v0.1.0 · Demo 技术预研

先把场景看清楚，
再让摄像头理解现场

moo-camera-recognition 是一个视觉识别场景实验室：把物业巡检与餐饮后厨拆成清晰、可复核的判断题，用多模型同图对比验证边界，再决定正式系统该怎样接入。

浏览 21 个场景 Gitee 仓库 ↗

21场景

108合成样本

339诊断记录

合成 Demo 场景：设备间通道内出现明显烟雾 — Synthetic demo scene
先明确烟雾与蒸汽、扬尘等干扰项的边界，再进行同图验证。
FRAME 0108

Experiment protocol

不是“拿张图问 AI”，而是一套可复核协议

先定义什么算异常、什么必须排除，再构造正例、负例、边界例和干扰例；模型只是参与答题，判断题本身才是核心资产。

01 / DEFINE

固定场景边界

写清异常对象、区域、程度、排除项和不确定条件。

02 / SAMPLE

成组构造样本

异常与相似正常情况成对出现，避免只测“送分题”。

03 / COMPARE

多模型同图作答

输入完全相同，保留结构化结论、自由描述和目标框。

04 / REVIEW

人工复核边界

分析错在哪里，修正协议或提示词，不篡改原始结果。

Demo contact sheet

让场景先长得像现场

从物业公共区域到餐饮后厨，Demo 用成组画面承载每条判断协议。画面均为合成样本，用于验证场景定义与识别边界，不代表真实机位表现。

8 scenes · synthetic samples

合成 Demo：设备间通道出现烟雾 — **烟火识别**物业 · 安全
异常样本

合成 Demo：公共区域人员倒地 — **人员倒地**物业 · 人员安全
姿态边界

合成 Demo：车辆和杂物堵塞消防通道 — **消防通道堵塞**物业 · 消防
占用程度

合成 Demo：后厨地面存在积水和油污 — **地面积水 / 油污**后厨 · 卫生
反光排除

合成 Demo：后厨出现异常明火 — **明火 / 异常烟雾**后厨 · 消防
蒸汽排除

合成 Demo：后厨员工工作帽佩戴场景 — **工作帽佩戴规范**后厨 · 人员规范
合规边界

Scene atlas

二十一个观察窗口

13 个物业场景覆盖秩序、安全与环境；8 个后厨场景覆盖卫生、消防和人员规范。

P / 01 · ORDER

车辆目标识别

识别车辆目标与数量；是否占道仍需结合固定机位的通行区域。

P / 02 · ENVIRONMENT

通道杂物 / 垃圾

判断遗落垃圾和废弃物，排除施工材料与完整清洁车。

P / 03 · GREENING

绿化裸土识别

判断草坪明显裸土，排除规整树池、覆盖物与连续枯黄草坪。

P / 04 · DUTY

岗亭值班状态

只分析岗亭室内，区分正常值班、趴睡和离岗，排除门外路人。

P / 05 · WASTE

垃圾桶满载识别

区分未满、接近满载和已满，并判断桶外溢出与散落垃圾。

P / 06 · FIRE

烟火识别

判断明火或烟雾，重点排除水蒸汽、尾气、扬尘和电焊火花。

P / 07 · WATER

道路积水识别

区分严重积水、明显积水与小水洼，排除湿路反光和车辆水花。

P / 08 · PERSON

人员倒地识别

判断摔倒或倒卧，排除坐地休息、锻炼、玩耍与长椅休息。

P / 09 · E-BIKE

电动车入楼识别

判断电动车进入电梯、楼道或门厅，排除室外车棚与普通自行车。

P / 10 · FIRE ACCESS

消防通道堵塞

识别车辆、杂物和施工物料占用，并区分完全与部分堵塞。

P / 11 · MANHOLE

井盖异常识别

区分缺失、破损、移位与正常；被积水遮挡时保留不确定。

P / 12 · PAVEMENT

路面破损识别

识别坑洞、裂缝和松动地砖，排除已设置围挡的规范施工。

