制造业

视觉寻件智能体

用现场图片召回相似零件，再结合尺寸、材质和设备属性缩小候选范围。

面向零配件企业的仓储与工程团队

业务现场

现有流程为什么依赖老师傅

现场零件可能磨损、标签丢失，仓库系统又存在名称相近、图片年代不同和属性缺失的问题。普通文字搜索无法描述外形，最终只能依赖少数经验人员逐页查找。

项目入口

零件名称不统一、标签缺失或外观相近时，文字检索很难快速定位正确物料。

系统方案

系统读取现场图片，在授权的物料图库中检索外形相似项，再用设备、尺寸、材质和类别属性过滤。结果展示多个候选和差异，不把最高相似度当成自动确认。

验证与边界

需要一批已确认物料编号的历史图片、产品目录、关键属性和容易混淆的负样本。先从单一物料类别开始，避免图库质量和目录问题同时扩大。

第一次验证重点看正确物料能否稳定进入前几个候选、不同拍摄条件下是否保持可用，以及人工确认时间是否减少。置信度或属性不足时只返回候选，不自动出库或修改主数据。

最终业务决定

仓库或工程人员核对规格并决定物料编号、出库和主数据变更。

常见问题

一张照片能保证找到唯一 SKU 吗？

不能保证。相似零件可能外形一致，需要结合尺寸、设备、材质等属性，并由业务人员完成最终确认。

物料图库很乱还能开始吗？

可以先选择目录较完整的一类物料验证，同时记录重复编号、缺失属性和图片质量问题，作为目录治理输入。