1.1 背景
图像质量检测只能基于人工识别，设计师和测试人员效率有待提高；AI 测试手段和方法欠缺；AI 技术盛行，测试手段和方法也要与时俱进，做技术赋能。
1.2 测试目标和范围
1.2.1 测试目标
l 丰富图像质量检测的方法，多维度验证图像质量输出；
l 结合 AI 检测技术，实现自动化测试和 html 报告输出；
1.2.2 测试范围
测试类型 子项说明
图像质量 AI 测试 检测图像生成的质量评估、准确度；

学习笔记如下： 源代码后续上传。。。

图像处理 Web 系统

项目概述

• 类型：前端 + 后端开发
• 技术栈：Vue.js (前端) + Python/Django (后端)

技术实现路径

整合现有 Python 代码
将现有图像处理算法封装为 Django 服务
通过 Celery 实现异步任务处理

系统流程

用户登录系统
上传需处理的图片
创建处理任务，选择图片和算法
系统调用已有 Python 代码进行处理
处理完成后生成报告
用户查看和管理报告

===============================================================
1.成果截图：

2.登录页：

3.首页：

4.图片管理列表

5.任务管理列表

6.创建任务

7.报告管理列表

8.html 报告样式