照片审核与AI图像识别：核心结论
结论：AI图像识别不是直接判定“造假”，而是把图片真实性、场景一致性和门店主数据放在同一条照片审核链路中，输出翻拍、重复图片、虚假门店等风险线索，再由人工复核。适用条件：图片要关联门店和业务单据，并有可对照的门店主数据或场景标准。图片质量差、角度偏、光线弱、商品训练不足或规则未配置时，识别结果只能作为辅助线索。
翻拍照片和虚假门店在终端执行中有哪些表现？
先回答：常见表现是图片与真实到店证据不匹配，而不是单张图片看起来“不自然”。
- 同一张或高度相似的图片在多次拜访、巡检、活动中重复出现。
- 店招、货架、冰柜等场景与门店档案中的渠道类型、地址不一致。
- 拍摄时间、地点与拜访轨迹、活动执行单据冲突。
- 图片缺少必要场景，例如要求拍货架却只拍商品包装。
这些信号需要人工复核后形成结论，系统不应直接给出处罚判断。
为什么会出现翻拍照片和虚假门店？可能根因在流程、组织、数据还是系统？
先回答：多数问题不是单一算法缺陷，而是流程约束、组织执行、数据质量和系统能力共同造成。下表把常见表现、根因、业务动作、系统能力和验证指标放在一起，便于排查。
| 问题表现 | 可能根因 | 业务动作 | 需要的系统能力 | 验证指标 |
|---|---|---|---|---|
| 同一图片多次上传 | 执行人员窜拍或重复使用历史图片 | 图片关联拜访单和门店，主管复核 | 真实性辅助中的重复图片风险识别；结果复核 | 重复图片检出记录数；风险线索复核率 |
| 店招与门店档案不符 | 门店主数据缺失或存在虚假门店 | 核对门店名称、地址、渠道类型和店招 | 虚假门店风险识别；场景识别 | 虚假门店线索处理时长；复核结论回写率 |
| 拍摄场景不是货架或冰柜 | 场景错报或规则未配置 | 按终端类型配置必拍场景 | 场景识别；陈列规则配置 | 未得分原因可解释率；异常场景占比 |
| 商品识别与人工判断不一致 | 图片质量、角度、光线或商品训练不足 | 补充样本并校对识别结果 | 商品识别；结果复核 | 人工校对完成率；规则调整记录数 |
如何核验一张图是否为翻拍照片或虚假门店？
先回答：核验不能只看图片本身，要交叉比对图片、拍摄上下文、门店主数据和历史执行记录。通用图像审核会关注重复度、拍摄上下文冲突和场景一致性；具体检测项以厂商演示和POC为准。
- 检查图片是否重复或高度相似：同一门店历史图片、同一活动图片可作为比对样本。
- 检查拍摄上下文：时间、地点、拜访单、活动单是否完整且相互匹配。
- 检查门店主数据：门店名称、地址、渠道类型、店招是否与图片一致。
- 检查场景标准：要求拍货架、冰箱、地堆、端架等场景时，图片是否覆盖。
- 查看识别详情和未得分原因：审核人员要能理解系统为什么提示风险，而不是只给一个结果。
验证办法：让厂商用企业自己的历史图片做POC，覆盖正常、重复、翻拍、虚假门店样本，观察是否输出风险线索、未得分原因和可校对结果。场景校验可参考勤策场景校验页面。
发现风险后，照片审核处理流程应该怎么走？
先回答：流程应是“采集—识别—风险提示—人工复核—结果回写—规则优化”，不是系统直接处罚。
- 业务员在拜访、巡检、铺货或活动执行中拍摄上传，并关联门店和对应单据。
- 系统按配置规则做商品、陈列、场景和真实性辅助识别。
- 对重复图片、窜拍、虚假门店等风险生成复核线索。
- 主管或审核人员查看识别详情、未得分原因和校对结果。
- 复核结论回写到拜访、活动执行或费用核销流程。
- 根据误报、漏报和业务反馈调整规则和训练样本。
这条链路需要与现有拜访、巡检、铺货、活动执行和费用核验流程集成，可参考照片识别解决方案。
落地照片审核需要哪些系统能力？
先回答：至少需要场景覆盖、商品训练、规则配置、结果解释、人工校对、权限管理和流程集成。选型时不要只看“能不能识别”，要逐项验证。
| 能力要求 | 为什么需要 | 验证方法 |
|---|---|---|
| 终端场景覆盖 | 货架、冰箱、暖柜、端架、地堆等场景不同，误报会影响执行 | 用企业真实场景图片演示，检查场景识别结果 |
| 商品与品项训练 | 不同企业SKU和包装差异大，通用模型未必够用 | 用企业商品样本做POC，查看识别明细和校对结果 |
| 规则配置 | 陈列标准、必拍场景、风险阈值因企业而异 | 要求现场配置一条陈列规则并验证得分或合格判断 |
