需在合同、工商、诉讼等多源文件中快速定位关键条款与潜在风险,人工逐份核查效率低且易遗漏。本文给出一套可本地化部署的辅助流程:用 pdfplumber 抽取文本、正则匹配关键条款、再交本地大模型生成结构化风险摘要,兼顾数据不出域、可复现与合规要求。
工业设备传感器会产生海量时序数据,传统阈值法在复杂工况下误报频发且难以自适应。本文用 PyTorch 实现一个 LSTM 自编码器,以重构误差作为异常分数,给出从数据构造、训练到阈值判定的完整可复现流程,适合作为设备预测性维护的前置异常检测环节。
教师常积累大量讲义截图与扫描课件,难以检索与复用,传统关键词检索对图片往往失效。本文给出一套本地化方案:用 Ollama 的视觉大模型(如 llama3.2-vision)将讲义图转为结构化知识点,再结合向量检索实现按知识点问答,全程数据不出校、可离线运行。
资深教师的课堂把控、学情诊断与家长沟通经验,是教培机构最易随人员流动而流失的资产。本文给出一套可落地的经验资产化方法与参数化收益测算模型,用 Python 脚本估算带教周期缩短与备课复用两类收益,并讨论学员信息保护下的私有化部署边界,适合正在多校区扩张或面临骨干教师流失的机构参考。