人工智能零代码中药材识别鉴定平台教学设备参数

人工智能零代码中药材识别鉴定平台教学设备参数序号品名项目名称参数数量单位1人工智能零代码中药材识别鉴定平台1.数据处理平台系统1、登录与权限（1）支持用户直接登录平台，进行创建团队、项目，并进行角色配置；1.1、登录（1）支持账号统一登录页面进行登录；忘记密码与注册账户都在该页面进行；1.2、权限（1）支持团队成员在团队内项目进行任务操作；（2）支持基于角色的用户权限管理；（3）支持某团队管理员在团队内项目进行操作，支持新建项目，支持管理成员权限；1.3、团队管理（1）不同的权限用户可以在团队管理中进行不同的操作：（2）多团队：支持多个组织单位以团队形式加入及使用平台，平台间实现了数据隔离，如数据集、训练任务等；1.4、数据模块（1）数据模块包含数据清洗、数据标注、数据集版本管理、训验对等功能；（2）支持自动化的数据预标注及辅助自动化标注工具；1.5、数据处理（1）支持对数据进行审查和校验，保证数据的有效性.支持对已有数据做去模糊、去重复等清洗操作，支持去除低质量IR数据，使用内置或已训练的模型进行数据预标注，支持抠框操作；支持对视频数据进行抽帧；1.5.1、数据处理任务（1）支持对视频及图片数据的清洗能力，包括抽帧、去重、去花屏、去黑屏等操作；（2）支持数据本地导入、平台已有数据导入、分享链接（oss）导入的方式；（3）支持使用平台内置的模型或用户自定义模型进行数据预标注；（4）数据预标注：支持选择用户自己训练的检测、分类模型进行数据预标注；（5）数据抠框：支持将已有框的数据进行抠框，抠框后形成新的图片，并可选择是否保留框内的标注信息；（6）剔除IR数据：支持根据数据中是否有IR数据并选择是否保留或剔除；（7）数据质检：支持对用户的数据进行是否重复、模糊、黑屏等质量检查；1.5.2、数据处理任务详情（1）支持查看清洗任务创建时的基本信息；支持查看原始数据以及清洗后的结果图片；支持查看并完整的处理报告，能查看该数据的清洗情况，如是否有花屏、黑屏、模糊、极度相似图片等，选择采纳清洗结果；支持用清洗后数据生成新的数据集；1.5.3、数据集管理（1）支持对数据进行全周期管理，用户可以将数据发布成多个版本多种状态进行管理；支持在数据集未发布前，支持对数据集进行增加数据、删除数据等操作；1.5.4、新建数据集（1）导入方式支持数据本地导入、平台已有数据导入、分享链接（oss）导入的方式；（2）支持数据集包含训练集、验证集、测试集多用途的全生命周期的管理，支持Json、ImageFolder的标注格式的文件解析；支持解析文件格式为zip、tar.gz、rar的压缩包上传；解析后图片文件格式支持jpg/png/jpeg/bmp；1.5.5、数据集列表（1）支持对数据进行合并和删除；1.5.6、数据集详情（1）支持查看数据集的基本信息和属性类别信息；（2）支持查看该数据集的图片，支持按照属性、类别进行筛选；支持批量删除图片；（3）支持数据集的自动质检能力，帮助判断数据集中低质量、相似度高、重复度高、样本过少等多种情况并一键优化；（4）支持查看对该数据集相关的操作的事件记录；1.6、训验对管理（1）支持多种数据划分策略，包括随机划分、背景一致划分、背景对立划分等；（2）支持对训练数据集、验证数据集进行成对管理；1.7、数据标注（1）由于模型训练过程需要大量有标签的数据，因此在模型训练之前需对没有标签的数据添加标签；系统需支持智能标注、快速标注、多人协作标注，也可以对已标注图片修改，并进行重新标注；1.7.1、智能标注（1）智能标注主要针对大数据量标注需要时，可以通过智能标注大幅提供标注效率；智能标注需支持如下三类标注类型：（2）框属性标注：用于对已有框的图片进行框的属性标注；（3）图片属性标注：用于对图片进行属性标注；（4）实例分割标注：用于需要精细化标注图片中的目标时；（5）针对框属性标注和图片属性标注，实现用户手动标注第一批数据之后，由算法自动对剩余图片进行标注，并支持由用户验收或修改标注结果；1.7.2、快速标注（1）快速标注需支持如下6种标注类型：（2）属性标注