PIM 下架图片自动核查工具

目标模特即将离职，需要对其历史出镜商品图片进行排查和下架处理。业务侧提供包含商品 ID 的表格及目标模特参考照片，项目目标是逐一核对 PIM 系统中对应商品的资源图和详情页，判断是否仍存在该模特照片，同时确认详情页是否存在“1111”占位情况，为后续图片下架和人工复核提供依据。

9000+ 商品 ID 批量核查

0.8 人脸相似度默认阈值

only 20+ 需要人工复核的ID

100% 1111 占位判断正确

从商品 ID 到核查结果

工具通过 Playwright 操作 PIM 系统，自动进入渠道商品详情页，采集图片链接并下载缓存，再用人脸识别模型比对目标模特，最后把判断结果写回 Excel。

输入是一张包含商品 ID 的表格，以及一个目标模特参考照片文件夹。

使用 MTCNN 做人脸检测，FaceNet/InceptionResnetV1 生成人脸特征并计算相似度。

写回是否含目标模特、最高相似度、人脸图片数、URL 数、备注和 1111 占位判断。

业务侧只需要提供商品 ID 表和目标模特照片，输出表用于下架判断和人工复核。

输入表中包含商品 ID，工具会生成对应商品链接，并逐条进入 PIM 系统核查资源图和详情页。

除了图片人脸识别，工具还会检测详情页是否出现“1111”占位，作为独立核查字段写入输出表。

基于 Python 和 Playwright 登录并操作 PIM 商品管理系统，按商品 ID 自动进入渠道商品详情页，采集资源图和详情页图片链接并下载缓存。

使用 MTCNN 进行人脸检测，FaceNet/InceptionResnetV1 生成人脸特征，与目标模特参考图进行相似度比对，默认阈值设置为 0.8。

将识别结果、最高相似度、检测到人脸的图片数、URL 数、备注和详情页 1111 占位判断写回输出 Excel，方便业务侧复核和下架处理。

为保证长批次任务可持续运行，工具支持断点续跑、逐行保存、图片并发下载、缓存清理，并统一使用 CPU 模式，便于在同事电脑上直接运行。

难点主要集中在长批次运行稳定性、跨设备可用性和图片识别效率上。

如果用户误删结果表或关闭终端，重跑全部商品效率很低。因此代码运行时维护缓存数据，并支持从上一次结尾继续跑。

同事电脑可能没有 Python 环境、依赖包或 GPU。为降低交付门槛，工具统一设置为 CPU 模式，速度不会慢太多，也更容易打包分发。

资源图和详情页图片数量较多，逐张下载会影响速度，因此设置一批四张图片并发下载，同时使用少量清晰的目标模特照片提高比对效率。

详情页 1111 占位判断准确率很高；人脸识别准确率依赖模型和阈值设置，当前阈值为 0.8，并保留最高相似度和备注用于人工复核，9000条ID中仅有20多条需要人工核验。

在阈值 0.8 下，工具完成 9000 多条商品 ID 的批量核查，人脸识别结果整体稳定，仅有 20 多条需要人工复核修正；详情页 1111 占位判断全部正确。