LOCAL RESEARCH LAB · v0.6

上传显微图片,形成可核验的 AI 分析结果

图片在这台 Mac 上完成质量检查、生物与絮体观察,并与运行参数共同形成状态假设、 必查项、建议动作和验证方法;原图、参数、版本与复核记录均保存在本地。

第一次使用?先看一遍交互演示
研究原型不自动控制设备低置信度返回未解析
你需要准备1张显微图片

尽量同时填写 DO、SVI、F:M 和 SRT

分析后得到观察+假设+核查+建议+验证

低置信度目标会保持“未解析”

没有运行参数时只给显微观察与待核验项

不会包装成确定性的工艺诊断

本地 AI 未启动.venv-classifier/bin/python -m ml.local_ai_server
01

上传显微图片

JPEG、PNG、WebP;单张不超过12MB。

02

样本与成像信息

倍率、标尺和多视野信息会影响证据等级。

03

运行参数快照

先填四项核心参数;其余信息可按现场情况补充。

核心核验参数

补充参数(8项,按实际情况填写)
04

现场观察(可选)

有泡沫、异味、浮泥等现象时展开填写。

展开收起

本地 AI 服务尚未连接,连接后才可提交分析。

Q

图像质量门控

等待图片

分辨率原图像素
亮度0–255
对比度灰度标准差
清晰度浏览器预检

提交后以本地服务端质量门控为准;边缘图像会进入复核,不会自动包装成可靠识别。

AI

两级识别

功能群主结论 + 数据集分类群候选

一级功能群等待分析模型会先定位完整视野中的目标
二级候选未解析低于分类阈值时保持未解析
分析结果将在这里形成五段式证据链
  1. 看见了什么
  2. 可能说明什么
  3. 还需检查什么
  4. 可以考虑什么
  5. 如何验证效果
H

本地分析历史

最近20条,仅保存在这台 Mac。

尚无本地分析记录。