SKU 색상 분류: 색·상품 규칙

목적과 적용 범위

선언한 형식에서 색을 판정하며 의미 SKU와 클라우드 승인은 따로 다룹니다.

이 안내는 엔지니어링 평가 절차이며 즉시 운용 가능한 제품의 인증이 아닙니다. 현재 Deyi Vision 공개 PC 예제는 확인된 샘플 이미지를 이용한 EAN-13 워크플로입니다. 개발 코드의 네이티브 OCR 및 검출 기능은 사용 전에 설치된 런타임, 연결된 모델과 검사 작업을 확인해야 합니다. 브라우저 템플릿만으로 브라우저 실행을 입증할 수 없으며 계획 중인 OpenCV.js 백엔드는 별도 검증이 필요합니다. 클라우드 인식에는 이미지 범위, 공급자, 모델과 비용에 대한 명시적인 승인이 필요합니다. 검토용 아카이브는 실행 가능한 릴리스 패키지가 아닙니다. 카메라, 펌웨어와 드라이버 호환성도 별도로 확인합니다. 아래 기록표의 모든 수치는 가정 예시이며 Deyi Vision의 측정값이나 고객 성과가 아닙니다.

검증 자료 준비

채널 순서, 깊이, 마스크와 클래스를 고정하고 로컬 실행을 연결합니다. 템플릿·검토 아카이브는 런타임이 아닙니다. 최종 플래그 전에 중간 출력 계약을 검증합니다. 영역 누락, 잘못된 텍스트 필드, 좌표 또는 비유한 수치는 명시적 실패이며 기본 합격이 아닙니다. 실제 백엔드와 의존성을 기록하고 같은 이름의 다른 백엔드에서 수락을 가져오지 않습니다. 모델이나 전처리 변경 시 이전 버전을 보관하고 고정 비교를 다시 실행합니다. 전체 시도 수, 사용 가능한 근거 수와 나머지 처분을 제시해 인식 품질뿐 아니라 범위와 실패 처리를 설명합니다. 색상 분류와 SKU 인식은 서로 다른 질문에 답합니다. 빨간색 기준에 맞는 영역이라도 크기, 라벨 또는 포장 종류가 잘못될 수 있습니다. 물리 색상을 분류할지, 기대 SKU를 검증할지, 두 조건을 독립 확인할지 정의합니다. 채널 순서를 아는 컬러 이미지를 사용하고 노출, 화이트 밸런스와 조명 스펙트럼을 레시피에 저장합니다. 깨끗한 색상표만 보지 말고 허용 재료 로트, 광택, 그림자와 다른 제품을 시험합니다. 채도가 낮으면 색상이 불안정하고 포화된 반사점의 정보는 알고리즘으로 복구할 수 없습니다. 알 수 없거나 관찰 불가 또는 혼합 색상 제품의 경로를 명시합니다. 모델 기반 SKU 인식은 색상 임계값과 별도로 검증하고 클라우드 전송 전에 승인받습니다. 워크플로를 단일 모델 답변이 아닌 형식화된 판정의 연속으로 봅니다. 실험 전에 입력 ID, 영역 변환, 노드 버전, 전처리와 모델 패키지를 연결합니다. 개발 이미지에서의 매개변수 선택과 정답을 조정에 사용하지 않은 고정 세트 평가를 분리합니다. 실행 실패를 포함해 모든 사례의 기준 및 후보 결과를 보존합니다. AI 제안은 리비전을 제시할 수 있지만 기준 정답을 확인하거나 이미지 업로드와 생산 사용을 승인할 수 없습니다. 공급자 요청의 접수 여부가 불확실하면 요청 ID를 저장하고 재전송을 고려하기 전에 접수 기록을 확인합니다. 런타임 가용성, 인식 품질과 릴리스 승인은 독립 검증 항목입니다.

작업 절차

1. 정확한 입력 순서로 변환하고 범위 설정 전에 HSV 표현을 선언합니다.
2. 8-bit OpenCV 시험에서 빨강 경계는 H 0–10 또는 170–179로 처리하며 S/V는 실제 샘플로 정하고 만능값을 쓰지 않습니다.
3. 유효 물체의 일치 픽셀을 세고 부족하면 Review와 비율을 남깁니다.
4. 승인 상품 ID로 SKU를 별도 평가하고 클라우드에는 영상·공급자·모델·비용 승인을 받습니다.

시험 결과 해석

가정 유효 1000 중 600은 60%입니다. 시험 기준 70%는 빨강 강제 대신 Review입니다. 범위와 비율은 실제 깊이·상품에서 검증해야 합니다. 같은 색 SKU를 색만으로 식별하지 않습니다.

시험 기록표

ratio = 600 / 1000 = 60%
60% < 70% -> Review

두 가지 공정 도해

고장 원인 분석

• 다른 깊이의 H 범위는 클래스 경계를 바꿉니다.
• SKU 매핑이나 물체 증거 없는 높은 클라우드 신뢰도는 실제 경로를 승인하지 못합니다.

수락 검증과 인계

독립된 기존·미지 샘플로 색을 수락하고 상품 규칙을 별도 평가하며 범위, 마스크, 패키지와 모델 버전을 결과에 연결합니다.

원본 이미지, 기대 판정, 정확한 리비전과 전체 결과 기록을 함께 보관합니다. 최종 매개변수를 선택하기 전에 평가 세트를 고정합니다. 이후 그 정답을 조정에 사용했다면 개발 데이터로 표시하고 새로운 독립 수락 세트를 확보합니다. Review, NoResult, 실행 오류와 영상 누락을 분모에 남기고 행을 제거해 합격으로 바꾸지 않습니다. 성공 샘플과 함께 재현 가능한 실패 샘플도 저장합니다. 인계 자료에는 레시피 변경 권한, 이전 승인 리비전 복원 방법과 수락 전까지 차단할 장치 출력을 명시합니다. 소프트웨어 결과만으로 이동 중인 실제 부품이 올바른 목적지에 도달했음을 입증할 수 없습니다.