工业检测工程管线产品系统

工业现场要在流动工位上做目标检测，机位不固定，现场多用 Android 平板。图片和模型不能出内网，操作的人也不是算法工程师。立项要解决的是：标注、训练调度、导出到手机上能检出，这条链路要在客户侧跑通，并且让操作员看懂这次训练能不能用。模型结构和现场精度由视觉算法同事负责。我负责工程管线：数据留在内网，权重经局域网下发，安装包里不带检测模型。

桌面端按场景管理项目。每个项目有自己的数据集、标注和训练方案。数据集可以导入图片，划分成训练、验证和测试，并在画布上改框、改类。训练可以在本机或内网 GPU 节点上跑，日志实时回到界面；长时间没有输出会判定停滞并停掉。结束后用未参与训练的测试集对照发布标准，给出达标或未达标，并列出漏检和误检的图片。通过后导出 ONNX，与手机配对，经局域网下发并激活。Android 端打开相机做实时检测，更换检测模型不用重新发包。

桌面端用 Electron、React 和 TypeScript，负责标注、训练调度和导出。训练节点用 Python 和 FastAPI，数据集分片上传，训练日志由服务端推送回桌面。端侧用 Kotlin、CameraX 和 ONNX Runtime。检测模型是 YOLO 导出的 ONNX，手机只做置信度过滤和坐标还原。训练环境在系统设置里维护，多个项目可以共用同一套已就绪的 Conda，项目只记录绑定的环境名。检测权重不打进安装包。这条工程链路由我独立设计和实现。数据集质量、训练超参和现场误检漏检，由视觉算法侧负责。