图像识别服务于量化交易的核心流程是：采集财报PDF、K线图、新闻配图、卫星图像等非结构化视觉数据；针对性预处理（如表格校正、K线坐标映射、Logo去噪）；选用轻量可解释模型（PaddleOCR、微调YOLOv8-seg、MobileNetV3+Grad-CAM）提取文字、形态、场景特征；最终将识别结果转化为带时间戳与来源标识的标准化因子或事件信号，直连量化引擎。
量化交易本身不直接实现图像识别，二者属于不同技术领域：量化交易聚焦于金融数据建模与自动交易决策，图像识别则处理视觉信息的检测、分类与定位。但现实中存在交叉场景——比如用图像识别分析财报截图、研报图表、卫星图像（如停车场车辆数预测零售销量）、新闻配图情绪识别等，再将识别结果作为另类数据输入量化策略。下面讲清楚这个“图像识别服务于量化交易”的完整流程，不混概念，不绕弯子。
图像数据怎么来：量化场景下的特殊采集方式
和普通AI项目不同，量化中用到的图像往往不是拍照得来，而是结构化信息的视觉化产物：
- 财报PDF转图片：用pdf2image批量提取年报关键页（如利润表、资产负债表），统一转为600dpi灰度图
- K线图截图：通过TradingView或同花顺API导出指定周期的图表，保留坐标轴、成交量、指标线等语义元素
- 新闻/社交平台配图：爬取财经媒体文章中的插图，过滤纯广告图，保留含公司Logo、产品实拍、工厂航拍等高信息密度图像
- 卫星/街景图像：调用Maxar或Google Static Maps API获取特定厂区、港口、商场的定期影像，时间戳必须精确到日
预处理要突出“金融图像”特性
通用CV流程里的归一化、缩放在这里不够用，需针对性增强金融图像的判别性：
- 表格图像：先用OpenCV做透视校正+二值化，再调用TableBank或PubLayNet模型识别表格结构，把“营业收入：12.5亿元”这类文本块精准切分出来
- K线图：用Canny边缘检测+霍夫变换提取坐标轴线，再根据像素比例反推价格/时间刻度，把图像坐标映射为真实数值序列
- Logo识别图：裁剪固定区域（如右上角）、统一白底、加粗边缘，提升OCR识别率；对模糊图用非局部均值去噪（cv2.fastNlMeansDenoising）而非简单高斯模糊
- 所有图像统一保存为PNG无损格式，避免JPG压缩引入伪影干扰后续特征提取
模型选型：轻量+可解释比精度更重要
量化系统需要稳定、低延迟、可追溯的结果，不追求SOTA指标：
- 文字类（财报/公告）：用PaddleOCR v2.6（支持中英文混合+表格识别），输出带坐标的JSON，字段名直接映射成因子名称，如"营业总收入_2024Q3"
- 图表类（K线/柱状图）：微调YOLOv8-seg，在自建小样本数据集（200张标注图）上训练，只检测“上涨箭头”“下跌阴影区”“突破横线”三类语义区域
- 场景类（卫星图/工厂图）：用MobileNetV3 + Grad-CAM可视化热力图，确认模型关注的是“堆场集装箱数量”而非“天空云朵”，保障业务逻辑可信
- 全部模型导出为ONNX格式，用ONNX Runtime在Python或C++环境部署，启动耗时＜100ms，单图推理＜300ms
结果怎么喂给量化系统
识别结果不是存数据库就完事，必须转换成量化引擎能直接消费的信号：
- OCR文本 → 提取数字+单位+年份 → 转为float型字段 → 写入因子库表，字段名带来源标识，如fin_report_revenue_q3_yoy_pct
- K线图识别出“放量突破年线” → 输出布尔信号 + 突破日期 + 当日收盘价 → 推送至事件驱动引擎，触发回测模块重算持仓
- 卫星图统计出某芯片厂货车日进出数环比+23% → 经Z-score标准化后，作为行业景气度因子加入多因子模型，权重动态调整
- 所有图像源文件、识别中间结果、最终信号全部打上UTC时间戳和哈希值，满足金融合规审计要求
基本上就这些。图像识别在量化里不是炫技环节，而是把非结构化信息拧成一股确定性数据流。关键不在模型多深，而在每一步都可验证、可回溯、可嵌入现有交易流水线。
