computer-vision-expert
构建计算机视觉系统
现代视觉项目需要在检测、分割、VLM、深度和部署之间做出选择。此技能可为实用计算机视觉系统提供架构、模型选择、优化和边缘部署指导。
使用我的智能体安装
将此请求复制给你的智能体，其中包含权威 Skill 页面和清单。
Review the Skillstore skill "computer-vision-expert" from https://skillstore.io/skills/sickn33-computer-vision-expert.md and its manifest at https://skillstore.io/api/skills/sickn33-computer-vision-expert/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.你的智能体仍应展示其计划，并按安全策略请求必要确认。
Agent 可读资源
当 AI Agent、爬虫或脚本需要干净上下文，而不是读取完整页面时，请使用这些链接。
测试它
正在使用“computer-vision-expert”。 需要一条用于边缘 GPU 上小螺栓缺陷的工厂检测流水线。
预期结果:
建议采用两阶段流水线：实时检测候选区域，使用分割确定缺陷边界，并进行标定检查以确保测量准确性。在更改训练策略之前，先分析边缘延迟。
正在使用“computer-vision-expert”。 需要在光照不确定的情况下，为仓库货架盘点进行视觉问答。
预期结果:
使用 VLM 进行语义检查，使用检测器进行物品定位，并在采集期间进行光照归一化。根据货架级准确率和异常复核时间进行验证。
正在使用“computer-vision-expert”。 需要从单个摄像头为机器人导航估计深度。
预期结果:
先使用单目深度获取场景先验，然后加入标定、时间平滑和针对障碍物的验证。将绝对距离估计视为安全关键型测量。
安全审计
安全The only static finding is a false positive caused by Markdown inline-code backticks around related skill names in SKILL.md line 70. No evidence found of command execution, prompt injection, data exfiltration intent, or executable code.
风险因素
⚙️ 外部命令 (1)
分享与引用此报告
分享版本化评估报告、中性徽章、嵌入卡片和引用。Skillstore 只报告证据，不判断该 Skill 是否安全。
复制报告链接
https://skillstore.io/skills/sickn33-computer-vision-expert/audits/4?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportMarkdown 徽章
[](https://skillstore.io/skills/sickn33-computer-vision-expert?utm_source=security_passport_badge)HTML 徽章
<a href="https://skillstore.io/skills/sickn33-computer-vision-expert?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/sickn33-computer-vision-expert/security.svg" alt="Skillstore security assessment" loading="lazy"></a>嵌入卡片
<iframe src="https://skillstore.io/embed/skills/sickn33-computer-vision-expert.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>学术引用 (APA · BibTeX · CFF)
APA 引用
sickn33. (2026). computer-vision-expert security audit report (audit version 4) [Author version unspecified]. Skillstore. https://skillstore.io/skills/sickn33-computer-vision-expert/audits/4BibTeX 引用
@techreport{sickn33-sickn33-computer-vision-expert-2026,
author = {sickn33},
title = {computer-vision-expert security audit report (audit version 4)},
institution = {Skillstore},
year = {2026},
number = {4},
url = {https://skillstore.io/skills/sickn33-computer-vision-expert/audits/4},
note = {Author version unspecified}
}CITATION.cff
cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "computer-vision-expert security audit report (audit version 4)"
version: "unspecified"
type: report
authors:
- name: "sickn33"
date-released: "2026-07-06"
url: "https://skillstore.io/skills/sickn33-computer-vision-expert/audits/4"
identifiers:
- type: other
value: "skillstore:sickn33-computer-vision-expert:audit:4"
description: "Skillstore immutable audit report identifier"
Skillstore 评分
评分依据 证据置信度: 高你能构建什么
规划检测流水线
为视觉质量检测设计检测、分割和测量步骤，并明确延迟与准确率目标。
为产品功能选择模型
在确定计算机视觉路线图之前，比较检测器、分割器、VLM 和深度选项。
优化边缘部署
通过审查导出格式、内存使用、批处理和硬件加速，为受限设备准备视觉模型。
试试这些提示
帮我为这个项目选择一种计算机视觉方法：[goal]、[data]、[latency]、[hardware]。比较检测、分割、VLM 和深度选项。
为 [object] 缺陷设计一条视觉检测流水线。包括采集设置、模型阶段、评估指标、失败模式和部署约束。
审查我的边缘部署计划：[model]、[device]、[latency target] 和 [memory limit]。建议导出、量化和性能分析步骤。
评估这个多模态视觉架构：[architecture summary]。找出准确率、延迟、标定、数据、安全和维护风险。
最佳实践
- 在比较模型之前，说明目标硬件、帧率、准确率目标和可接受的失败率。
- 在寻求流水线或评估建议时，使用具有代表性的图像样本和边缘案例。
- 将模型选择、采集设计、标定、验证和部署规划拆分为明确步骤。
避免
- 在定义延迟、内存和数据约束之前，就选择大型基础模型。
- 当目标标签、光照、尺度或位置存在歧义时，仅依赖文本提示。
- 在依赖空间准确性的系统中跳过标定和测量验证。