图像分辨率不是越高越好

先识别需要看见什么

判断物体类别和读取细小文字，对图像细节的要求不同。把所有图片统一放到最高分辨率，会增加处理量，却未必改善普通识别。应先定义任务需要的最小可辨信息，例如标签字符、仪表刻度或零件缺口，再决定缩放和裁剪方式，而不是用文件大小代替质量标准。

制作成对测试样本

对同一图片生成多个尺寸，保持问题与输出要求一致，检查重要区域是否丢失。细字任务还应加入模糊、反光和压缩样本，分别记录识别错误。只在清晰宣传图上测试，很难反映真实拍摄情况。图片预处理的参数要保存，便于复现模型看到的实际输入。

按失败原因改流程

若整体图能够定位区域但读不清细节，可以先定位再处理局部，而不是继续放大整张图。局部输入应保留与原图的坐标关系，避免答案无法追溯。若原始照片已失焦，放大不能恢复真实信息，应提示重新拍摄或进入人工处理，不允许系统猜测看不清的数字。

延伸阅读

CLIP 图文对齐原论文：https://arxiv.org/abs/2103.00020 。资料供核对相关基础概念；本文流程建议需结合具体任务验证。