多模态图像智能解析

为什么需要多模态解析

工业现场每天产生大量图片：巡检照片、监控截图、台账图片。传统方式只能靠人工查看，无法沉淀为数据。

技术思路

1. 视觉模型负责检测与分割，定位目标区域

2. 大模型负责语义理解，输出结构化描述

3. 规则引擎负责业务判定，生成告警与工单

典型场景

设备状态识别：指针表计、指示灯、机械状态

隐患识别：缺陷、破损、违规行为

台账识别：票据、表单、铭牌信息抽取

价值

图像从"看过就忘"的附件，变成可检索、可统计、可分析的数据资产。