：支持通过标注属性来对数据进行解释，适用于图片分类的训练模型；（3）矩形标注：支持通过拉选矩形框，贴合框选出待检测的物体，适用于目标检测；（4）多边形标注：支持通过多边形+属性来对数据进行解释，适用于物体识别的训练模型；（5）关键点标注：支持标注单张图片中的物体标注关键点+属性标注，用于人脸关键点等场景；（6）线标注：通过线+属性来对数据进行解释，适用于物体识别的训练模型，多用于人体骨骼、车道线标注等场景；（7）OCR标注：用来标注车票、发票等数据类型；（8）支持查看数据集标注进度、已标注图片数量统计、已标注类别数量统计、已标注类别数量统计；（9）支持更改标注状态，以结束标注任务；（10）支持查看标注的进度，支持跳过标注；（11）支持数据下载功能，可将平台中创建好的数据集下载到本地电脑中；（12）支持数据集加密功能，用户下载数据集时生成随机解压密码，得到数据后联系管理员获取密码即可对数据进行解压操作；（13）支持数据集高危操作二次验证，用户对平台中的数据集进行下载删除等高危操作时需要输入密码验证身份；（14）支持数据集下载日志查询功能，管理可在平台中查看数据集的下载记录和数据集的加压码；1.7.3、多人协作标注（1）多人协作标注即团队标注，可分配团队成员的标注任务，并可设置验收员验收标注数据以检查标注质量；（2）多人协作标注需支持如下5种或以上标注类型：如属性标注、矩形标注、多边形标注、线标注、点标注、OCR标注等；（3）多人协作标注任务需支持验收功能，可设置验收抽样率、验收通过率等指标；验收员完成验收之后团队标注任务结束；（4）支持查看数据集标注进度、近日完成标注量、今日完成验收量、标注绩效排名、验收员绩效排名、已标注图片数量统计、已标注类别数量统计、已标注类别数量统计；支持更改标注状态，以结束标注任务；（5）支持标注人员查看自己的标注任务、查看自己的验收任务；1.8、模型训练模块（1）该模块包括算法管理、自动学习、模型评测、评测对比、模型管理；（2）训练模块是数据准备完成后模型生产的主要环节；该模块无需编写代码，系统能够根据标注数据自动设计模型完成训练，并对模型进行评测，将模型进行指标可视化；；1.8.1、算法管理（1）支持显示平台自有的算法，支持（导入）用户自己开发的算法；1.8.2、自动学习（1）自动学习能够帮助实现低门槛的模型开发，即只需选择需要训练的数据集，零代码即可完成一个业务任务的训练；无需具备专业的算法开发能力，轻松获得符合预期的业务模型；1.8.3、支持简单模式与高级模式:（1）简单模式：快速训练模式下无需关心模型的复杂配置，系统将自动训练出表现不错的模型，此模式不需要对模型训练有太多了解，可帮助轻松上手；（2）高级模式：当需要个性化的更改模型超参或者训练配置信息时，可使用高级模式，此模式需要具备一定模型训练能力，能够了解系统推荐的模型并且能够结合训练场景设定超参；高级模式支持调节并发算法数量和训练时长，能够在推荐的算法里进行选择；（3）应用类型支持检测、分类、关键点、回归、分割五类CV常见问题；（4）支持模型导出到模型管理，每次迭代的模型都支持导出，最优模型会显示标识提示；（5）支持显示创建时选择或推荐的训练算法的基本信息；（6）支持将累次评测的任务进行指标对比，方便比较该模型在不同测试集的表现；（7）平台支持使用训练出来的模型对自动学习任务的训练集进行推理和评测，通过阈值过滤规则融合原始标注和推理结果中高置信度的目标框，以实现类别错标、位置不准标注以及漏标等问题的修复；（8）当平台内置算法无法满足训练精度需求时，将在3个月内完成算法更新；1.9、模型评测（1）模型评测能力能够在模型训练后，使用多维指标衡量模型的表现能力，同时可视化模型训练过程中的数据结果，统计模型在不同分布、不同维度下的表现，帮助快速定位模型的问题，进一步优化模型；（2）检测和分割任务支持输入最低置信度阈值和交并比阈值列表；（3）支持根据任务类型不同将展示混淆矩阵、置信度、精度、召回、F1等基本评测指标和各任务特别的指标（如关键的的平均偏移距离等），支持可视化展示评测概况、评测指标、数据可视化、模型能力分析等评