green-tracker + green-tracker-client开源项目

项目主要对四个关键需求给出了针对性的实施方案。（1）为了统一采集多模态数据，系统采用在感知层采用数值-文件双通道多线程并发的方式采集数据，在各自通道内将收到的数据封装成标准统一的消息包，屏蔽了数据源的差异。（2）为确保多用户场景下的数据隔离和共享，系统实现了数据的存储隔离与访问隔离。（3）为了快速部署农业AI算法，设计提出算法包交付规范，让算法开发者只需提供模型文件、描述依赖与启动指令清单文件，就可以在云端自动生成Dockerfile、构建镜像和启动容器，完成算法包上传到对外服务的全自动过程，将算法部署时间压缩到分钟级别，为后续边缘快速部署奠定基石。（4）为抵抗田间网络不稳定因素，设计了一套本地存储和断网续传的流程：对于数值型数据采用CSV行内标记法，以追加的形式写入到文件中；对于图像型数据，使用一个JSON文件对上传状态进行持久化跟踪，这两条通道均支持网络恢复后自动续传和中途取消。
在项目实施上，系统确定了前后端分离、多租户物理隔离、算法包标准化交付和采集优先的设计原则，分为应用层、服务层、感知层、网络层四层。在技术栈的使用上，使用FastAPI搭建API服务，PostgreSQL结合PostGIS管理结构化和空间数据，MinIO用于存储图像、视频和算法包，选择React单页应用为各个管理步骤进行可视化呈现，基于PyQt6搭建了跨平台桌面应用，使用容器化技术对算法进行云端部署。