工安智巡云端识别与社区巡检系统产品系统

乡村社区和工业厂区的巡检，过去主要靠人工盯画面。垃圾占道、秸秆焚烧、沟渠异常、井盖护栏损坏和烟火，经常在当天巡完之前就漏掉。这个项目要解决的是：现场设备只负责抓拍，云端自动判断有没有隐患，并给出能复核的结论和报告。2、业务发生在两类地方。一类是乡村社区，巡检车或固定点位按角度拍照，覆盖垃圾杂物、人居乱象、秸秆焚烧、河道沟渠、基础设施和烟火。另一类是工业安防，对人员、车辆和烟火做检测，并在一轮任务结束后生成诊断报告。

1、系统由巡检工作台、识别服务和诊断报告三部分组成。工作台看今日点位、已发现隐患、待复核和未闭环，并滚动显示最新事件。巡检任务按一次任务管理多个点位；隐患台账按垃圾杂物、人居乱象、秸秆焚烧、河道沟渠、基础设施、烟火安防归类；点位页对照片和判定结果；统计报告汇总本轮结论。
2、识别服务接收任务号、点位和各角度图片。火情由规则直接判定，其余类别先检出目标框，再由视觉模型判断框内是否成立；沟渠和需要看全景的类别则看整张图。同一角度只返回一张合并图，结论按分类列出。误报和未见异常不画框。任务最后一个点位完成后，另调接口生成可在线查看、也可下载的 HTML 报告。

1、我负责这条链路的前端页面、后端接口和识别算法。前端用 HTML 做了社区巡检工作台，包含工作台、巡检任务、隐患台账、点位和统计报告，诊断结果由服务端渲染成报告页。后端用 Python 和 Flask 提供检测、任务查询和报告接口；图片任务经 Redis 与 Celery 排队，检测模型全局只跑一路，避免多张图同时抢 GPU。
2、算法使用 Grounding DINO 做开放词汇检测，火情走规则秒判；秸秆焚烧和火情共用烟火检出，再由千问视觉模型按场景分开，避免记成同一种隐患。难点有两处：只看检测框会漏掉沟渠、违建这类要看整图的问题，所以这两类单独走整图判断；模型超时或排队失败时要降级并保持任务可查询，不能让一次调用把整轮巡检卡住。