疑难破解！抓取源图质量不佳，怎么准确识别？

著名的经济学家亚当。斯密认为，经济的发展会被市场这一双看不见的手所左右。同样，也有一双手，左右着元芒数字小鲜女视觉秤的算法的准确性。当商品放上秤台，设备抓取到的是一半红苹果，一半却是或黑或白的手指。

拍摄到的图片本身质量不佳，应该怎么保证准确度？

元芒数字视觉秤在过去一年多的发展中，有两个重要指标，一个是快，一个是准。为了达到更快的识别，我们需要从各个环节去争分夺毫秒，一旦秤体感受到重量，就要启动拍照工作，快速抓取。

抓取的速度太快，这时候就存在两个问题。

1、 商品还未放稳，比如梨，放下后可能会往侧边翻滚，拍摄照片存在动态模糊。最终导致识别不准确。

2、 店员来不及撒手，手对商品遮挡面积较严重时，严重影响识别的准确度。

当然，训练店员“佛山无影手“，去快速放好放稳是不现实的，毕竟，方案的初衷就是降低操作难度，而不是换一种难度。那么问题来了，要怎样才能快速拍到高质量未遮挡的照片呢？

作为一家科技公司，我们擅长的，就是用技术去解决问。

我们的解决方案是，感受到重量的时候，连续拍摄多张照片，选出最清晰的照片用于识别。然而，这并不是一件简单的事情，难度不在筛选清晰的照片，而在于拍摄的同时，需要”实时“判断出照片是否清晰并不容易。

得出清晰的照片之后。就是给出识别结果了，这个时候任务变成2个

1、前端APP开始画界面，并把识别结果告知店员

2、同时手遮挡检测AI算法开始判断，本次结果是否有手的遮挡，如果有，会在前端提示，建议再次识别。

以上两个过程基本是同时进行的。

☆  商品被遮挡时，通过页面提示，避免打店员看到不准确的推荐结果，而手足无措。

☆ 同时，手遮挡AI算法运行，该算法是元芒数字定制过的高效算法，小网络高效率，整个识别过程在150毫秒左右就能给出结果。

良好的交互体验+AI技术结合，让整个方案都是以设备为主导，而店员只需要根据设备的交互去操作，就可以完成被动式升级，为顾客提供更加优质的服务。