Asystent diagnostyki elektroniki

Analiza zdjęcia pod pomiar multimetrem

To już nie jest mock: ta podstrona wysyła zdjęcie do modelu vision przez OpenRouter, odbiera bounding boxy i zamienia je na instrukcje pomiarów multimetrem.

Typ urządzeniaCo chcesz uzyskać ze zdjęcia?

Dobre do płyt bez startu, cewek VRM i szukania zaniżonej rezystancji do masy.

Backend Next.js wywołuje OpenRouter po stronie serwera. Klucz API nie jest już wpisywany w przeglądarce użytkownika. Dodatkowo zdjęcia są lokalnie preprocessowane przez OpenCV: podbicie detalu, mapa krawędzi i wysoki kontrast.

Model vision przez OpenRouter

Router darmowych modeli z auto-doborem vision + structured output.

Model płyty / urządzeniaObjaw awariiZdjęcie do analizy

Podgląd zdjęcia z overlayem LLM

Canvas nakłada ramki, numerację i pozwala dorysować własne notatki serwisowe.

Dodaj zdjęcie z góry lub z lekkiego kąta. Najlepiej, gdy na fotce widać całą sekcję, a potem możesz dołożyć makro podejrzanego obszaru.

Wykryte elementy / ramki

Kliknij obszar, żeby zobaczyć konkretną instrukcję sond i tryb miernika.

Po poprawnej odpowiedzi z OpenRouter ta sekcja pokaże ramki i listę wykrytych obszarów.

Instrukcja pomiaru dla wybranego punktu

Tu użytkownik dostaje dokładnie „co i jak zmierzyć multimetrem” dla zaznaczonego obszaru.

Wybierz oznaczony element z listy po lewej albo uruchom analizę zdjęcia.

Ważne: backend i darmowe modele

Ta wersja działa przez backend Next.js. Klucz OpenRouter jest trzymany po stronie serwera i nie jest wpisywany przez użytkownika w przeglądarce.

Model `nvidia/nemotron-3-ultra-550b-a55b:free`, który wcześniej padł w rozmowie, jest tekstowy, więc nie nadaje się do wejścia obrazowego. Domyślnie backend używa `openrouter/free`, żeby router dobrał darmowy model vision.

Uwaga: darmowe endpointy OpenRouter/NVIDIA mogą logować prompty i obrazy. Nie wrzucaj zdjęć zawierających dane wrażliwe.

Co dalej można jeszcze ulepszyć

Teraz działa realny LLM vision. Kolejny etap to podniesienie jakości i przewidywalności rozpoznania.

1. Preprocessing OpenCV

Automatyczne prostowanie zdjęcia, podbijanie kontrastu i wstępne region proposals przed wysłaniem do LLM.

2. Dwa kroki analizy

Najpierw zdjęcie ogólne, potem automatyczna prośba o makro wybranego obszaru dla dokładniejszej identyfikacji elementu.

3. Lepszy backend i pamięć sprawy

Backend już działa po stronie serwera. Następny krok to zapisywanie spraw, wyników pomiarów i kolejnych zdjęć, żeby LLM mógł prowadzić użytkownika przez kilka iteracji diagnostyki.

Jeśli chcesz, mogę w następnym kroku dołożyć preprocessing OpenCV albo tryb wieloetapowy: najpierw zdjęcie ogólne, potem automatyczne dopytanie o makro konkretnego obszaru.