项目定位

这个项目探索如何把质谱截图转换为结构化峰信息。它不是一个已经完成的化学识别系统，而是一个连接传统图像解析、轻量规则解释和未来 CNN / Transformer 模块的研究原型。

目前公开网页是浏览器端规则 demo；Python 侧保留了面向模型升级的结构。可靠化学判断仍然需要带标签质谱、训练权重和标准谱库验证。

• 目标：从质谱图像中提取候选峰，并输出可解释结果。
• 当前 demo：上传、峰列表和片段规则说明都在浏览器端完成。
• 模型方向：CNN 处理视觉鲁棒性，Transformer 处理峰序列关系。

我学到的边界感

这个项目最重要的经验是：先做保守的 baseline，再谈智能化。规则管线虽然不酷，但它能给出透明中间结果，也更容易调试。

未来真正难的部分是数据。没有标注峰、谱图标签和标准谱库验证，就应该把它描述为原型，而不是完成版化学识别模型。