珍珠光泽评估与 3D 商品设计视觉 AI 与 3D · 产品及技术负责人

01 / Problem

当质量判断无法被解释，价格也很难被信任。

人工光泽评估依赖经验、吞吐有限，不同评估者之间容易出现偏差；线上交易又压缩了实物观察条件，使买家更难理解价格差异。

产品需要同时服务卖家的评估效率、买家的判断依据和线上展示，而不是只交付一个分类模型。

02 / 我做了什么

先控制输入，再讨论模型准确率。

如果图像采集不稳定，模型输出会把拍摄差异误当成商品差异。标准化采集因此被定义为产品入口，而不是实验室外的附属步骤。

03 / Technical proposal

不同任务使用不同模型，不让一项技术承担全部判断。

1. SVM / Random Forest处理可解释的质量特征与光泽等级分类，便于比较特征贡献和稳定性。
2. YOLOv8定位表面瑕疵，为报告保留具体位置与可视证据。
3. Blender / WebGL / Three.js连接设计方案、商品组合和浏览器端交互展示。

04 / Explainability

报告不是模型分数的排版，而是连接判断与行动的界面。

报告同时呈现光泽等级、瑕疵位置、采集条件、关键证据图和解释文本。卖家据此完成商品分级与定价沟通，买家据此理解质量差异，运营人员也能复核异常结果。

05 / Transaction display

从检测延伸到 3D 展示，让评估结果进入真实交易场景。

Web 3D 不只是视觉效果，而是把珍珠单品、组合设计和质量证据放进同一商品页面，减少线下信息在线上渠道中的损失。

06 / 现在怎么看

垂直 AI 产品的完整性，来自输入标准、模型证据和业务动作的闭环。

只有准确率，没有稳定输入和可理解输出，模型很难进入高价值决策。产品经理需要定义的不只是“调用哪个模型”，还包括数据如何产生、证据如何展示、异常如何复核，以及结果最终支持哪一个业务动作。