DiePre Vision Cognition Skill

元数据

学术参考文献

本视觉框架的技术路线受以下前沿研究启发：

1. Generating CAD Code with Vision-Language Models — VLM生成CAD代码+迭代验证（CADCodeVerify），直接升级照片→DXF管道
2. From 2D CAD to 3D Parametric via VLM — 2D图纸→参数化3D，解决透视矫正和参数化问题
3. Tool-Augmented VLLMs as Generic CAD Task Solvers (ICCV 2025) — VLLM+工具调用做通用CAD，封装OpenCV管道为可调用Skill
4. Efficient Vision-Language-Action Models — VLA高效优化（低延迟+内存优化），适合本地部署
5. Vlaser: Synergistic Embodied Reasoning — 具身推理VLA，未来"照片→动作决策"的理论基础

核心能力

将 DiePre（模切压痕）机器视觉感知与 SOUL 认知框架融合：

1. 视觉已知/未知分离：从图像中提取确定特征（已知）与模糊区域（未知）
2. 文件记忆：每次检测结果写入 vision_log/YYYY-MM-DD.jsonl
3. 四向视觉碰撞：正视角、反转、侧光、整体布局四个维度同时分析
4. 人机闭环质检：AI 初判 → 人类复核 → 标注反馈 → 模型持续进化
5. 置信度质检输出：低于 90% 置信度的缺陷自动升级为人工复核

安装命令

clawhub install diepre-vision-cognition
# 或手动安装
cp -r skills/diepre-vision-cognition ~/.openclaw/skills/

调用方式

from skills.diepre_vision_cognition import DiePrevisionCognition

vision = DiePrevisionCognition(workspace=".")
result = vision.analyze(
    image_path="path/to/dieline.png",
    context={"material": "corrugated", "thickness_mm": 3.0}
)

print(result.confidence)     # 置信度
print(result.defects)        # 检测到的缺陷列表
print(result.collision_log)  # 四向分析详情