大模型工业场景使用

使用AI大模型进行图像的识别，优缺点分别为：1.具有很好的泛化能力，很多场景都能够使用；2.速度慢：整体感觉速度太慢，比较吃硬件；

以焊缝识别为例，工业电脑将图片传递给大模型，能够对黑色缺陷点进行识别，但是每张图片大概2-3s，整体效率较低。

参考代码：

代码语言：javascript代码运行次数：0运行复制

import requests
import json
import base64
from PIL import Image
import io
import os
def detect_face_orientation(image_data, site_url="", site_name=""):  
  """识别图像中人脸朝向（1=朝左，0=朝右）"""    
  try:    
     # 1. 读取图像数据并转换为 base64     
     image = Image.open(io.BytesIO(image_data))      
     # 2. 将图像转换为 JPEG 格式   
     buffered = io.BytesIO()
     image.save(buffered, format="JPEG")        
     base64_image = base64.b64encode(buffered.getvalue()).decode('utf-8')       
     # 从环境变量获取API密钥        
     api_key = os.getenv("OPENROUTER_API_KEY", "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")        
     # 3. 调用 OpenRouter API        
     response = requests.post(            
     url=";,            
     headers={                
         "Authorization": f"Bearer {api_key}",                
         "Content-Type": "application/json",                
         "HTTP-Referer": site_url,                
         "X-Title": site_name,            },            
         json={           
              "model": "qwen/qwen2.5-vl-3b-instruct:free",  
              # 使用支持视觉的模型                
              "messages": [                
                  {                     
                     "role": "user",                        
                     "content": [                        
                         {                             
                            "type": "text",                               
                            "text": "请分析这张图片中的人脸朝向。如果人脸朝左返回0，朝右返回1。只返回数字，不要任何解释或额外文字。"                       
                          },                           
                          {                             
                             "type": "image_url",            
                             "image_url": { 
                                 "url": f"data:image/jpeg;base64,{base64_image}"                                
                              }                           
                           }                        
                       ]                   
                    }                
               ],                
               "max_tokens": 1            
        },            
        timeout=30        
    )        
    # 4. 解析 API 响应        
    response.raise_for_status()        
    result = response.json()        
    answer = result['choices'][0]['message']['content'].strip()        
    if answer not in ['0', '1']:            
       return None        
    return int(answer)    
  except requests.exceptions.RequestException:        
    return None    
  except (KeyError, ValueError, json.JSONDecodeError):        
    return None    
  except Exception:        
    return None

本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。原始发表：2025-03-28，如有侵权请联系 cloudcommunity@tencent 删除效率硬件image模型数据