01 / DATA
首先厘清数据来源
记录来源、许可、异常样本和训练/验证/测试划分，避免因数据混用得出表面优异却不可信的结果。
01 / 数据可信训练数据来源清楚
记录来源、许可、清洗、标注和不可变修订。
02 / 模型可验不只看一个准确率数字
同时关注目标、事件和现场误报表现。
03 / 现场可控推理结果带证据交付
运行配置可回读，事件可追踪，反馈可进入下一轮。
统一研发工作台 · 本机演示一条流程，
一条流程，
看清模型如何诞生。
从数据进入到现场反馈，七个阶段在同一工作台串联。工作台负责流程、状态、任务日志与审计；专业标注、数据分析和实验追踪分别接入 CVAT、FiftyOne 与 MLflow。
W1 架构计划W2 数据审计W3 标注复核W4 质量分析W5 训练评测W6 发布门禁W7 现场回流
本机工作台展示研发流程与门禁状态；页面中的候选记录、示例配置不代表模型已完成正式训练或现场发布。
数据 → 标注 → 实验把模型训练，
把模型训练，
变成可复盘的工程过程。
公开样本可用于研发冷启动；真正决定现场效果的，是客户授权的现场样本、独立测试集和人工复核。数据与实验都留下稳定编号和摘要。
02 / REVIEW
人工复核后再冻结版本
用 CVAT 承接逐图审核，形成可追溯的数据集修订；未审核的样本不会被当作正式训练依据。
03 / EXPERIMENT
同条件比较模型方案
固定数据和条件后对比 YOLO11、YOLO26，记录参数、代码与指标，避免只凭一次演示挑选模型。
标准事件目录26 类现场事件，
26 类现场事件，
一套可复用的视觉语言。
平台以稳定事件编码组织火烟、防护穿戴、在岗行为、区域车辆和设施环境等场景。检测、跟踪、区域、姿态与时序等基础能力可以组合，减少每个项目从零定义告警语言。
前三图为项目历史方案视觉示例，末图为安全生产平台演示界面。26 类是标准事件目录，不等于 26 个模型已完成训练、部署或现场验收。
边缘推理与标准观察从一个识别框，
从一个识别框，
变成可交付的现场事件。
以安全帽识别原型为例：视频解码后先做画面变化门控，再执行目标检测、关系与时序确认，最后输出有证据的标准观察。对业务系统来说，重点是可信事件，而不只是框选结果。
01接入视频
摄像头与通道明确关联。
02控制计算
按画面变化、抽帧和任务优先级调度。
03确认事件
结合目标关系与持续时间减少误报。
04保存证据
原图与标注图连同摘要一并留存。
配置可回读
启停、码流、跳帧和最低处理帧率以运行时回读为准，避免“界面显示已下发，端侧未生效”。
投递可恢复
标准观察通过本地可靠队列投递，同一事件重试保持同一身份，避免重复业务告警。
业务可复用
采购算法与自研算法对齐事件语义，业务平台不必为模型来源维护两套规则。
安全帽链路为研发原型；识别精度、算能 SE8 适配与现场稳定性需结合真实视频和设备实测。
模型发布门禁训练完成，
训练完成，
还不是上线许可。
一个模型要进入业务，还需通过离线效果、边缘实机、同源影子对照以及数据许可和安全审批。通过后形成不可变发布版本，方便追责和回滚。
01离线效果目标级与事件级指标、困难样本和误报。
02边缘实测精度、容量、稳定运行和故障恢复。
03影子与审批同源视频对照、人工复核、许可与安全把关。
现场反馈再进入研发差异先由人核实，
差异先由人核实，
再改进下一版模型。
采购算法与候选自研算法读取同源视频时，平台记录差异样本与证据，交由人工判断。确认后的问题进入新数据修订、再训练和重新验收。
这一闭环避免了“误报增多即私下调整阈值”的做法：每次调整都能说明来源、版本与效果变化。
当前工作台具备反馈流程入口；真实现场影子队列须在客户授权视频和设备环境中建立。
研发平台与业务平台各司其职模型持续进化，
模型持续进化，
现场规则保持一致。
视觉平台负责数据、模型、边缘推理与标准观察；安全生产平台负责摄像头点位、工作票、人员、告警分级和处置。两者通过稳定事件语义衔接。
了解安全生产智能管控平台 ↗
从可量化的现场试点开始选一类风险，
联系书问 选一类风险，
用真实数据验证价值。
共同确定点位、授权样本、目标事件、误报容忍度与边缘设备；识别效果与上线范围以联合测试和项目验收为准。