AI设备点检定制：拍照识表与异常描述生成

设备点检的难点不在拍照，而在把照片变成可追溯的结构化记录。定制时建议先收敛场景：只做压力表、温度表、油位、指示灯和跑冒滴漏五类，每类采集不少于300张现场图，覆盖反光、污渍、暗光、遮挡和不同拍摄角度。算法通常拆成三步：检测表盘或目标区域，关键点定位指针或液位线，再用OCR识别数字表；最后按仪表量程换算成工程值，与阈值规则比对。异常描述不要直接交给大模型自由发挥，而是用模板加槽位：设备位号、点检项、读数、阈值、可能原因、建议动作，生成后由点检员确认。落地时注意三点：一是手机端离线缓存，弱网先存后传；二是图片压缩与水印，保留时间地点；三是模型版本和阈值可配置，换型或新增仪表不改代码。上线后看两个指标：识别准确率和误报关闭率，前者靠补样本，后者靠规则和人工反馈闭环。