P / 13 · TREE

树木倒伏 / 断枝

识别整树倒伏、危险悬挂断枝和枝条占道，排除正常修剪。

K / 01 · WASTE

垃圾桶满溢 / 未盖盖

识别满载、外溢与桶盖状态，成对保留正常容量负例。

K / 02 · FLOOR

后厨地面积水 / 油污

区分积水、油污和混合污染，避免把正常地面反光判为异常。

K / 03 · LITTER

地面垃圾未清理

识别纸屑、包装和食材残渣，排除整齐收纳的正常物品。

K / 04 · ACCESS

消防 / 工作通道堵塞

区分堵塞、部分堵塞与畅通，覆盖纸箱和器材等常见干扰。

K / 05 · STAFF

员工未戴工作帽

识别合规、未戴和佩戴不规范，保留遮挡与非工作人员边界。

K / 06 · FIRE

明火 / 异常烟雾

区分异常火情和正常烹饪蒸汽，避免把高温作业直接等同事故。

K / 07 · PERSON

人员倒地

对比倒地、正常活动与无人画面，验证狭窄空间下的姿态判断。

K / 08 · CLOSING

闭店灶台清洁检查

检查油污、残渣与杂乱状态，明确只在闭店条件下判断。

Evaluation

结果不只看“对了多少”，更看错在哪里

原始描述与结构化结论全部留档。模型之间不一致的样本，比一串漂亮百分比更能暴露场景定义、光照、遮挡与干扰项的问题。

40PROPERTY SET A

差异样本扩充

两路主力判断各为 39/40；完整结构化结论在 35/40 图片上一致。

25PROPERTY SET B

五类新增物业场景

两路主力判断各为 24/25；核心结构化结论 25/25 一致。

16KITCHEN FIRST PASS

后厨首轮处置方向

两路主力均为 16/16，另一路为 13/16；遗漏集中在细小垃圾和工作帽信息。

这些数字不是生产准确率。它们只反映合成样本、当前场景协议和当前提示词下的结果；真实固定机位还会叠加装修差异、夜间光照、遮挡、人员密度和摄像头压缩。

Laravel package

Demo 之外，还有可演进的包边界

当前 `0.1.0` 先把视觉识别任务、结果数据与后台管理能力放进独立 Laravel 扩展包；设备协议和推理服务留给后续驱动，不提前锁死。

PHP 8.2+Laravel 12Schema-firstProprietary

PACKAGE SCOPE / v0.1.0

已经提供

Composer 自动发现、配置发布、迁移加载、后台路由与 scaffold schema 发现。

承载对象

识别任务、输入图像、运行状态、结构化结果、失败原因与完成时间。

刻意后置

摄像头厂商协议、视频流接入、具体推理供应方和生产告警策略。

演进方式

需求明确后通过契约、驱动或独立服务接入，场景档案继续作为验收基线。

Current boundary

现在验证的是“单图能不能判断”，不是完整监控系统

已经坐实

· 21 个场景都有清晰判断边界与成组样本。
· 多模型可以读取同一图片，输出可归一、可对比、可留档。
· 正例、负例、边界例与干扰例能持续扩充为回归集。
· 物业与后厨两类业务可以复用同一套实验协议。

尚未声称完成

· 没有真实摄像头抓帧、视频流或设备协议接入。
· 没有 ROI、连续帧去抖、告警节流和物业处置闭环。
· 合成图表现不代表跨小区、跨门店的真实准确率。
· 高风险结果只应触发人工关注，不直接形成处罚结论。

Next orbit

下一站：真实固定机位

用同一套场景协议验证不同门店、小区、昼夜、遮挡和压缩质量；随后再补 ROI、连续帧确认、告警节流与人工处置回流。

查看项目进展 ↗

One sentence

先把每个视觉场景写成一道可复核的判断题，再决定摄像头、模型与告警链该怎么组合。

回看场景图谱返回生态总览

先把场景看清楚，再让摄像头理解现场