数据处理

用 PCA 将四维教学数据投影到二维，查看解释方差和散点，区分可视化探索与正式训练评估。

用 librosa 生成梅尔功率频谱图，核对采样率、hop_length、时间频率坐标和相对分贝色标。

用 librosa 非静音检测导出语音切片，保存原始样本位置与秒数，听回检查弱语音和标签时间。

用 OpenCV Canny 输出两组边缘图，比较阈值、轮廓连续性与噪点，区分边缘和语义标签。

用 OpenCV 彩色非局部均值比较两档去噪，保留原图，检查噪点、细线和目标纹理是否丢失。

用 OpenCV CLAHE 在灰度副本上比较两档局部对比增强，核对尺寸、噪点和训练分布限制。

用 spaCy Sentencizer 按中文标点断句并输出字符偏移，核对尾段、原文切片和复杂标点限制。

使用多语言 MiniLM 与 Sentence Transformers 检索中文短文档，核对行号、排名和未知问题边界。

用 FAISS 精确检索已知二维向量，保存并重载索引，同时核对平方距离和资料 ID 映射。

用 EasyOCR 识别本地中英文图片，保存四边形坐标、文字和置信度，并逐块回查原图。