无人机航拍市容智能巡检系统（违建 / 道路施工 / 变化检测）产品系统Vibe Coding

1、立项原因：城市管理人工巡查比对航拍影像效率低、违建和道路施工发现滞后，旨在用无人机 + AI 变化检测替代人工巡片，自动识别市容问题。
2、行业场景：服务于城管、自然资源等部门的日常巡检与工单上报，通过同一区域前后两次航拍影像对比，自动发现违建新增、道路开挖、渣土堆放等问题，实现早发现早处置。

1、具体功能模块：
① 无人机航拍数据采集与影像管理模块；
② 双图配准与 AI 变化检测模块（核心）；
③ 目标识别与分类模块（违建、道路开挖、渣土堆放等）；
④ 多模态大模型语义复核模块（Qwen3VL-32B）；
⑤ 告警上报与工单管理模块；
⑥ 数据闭环与模型迭代模块。

2、主要功能描述：系统通过无人机对城市区域进行周期性航拍，自动配准同一区域前后两次影像，利用 AI 变化检测算法定位新增差异，结合目标检测与多模态大模型进行语义分类和疑似问题复核，自动生成违建、道路施工、渣土堆放等市容问题告警并上报工单，全程替代人工巡片比对，实现问题早发现、早处置。

1、我负责的具体任务：
作为项目全栈负责人，独立完成从需求分析、数据处理、模型训练到部署上线的全部环节，具体包括：无人机航拍数据采集与标注、变化检测与目标检测模型设计训练、**基于 LoRA 对 Qwen3VL-32B 多模态大模型进行市容场景领域微调**、大模型在华为昇腾 910B 上的部署与推理优化、Python/C++ 推理服务开发、告警上报与工单系统对接、数据闭环与训练闭环搭建、上线运维与持续迭代。

2、技术栈与架构：
编程语言以 Python、C++ 为主；深度学习框架使用 PyTorch；AI 模型涵盖变化检测、目标检测及 Qwen3VL-32B 多模态大模型，**采用 LoRA（低秩适配）进行领域微调**；部署硬件为华为昇腾 910B（8 卡 ×64G NPU）国产算力平台；开发工具使用 Cursor、Claude Code、CodeX 辅助高效编码。

实现亮点：
① 全栈独立负责，从数据到部署全链路打通，无外部依赖；
② **采用 LoRA 对 32B 多模态大模型进行低成本领域微调，用少量市容场景标注数据即可高效适配违建、道路施工等细分识别任务，避免全量微调的高昂算力成本**；
③ 完成国产算力（昇腾 910B NPU）上大模型的部署与推理优化，满足信创 / 国产化要求；
④ 建立数据闭环与训练闭环，上线后持续用新数据通过 LoRA 回灌微调迭代，模型精度持续提升；
⑤ 变化检测 + 大模型语义复核双阶段架构，有效降低误报率。

实现难点：
① 无人机前后两次航拍影像存在视角、光照、季节差异，配准难度大；
② 变化检测需区分目标变化（违建、施工）与非目标变化（车辆移动、植被季节变化），误报控制难；
③ **LoRA 微调中超参数选择与领域数据配比，需在保持大模型通用能力与提升场景识别精度之间平衡**；
④ 大模型在昇腾 NPU 上的算子适配与推理性能优