背景与挑战
同物种个体长相高度接近，人眼都难分；而通用方案在真实数据上几乎全线失败：零样本检测 0% 召回、全局 CLIP 卡在 74%、斑点匹配仅 26–32%、视觉大模型（VLM）自信地把两只不同的龟判成「同一只」。
同种龟，长相高度相似——谁能分开？
技术方案
端到端管线：目标检测（YOLOv8n）→ 全局嵌入（CLIP + ArcFace 度量学习）→ 纹理匹配（全分辨率 SIFT）→ 个体 ID → 多租户 API。检测器跨 7 个物种 / 178 张多样化龟照达 98% 召回，泛化可靠。
目标检测 → 全局嵌入 → 纹理匹配 → 个体 ID → 多租户 API
关键突破：74% → 94.7%
最关键的提升，来自一个反直觉发现——「不是算法不行，是分辨率没吃满」。CLIP/斑点/VLM 都在降采样（224/320/768px），把龟背「指纹级」的细纹理压没了。切到原始全分辨率跑 SIFT 后：准确率 74% → 94.7%；之前所有方法都搞不定的龟C↔龟D（同种、高度相似）混淆清零；且 0% 自信错认（认不准时主动报 unknown，绝不瞎认）。
准确率 74% → 94.7%
产品化：多租户 B2B API
FastAPI 服务，X-API-Key 鉴权，每个租户独立 gallery（数据隔离）；双模式 cascade（快 ~1s，带 low_confidence 信号）/ accurate（全分辨率 SIFT，94.7%）；端点 /v1/turtles（注册）、/v1/recognize（识别）、/v1/health。
curl -H "X-API-Key: $KEY" -F file=@photo.jpg \
https://api.mk-service.cn/v1/recognize?mode=cascade
# → {"mode":"cascade","items":[{"name":"龟C","score":77,"path":"sift","low_confidence":false}]}
识别过程——照片 → 检测框 → 个体命中
技术栈
YOLOv8n（检测）· open_clip ViT-B-32 + ArcFace（度量学习）· 全分辨率 SIFT / FLANN+RANSAC（纹理匹配）· FastAPI 多租户（B2B API）· 纯 CPU / 离线可部署
适用场景
- 宠物 / 水族 / 养殖的个体识别与档案
- 活体资产盘点、标记-重捕（科研 / 保护）
- 任何「长相接近、但需区分到个体」且需要稳定 API 集成的视觉任务