测结果，支持根据类别、评测指标、阈值等参数对评测结果动态计算并可视化展示；（4）支持多个评测任务进行数据可视化对比，直观对比模型表现，便于快速辨别出SOTA模型；（5）支持按照数据集、模型两个维度进行对比，其中若选择统一数据集，支持将在同一数据集上进行评测的不同模型进行对比，查看不同模型的效果；若选择统一模型，支持同一模型在不同数据集上进行的评测子任务进行对比；1.9.1、模型管理（1）支持模型的全生命周期管理，同时允许用户根据AI模型的实际使用情况对AI模型的状态进行维护管理；（2）针对在平台上训练的模型，为获得更高的算力，可将模型应用于其他目标平台上，此时，需要将已有模型压缩/转换成相应的格式后，再应用至不同的芯片类型；（3）支持评测结果及其可视化结果查看，包括测试图片可视化、折线图、饼图、柱状图、表格、模型能力分析等多种维度查看；（4）支持多个实验任务产出模型的指标及可视化对比；1.9.2、算法部署模块1.9.2.1推理服务（1）支持将训练完成的模型部署为在线服务，实时查看模型效果；（2）支持选择模型、支持时长设置、支持CPU和GPU两种推理资源；（3）支持查看推理服务的推理模块、API接口、监控信息、接口调用记录等内容；（4）支持对单张图进行推理，在推理结果可看到推理的结果及其分数；1.9.3、算法卡片管理模块（1）算法卡片：是算法仓运行的基础逻辑，是为了实现特定场景下的任务的逻辑单位；里面包含了若干模型；支持选择不同的算法卡片能力；支持查看算法的基本信息和表单配置；平台内置通用检测、分类、分割的算法及多种行业专用算法并支持用户查询、检索相关信息；支持用户基于内置模版通过零代码方式完成算法卡片能力构建；（2）算法仓：算法卡片需要在算法仓中进行运行，算法仓除了算法卡片的基础逻辑，还包含了各平台的接口或业务逻辑；支持算法仓的多版本管理，提供多种业务场景下，模版和对应模型等物料的打包；支持用户通过零代码方式完成算法应用构建且自动化完成算法优化，提升算法性能并将其一键部署至服务器等设备；（3）支持管理所有已创建的算法仓，包括基本操作：重命名、删除和查看；（4）支持查看打包状态；如果打包失败，用户可以查到失败原因；（5）支持查看打包日志；1.9.4、计算模块1.9.4.1、工作空间（1）工作空间可以帮助用户实现在平台上代码开发的能力；（2）支持JupyterLab、VScode线上开发环境；（3）支持SSHProxy远程连接；（4）支持用户选择系统内置镜像和自定义镜像；（5）支持用户自定义填写团队内被分配的实时剩余资源；（6）支持用户查看每次进入工作空间的事件记录；（7）支持用户以多种时间维度监测CPU，GPU，和内存的使用率；（8）JupyterLab集成了资源展示，Git和Tensorboard插件，支持用户流畅且高效的开发代码；（9）VSCode自带的Git和Tensorboard，和产品中附带的帮助文档关于如何使用这些插件可帮助用户更快速的开发代码；1.10、运营端1.10.1、用户管理（1）支持对用户端的用户、资源、机器和镜像做统一管理；（2）支持查看用户id、用户名、手机号、邮箱、所属团队、注册时间、最近登录时间、状态；（3）支持对用户进行禁用，禁用后的用户将不能登录平台；1.10.2、资源管理（1）支持对每个团队进行配额管理：能够分配给团队配额并监控团队的资源的使用情况；（2）支持查看全平台的配额占用、资源占用情况，包括GPU、CPU、内存、固态硬盘；（3）支持显示每个团队的成员、创建时间、对GPU、CPU、内存、固态硬盘的配额占用率的实时数据；（4）支持对某团队进行资源分配的调整，并能查看资源分配历史；（5）支持查看固定团队的配额占用以及具体事件的占用、支持事件记录和团队成员占用的查看；支持可抢占资源的资源管理机制，大幅优化资源利用率；1.10.3、机器管理（1）支持查看机器名称、IP地址、机器配置、卡类型、pod个数、创建时间、状态、CPU、GPU、内存、硬盘、固态硬盘的占用/释放/使用情况等；1.10.4、镜像管理（1）镜像管理模块包含两个部分，系统镜像和自定义镜像；系统镜像由平台