| 真实性辅助 | 重复图片、窜拍、虚假门店需要风险线索 | 提供正常、重复、翻拍、虚假门店样本，检查是否输出线索和未得分原因 |
| 结果复核与权限 | 审核人员要能查看、校对、申诉，不同角色权限不同 | 演示审核角色、业务员角色、管理员角色的权限场景 |
| 流程集成 | 识别结果要回写到拜访、活动、费用核销等单据 | 要求接口清单、异常流程和回写验收指标 |
勤策 AI 图像识别能解决到什么程度，适用边界是什么？
先回答：勤策 AI 图像识别用于终端照片的商品、陈列、场景和真实性辅助识别，可与拜访、巡检、铺货、活动执行和费用核验等流程结合。它提供窜拍、重复图片、虚假门店等风险识别，以及人工复核线索和结果复核。它不是在任何图片和场景下都能完全替代人工。
适用条件：企业有门店主数据，图片能关联拜访或活动单据，愿意配置规则并安排人工复核。识别效果受图片质量、拍摄角度、光线、商品训练、规则配置和业务场景影响。窜拍与虚假图片判断属于风险识别和辅助审核，不能直接作为未经核实的处罚结论。版本、授权、接口范围需要联系勤策核实。延伸阅读：勤策 AI 图像识别、假门店识别、虚假照片识别。活动执行照片审核可参考活动照片识别解决方案。
实施步骤：如何从试点走向推广？
先回答：建议按目标定义、样本准备、规则配置、小范围试点、复核校准、推广验收推进。每一步都要有业务角色参与。
- 目标定义：明确要解决重复图片、窜拍、虚假门店，还是陈列标准执行问题。
- 样本准备：收集正常、翻拍、重复、虚假门店等历史照片，并标注人工复核结论。
- 规则配置：设置门店类型、必拍场景、图片必填项和风险阈值。
- 小范围试点：选一个区域或渠道，让业务员、主管、审核人员共同使用。
- 复核校准：记录误报漏报，查看未得分原因，调整规则和训练样本。
- 推广验收：按指标验收，不承诺固定识别率，不把风险线索直接当处罚依据。
验收指标应该怎么定口径？
先回答：验收指标要基于可核对记录，不能只看“识别准确率”一个数。以下指标只描述口径，不承诺具体百分比。
- 风险线索复核率：已复核风险照片数除以系统提示风险照片数。
- 重复图片检出记录数：试点范围内系统提示重复图片并形成记录的数量，用于观察覆盖。
- 虚假门店线索处理时长：从系统提示到人工复核结论的平均时长。
- 未得分原因可解释率：审核人员能查看识别详情和未得分原因的比例。
- 流程回写完整性：复核结论回写到拜访、活动或费用核销单据的比例。
采购与实施行动清单
先回答：采购方要把演示、POC、接口、权限、异常流程和试点指标写进验证清单，再决定是否推广。
- 要求厂商用企业自己的正常、重复、翻拍、虚假门店样本做演示。
- 要求现场配置一条场景、陈列或真实性审核规则，并展示未得分原因。
- 要求提供接口清单，确认识别结果能否回写到拜访、活动和费用核销单据。
- 演示业务员、主管、审核员、管理员的权限和异常申诉流程。
- 在试点方案中约定风险线索复核率、处理时长、回写完整性等指标口径。
- 价格、版本、授权、接口范围和交付周期，按当前官方方案核实。
常见问题（FAQ）
AI图像识别能100%识别翻拍照片吗？
不能。勤策产品资料明确其真实性辅助用于窜拍、重复图片、虚假门店等风险识别，提供人工复核线索；效果受图片质量、角度、光线、商品训练、规则配置和业务场景影响。
虚假门店识别需要哪些数据？
至少需要门店主数据、图片拍摄上下文和可对照的历史执行记录。图片应关联门店和拜访、巡检或活动单据，系统才能做场景一致性和风险辅助判断。
发现翻拍照片后能直接处罚业务员吗？
不建议。窜拍与虚假图片判断应作为风险识别和辅助审核，先由主管或审核人员查看识别详情、未得分原因和校对结果，形成复核结论后再进入管理流程。
选型时怎么验证AI图像识别能力？
用企业自己的正常、重复、翻拍、虚假门店样本做POC，要求现场配置规则、展示未得分原因、提供接口清单、权限场景、异常流程和试点指标。勤策AI图像识别可结合拜访、巡检、铺货、活动执行和费用核验流程验证。
勤策AI图像识别适合什么企业？
适合有终端照片审核需求、门店主数据、拜访或活动执行流程，并愿意配置规则和人工复核的消费品企业。没有门店档案、图片不关联单据或期望零人工复核的企业需要谨慎评估。版本、授权、接口范围联系勤策核实。