涂鸦On-App AI秒级拦截低质量图片！打造精准宠物档案识别系统

对于宠物喂食器、宠物饮水机等产品来说，建立精确的宠物档案，不仅关系到正确识别并记录宠物的异常行为，更是实现个性化、智能化、健康化喂养的核心基础。但现阶段，由于缺乏有效的图像质量筛选机制，用户上传的图片普遍存在质量问题。若系统未能有效拦截，那么低质量的宠物档案，将对宠物设备的后续使用，带来灾难性的用户体验。

 

01
 

涂鸦为宠物图像质量带来质的体验提升
 

因此，为了帮助开发者低门槛、低成本解决生物特征采集难、识别精度低、多宠干扰、隐私安全泄露等开发难点，涂鸦基于强大的 On-App AI 架构，提供了高效的宠物图像质量检测解决方案。通过深度融合 AI 技术，系统能够在 1 秒内同时完成宠物图像识别和异常过滤，实现精准快速的图像质量评估。而且，该方案可直接拦截用户上传的低质量图像，无需经过云端检测再反馈，可大大降低网络传输时间，提高响应速度，带来更流畅的用户体验！

 

1、涂鸦解析图像的维度有哪些？

 

目前，涂鸦支持的图像解析维度+高质量图片评判标准，可参考下方图片：

 

2、图像质量检测流程
涂鸦对图像质量进行检测的流程，主要经过以下步骤：
 

主体识别：使用目标检测模型，自动识别画面中的主体， 并输出主体种类、位置坐标和尺寸信息；

 

脸部识别：使用脸部检测模型，快速检测宠物脸部区域；并通过特征点（如眼睛、鼻子、毛发）检测模型，检测宠物脸部的特征点，以快速筛查宠物图像质量；

 

 

算法校验：计算宠物区域图像的平均亮度，去除过曝/过暗图片；根据宠物脸部特征点位置，计算面部姿态的角度，以及脸部是否有遮挡。

 

（图像检测流程）

 

3、打造全链路的宠物设备体验

 

通过完善宠物生物特征档案，涂鸦可以结合智能宠物硬件，实现智能化的一站式宠物服务：

 

精准的身份识别：有助于多模态生物识别，确保设备的功能作用于正确的宠物主体

 

联动智能设备：根据识别结果，自动匹配个性化喂养方案

 

多宠家庭管理：同时管理多只宠物的独立档案与个性化设置

 

02
 

图像质量检测技术亮点
 

该方案基于 On-App AI 架构所打造，App 端模型的部署采用 TensorFlow Lite 方案，具备高效推理、低延迟、低功耗、本地化运行的独特优势，有效提升用户体验与响应速度。 

（On-App AI 整体架构）

 

1、更灵活的 AI 架构：轻量化和动态化

 

（轻量化与动态化运行流程示意图）

1.1 轻量级检测模型

涂鸦采用专门优化移动端的轻量级目标检测模型、宠物脸部区域模型、宠物脸部关键点位模型，可以精准检测图片中的指定主体（如宠物、人）和宠物面部点位。

 

1.2 模型动态化    

采用按需加载的动态模型管理机制，支持模型在线下载、更新与部署，始终确保使用最优模型版本，同时减少初始安装包体积，提高运行效率。

 

2、更优的用户体验：实时性和高效率

 

2.1 实时交互处理

用户从相册选取图片后，在手机上就能立即进行检测处理。低中高端设备在进行不同分辨率的图像处理时，处理速度均可在 1 秒内完成，包括：对异常图片进行拦截、异常信息提醒。

每个品牌型号的手机，在不同图片分辨率下的处理速度，可参考涂鸦一一试验、整理出来的数据：

 

2.2 图像质量的高效筛选

 

获取物种特征：通过模型识别图像中是否仅有一只猫，过滤多猫或其他干扰物种；

 

主体占比分析：利用图像分割技术识别主体大小，过滤主体占用比例过小的图片；

 

高精度角度分析：针对倾斜或偏移角度过大的宠物脸部图像进行异常过滤，提升特征提取的准确性和效率。

 

 

3、更安全的计算能力：低成本和隐私保护

 

 

3.1 降低处理成本    

相比于云端，移动端的 AI 处理速度能显著降低算力需求与带宽消耗，为应用提供更安全高效的计算环境。

 

3.2保护隐私安全  

检测并过滤图像中出现的人脸或人像，特别是有人物和宠物合照的情形，涂鸦将会对图像进行过滤处理，确保用户隐私安全。