提供，并且会被内置在运营端；自定义镜像由用户开发，运营端管理员可以在运营端上传自定义镜像；（1）支持系统管理员上传自定义镜像和添加环境变量；（2）支持系统内置镜像和自定义镜像的筛选；（3）支持用户查看工作空间自定义镜像的创建状态；如创建失败，支持用户查看失败原因；1.11、性能要求（1）支持同时在线访问用户数：60；（2）系统平均响应时间：不超过1秒；（3）系统最大响应时间：不超过3秒；（4）并行模型训练任务：单台8卡服务器支持2个用户并发训练，后期可扩容服务器（5）增加并发训练任务数（用户数）；1.11.1稳定性和可靠性要求（1）系统可靠性能：系统有较强的容错和系统恢复能力，确保系统长期正常运行；系统具备自检、故障诊断等功能，在出现故障时，能快速确定故障点，并及时恢复；（2）系统安全加密：系统设计时考虑多级安全防范措施，包括加密传输、身份认证等多种方法组合防护，根据不同的需要进行不同的安全等级设计，最大程度地保护各个子系统的自身安全；（3）系统权限设置：系统的网络配置和软件系统充分考虑数据的安全；多用户任务实时操作，并能够对用户权限进行严格的设定，确保网络安全可靠地运行；（4）数据备份安全：系统支持采用磁盘阵列技术通过冗余设计消除单点故障，不同RAID级别通过镜像、奇偶校验或组合策略实现实时容错；实现部分硬盘在损坏的情况下数据依然能够恢复；（5）系统稳定运行：可提供7*24小时不间断服务，平均每月停机时间小于4小时（含运维时间）；1.12训练和验证数据展示（1）Loss曲线的相关数据展示：系统分别提供训练集和验证集的Loss曲线图或详细数据下载；（2）准确率的相关数据展示：系统分别提供训练集和验证集的准确率曲线图或详细数据下载；1套2.数据推理平台2.1、资源管理（1）对于系统内算法资源统一管理，为系统的解析推理提供基础资源输入；2.1.1、单图极速分析（1）上传药材图片（≤10MB）后，自动调用算法模型进行图像分析并给出置信度（≥95%），单张图片推理时间≤3秒；2.1.2、算法仓库（1）提供算法上、下架管理能力，对算法进行统一集中管理；通过算法编排能力，实现中心、边缘、前端资源的算法下发、升级、卸载，用户可在算法应用过程中对算法不断更新迭代；2.1.3、算法管理（1）支持查看已上架到系统的算法包列表；（2）支持根据算法包名称、适配设备型号查询已上架的算法包；（3）支持选择算法包、算法包版本对算法进行下发部署,选择待部署算法的算力设备，将算法部署到算力设备，支持查看算法部署进度；（4）支持按芯片/GPU维度部署算法，可选择待部署的芯片/GPU数量，支持检测算法运行状态和算力资源剩余情况，系统根据算力资源的剩余情况完成算法部署编排；（5）支持对已部署当前类型、不同版本的算法包的算力设备进行算法升级，支持查看算法升级进度；算法包上传成功后选择合适时间进行推理算法部署，部署后1分钟内设备恢复正常；（6）支持对已部署当前类型的算法包的算力设备进行算法卸载，支持查看算法卸载进度；卸载算法后当前算法在算力设备上将不再可用；（7）支持批量操作算法部署、升级、卸载；（8）支持上传算法包，可直接上传算法包文件，或输入算法包下载地址，系统通过地址下载算法包并完成算法包在系统内的上架；（9）支持从零代码训练平台中生产训练算法然后导出，应用于算法仓库；（10）支持解析算法包，从算法包内获取算法包相关信息，包括算法包名称、算法包key、算法包版本、算法授权维度、适配设备型号、适配芯片型号、算法描述，以及算法包中包含的算法子类型；（11）支持多算法并行运行，不低于5个；（12）支持查询算法包，查询条件包括算法包名称、适配设备型号、算法描述；（13）支持查看算法包详情，详情信息包括算法包名称、算法包key、算法授权维度、默认算法版本、适配设备型号、适配芯片型号、导入用户、导入时间、包含算法子类型、算法描述；下图以下为算法包详情；①支持算法包版本管理，支持新增版本、设置默认版本、删除版本；支持切换算法包版本查看不同版本对应算法包内容；2.1.4、系统对接（1）支持智慧药典平台接入算法库实时获取推理平台提供的中药材算法；2.1.4.1、系统运维（1）支持算力资源监控，支持监控算力节点的CPU、加速卡、内存、磁盘、网络等资源的使用情况；支持对CPU使用率、加速卡使用率、磁盘使用率、内存使用率、等资源进行监控，支持按照小时时间范围等维度进行可视化资源统计和展示；（2）资源异常告警；支持算力资源异常告警，支持在算力资源指标触发告警阈值时进行告警；支持存储和管理算力资源告警数据；2.2、性能要求（1）单机图片处理性能：400QPS（同时处理400张图片检测任务）；（2）系统平均响应时间：不超过1秒；（3）系统最大响应时间：不超过3秒；2.2.1稳定性和可靠性要求（1）系统可靠性能：系统有较强的容错和系统恢复能力，确保系统长期正常运行；系统具备自检、故障诊断等功能，在出现故障时，能快速确定故障点，并及时恢复；（2）系统安全加密：系统设计时考虑多级安全防范措施，包括加密传输、身份认证等多种方法组合防护，根据不同的需要进行不同的安全等级设计，最大程度地保护各个子系统的自身安全；（3）系统权限设置：系统的网络配置和软件系统充分考虑数据的安全；多用户任务实时操作，并能够对用户权限进行严格的设定，确保网络安全可靠地运行；（4）数据备份安全：系统支持采用磁盘阵列技术通过冗余设计消除单点故障，不同RAID级别通过镜像、奇偶校验或组合策略实现实时容错；实现部分硬盘在损坏的情况下数据依然能够恢复；（5）系统稳定运行：可提供7*24小时不间断服务，平均每月停机时间小于4小时（含运维时间）；1套3.零代码训练平台CPU:(XEON8352V,2.10GHz,36C)*2；内存:(64GB/DDR4/RECC/2933)*6；SSD1:(SSD/480G/SATA6Gb/2.5寸)*2；SSD2:(SSD/4T/NVMEU.2/2.5寸)*2；HHD:(HDD/20T/SATA6Gb/3.5寸)*4；GPU:(RTX407012G)*8；RAID：LSI3108,RAID0,1,5,6,10,50,60-12Gb/s,1Gcach含BBU；网卡1:IntelX710DA210Gb*2,SFP(含模块)；网卡2:mellanoxMCX512A-ACAT；电源:(2000W)*4；1台4.人工智能推理平台CPU：2*Intel6130/16C/32T/22M；cache/2.10-3.70GHz/125W；内存：32GDDR4*8；硬盘：1T3.5“SATA*4（做RAID5）+480GBSSD*1；板载网卡：板载1000M网卡*2；电源：冗余双电800W；GPU：NVIDIATesla-T4*4；RAID卡：支持RAID；0,1,5,6,10,50,60,JBOD"；1台5.智慧药典平台开发5.1、智慧药典（1）智慧药典平台是面向师生、企业、开放注册用户的交互界面，实现中药材鉴定的业务操作与结果展示；系统要求（2）系统具备模型推理和结果展示等功能，能够对常见中药材进行准确的分类识别与真伪鉴定，并提供中药材查询功能可直接在系统内部查询中药材相关信息，如名称、特征、药性等药典内提供的信息；1）支持Chrome、Firefox、Safari、Edge等主流桌面端web浏览器；2）支持主流的智能手机登录；3）支持手机摄像头进行图像采集；4）手机拍摄数据时，摄像头像素推荐不低于4800万-5000万像素，拍摄较小的中药材数据时需使用支持微距拍摄功能的手机进行拍摄；5.2、功能5.2.1.智慧药典PC端功能5.2.1.1、用户功能（1）分类检测：提供中药材智能分类检测服务，支持用户上传药材图片至平台；检测完成后，系统将自动展示对应中药材的详细结果，包括中药材名称、核心特征描述及检测置信度等信息；（2）真伪检测：提供中药材真伪鉴别功能，用户可上传药材图片至平台进行检测；检测完成后，平台将清晰呈现检测结果，内容涵盖中药材名称、真伪类型判定、关键特征说明以及检测置信度等信息；（3）年份检测：提供中药材年份评估功能，支持用户通过上传药材图片发起检测；检测完成后，系统将生成包含中药材名称、预估年份、年份相关特征分析及检测置信度的结果报告，供用户参考；（3）提供至少5种中药材算法的现场演示或演示视频，提供陈皮年份识别算法，可对3--5年、6-10年、10年以上的新会陈皮进行分类识别，提供山楂识别算法，可对山楂和海棠进行分类识别，提供酸枣仁识别算法，可对酸枣仁、理枣仁、积椇子、兵豆进行分类识别，提供砂仁识别算法，可对缅甸砂仁、阳春砂仁、云南砂仁进行分类识别，提供当归识别算法，可对当归、全当归、归尾、欧当归、独活进行分类识别，以上算法准确率须达到95%以上并提供测试的混淆矩阵；（4）药典查询：集成药典权威查询入口，用户可在平台内直接访问并查询中药材的标准信息，包括药材性状描述、规范用法用量、主治功能及临床应用等核心内容；（5）检测历史：提供检测记录追溯功能，用户可在"检测历史"专属页面中便捷查询过去7天内的所有检测记录，包括检测时间、药材名称、检测类型及对应结果等信息；（6）个人中心：为用户提供个人信息管理中心，支持查看及修改个人资料，具体包括单位名称、用户名、登录密码、联系方式、用户身份等基础信息的维护与更新；（7）登录注册：支持用户通过手机号完成注册流程，注册成功后可使用手机号快捷登录平台，保障用户账户安全与访问便捷性（8）问题反馈：搭建用户问题反馈通道，系统支持用户在使用过程中，针对模型检测时出现的识别准确率低、结果偏差等问题，通过"问题反馈"模块提交详细反馈，助力平台优化升级；（9）批量检测：支持从相册中选择已有图像进行识别，批量检测功能支持导入多张图片同时进行识别并反馈识别结果与置信度；（10）模型推理：使用训练好的深度学习模型对提取的特征进行推理，判断中药材的种类或真伪；推理过程中如用户超过并发限制平台则按任务提交先后顺序进行排队；（11）结果展示：将识别结果以直观的方式展示给用户，包括中药材的名称、置信度、相关信息等；（12）检测教程：平台提供检测操作教程，涵盖图片拍摄技巧（如光线要求、角度建议、背景处理）、上传流程指引、结果解读说明等内容，帮助新用户快速掌握使用方法；5.2.2、管理员功能（1）数据看板：提供数据可视化看板功能，管理员可通过看板实时掌握近期用户增长动态、在线人数统计，以及各功能模块的使用热度排行，为运营策略制定提供数据支撑；支持数据趋势分析图表（日/周/月维度），支持自定义时间区间查询，添加关键指标预警功能（如用户流失率异常升高时自动提醒）；（2）检测记录：支持检测记录集中管理功能，管理员可通过检测历史查询入口，检索系统内所有用户近7天的检测记录，包括检测时间、药材信息、检测类型及结果详情等内容，实现检测数据的精准追溯；（3）用户管理：提供用户管理功能，管理员可对系统内所有用户账号执行新增、删除、信息修改及查询等操作，全面把控用户账号状态与详细信息配置；支持用户分类（经销企业、个人用户、种植户、科研人员、其他用户）；（4）系统日志：系统自动记录并归档登录日志、检测操作日志及功能使用日志，管理员可通过日志查询功能按时间、类型等条件筛选查看，为系统故障排查、操作合规审计提供可靠依据；（5）问题反馈：提供问题反馈全流程管理功能，管理员可实时查看用户端提交的问题反馈内容，并对反馈进行处理、跟踪进度及回复结果，形成闭环管理以提升用户体验；支持反馈分级处理机制（普通问题/紧急问题/重大问题）；5.2.3、智慧药典手机端功能（1）用户登录与注册：支持用户通过手机号完成注册流程，注册成功后可使用手机号快捷登录平台，保障账户安全与访问便捷性；（2）用户信息：用户信息页面提供完善的个人设置功能，支持查看及维护用户基本信息、接收系统通知，并可通过该页面入口提交平台使用问题反馈；（3）图像采集：手机端集成拍照检测功能，用户点击相机按钮后即可打开拍照界面将需要识别的物体放在识别框内点击拍照按钮即可进行检测，拍照检测功能支持中药材的真伪检测、中药材分类检测、陈皮等中药材的年份检测；（4）批量检测：手机端支持批量上传检测功能，用户可从本地相册中选择图片发起检测，单次批量检测最多支持上传5张照片；（5）展示结果：图片拍摄或上传完成后，系统自动启动检测流程，检测完成后实时展示结果，包括中药材相关信息、检测置信度等核心内容；（6）问题反馈：系统内置问题反馈通道，若用户在使用中遇到模型检