星牧智控整合版

这是 E、F 两盘项目成果的独立整合版本，项目目录为 F:\new大创。原项目不会被本项目覆盖或修改。

当前版本面向可运行演示，已经接通：

• YOLO11 牧场牲畜图片检测；
• 本地视频异步检测；
• ByteTrack 持续跟踪和 Track ID；
• 带框图片、带跟踪视频和轨迹 CSV；
• 静止、离群、活动量下降等规则型健康风险提示；
• Isolation Forest 轨迹异常检测：与牛群整体对比，识别活动模式偏离的个体；
• 健康告警 CSV、个体汇总 CSV 和 HTML 报告；
• SQLite 任务与告警记录；
• FastAPI 后端与 React 浏览器控制台。

健康风险结果用于辅助筛查，不是兽医疾病诊断。

在资源管理器中打开 F:\new大创：

1. 双击 启动项目.bat。
2. 脚本完成环境和模型检查后会启动前后端，并自动打开 http://127.0.0.1:5173。
3. 使用结束后双击 停止项目.bat，释放 8000 和 5173 端口。

如果启动失败，窗口会保留并显示原因。下面的 PowerShell 方式可用于进一步诊断。

打开 PowerShell：

Set-Location -LiteralPath 'F:\new大创'
$env:AGRINEBULA_PYTHON = 'F:\deepl\anaconda1\envs\pytorch\python.exe'
powershell -NoProfile -ExecutionPolicy Bypass -File .\start_delivery.ps1

启动后访问：

• Web 控制台：http://127.0.0.1:5173
• API 文档：http://127.0.0.1:8000/docs
• 服务状态：http://127.0.0.1:8000/api/health

结束服务：

powershell -NoProfile -ExecutionPolicy Bypass -File .\stop_delivery.ps1

运行日志位于 data/logs：API 分别写入 api.stdout.log 和 api.stderr.log，Web 分别写入 web.stdout.log 和 web.stderr.log。

• 每次进入服务启动阶段（启动 API/Web）都会覆盖上一轮的四个日志文件；若预检、依赖或端口检查提前失败，则保留上一轮日志。
• API/Web 未通过就绪检查时，脚本会自动显示每个非空日志的最后 40 行；更早的预检或端口错误会直接显示在控制台。
• 停止服务不会删除日志，便于结束运行后排查。

启动预检会输出 detector 和 behavior 的状态、路径与 SHA-256：

• 检测模型缺失会阻断启动（detector 是交付运行的必需项）。
• 行为模型缺失时，behavior 状态显示 unavailable，但不阻断 YOLO 检测、跟踪、轨迹和原有规则健康分析。

行为模型仍属于研究演示能力，健康风险结果仍只用于辅助筛查，不是兽医疾病诊断。

Set-Location -LiteralPath 'F:\new大创'
$env:AGRINEBULA_PYTHON = 'F:\deepl\anaconda1\envs\pytorch\python.exe'
powershell -NoProfile -ExecutionPolicy Bypass -File .\start_delivery.ps1 -CheckOnly

看到 Delivery preflight passed. 说明 Python、模型、API入口、Node/npm和Web清单齐全。

1. 打开 Web 控制台。
2. 进入智能识别工作台并选择图片识别。
3. 上传 JPG、JPEG、PNG 或 BMP。
4. 设置置信度、IoU和类别过滤。
5. 开始识别，查看并下载带框结果。

1. 切换到视频识别。
2. 上传 MP4、AVI、MOV 或 MKV。
3. 选择 ByteTrack 或 BoT-SORT。
4. 提交任务并等待进度到达完成。
5. 播放带 Track ID 的结果视频。
6. 下载结果视频、轨迹、告警、个体健康汇总和 HTML 报告。

当前Windows环境使用OpenCV mp4v生成结果视频。若浏览器不能直接播放，请点击“下载结果视频”，使用本地播放器查看。要保证浏览器内H.264播放，需要另行安装并配置兼容的FFmpeg/OpenH264编码器。

视频为后台任务。浏览器会显示按已处理帧数计算的真实进度，任务失败时 API 会保存失败状态和错误信息。默认单个上传文件上限为512MB，可通过 AGRINEBULA_MAX_UPLOAD_MB 调整。

默认模型：

models/detection/yolo11s-waid.pt

模型来自 WAID4500 YOLO11s、960输入、120轮训练。SHA-256：

46d734cba7553f31e89e739156f50e9a675b176f798c70159838497531771a64

可通过 AGRINEBULA_DETECTOR_MODEL 指定其他模型，但模型必须兼容当前 Ultralytics YOLO11 运行时。

行为研究模型默认路径：

models/behavior/cvb_x3d_v2_best.pt

该文件是 outputs/cvb_x3d_v2/best.pt 的已校验副本，模型元数据版本为 cvb-x3d-v1，输入为 16 帧、224×224、12 类。SHA-256：

731c6ed39dcf002915e888c829e1f86727f815331a2b3c21d06a17d40d62a08e

当前验证集指标为 Accuracy 0.8342201644668648、Macro-F1 0.2188597785907576。Accuracy 主要受到“无法确定”大类样本数量影响，不能据此认定各行为均可可靠识别。该模型仅用于研究演示和后续数据改进，不用于疾病诊断，也暂不自动触发新的健康告警。

视频任务会新增：

• 带 Track ID、中文行为和置信度的结果视频；
• *_behavior.csv 行为时间线；
• *_behavior_summary.csv 逐轨迹行为汇总；
• *_behavior_report.json 结构化研究报告；
• 页面中的行为时长、有效行为占比和无法确定时长。

可通过 AGRINEBULA_BEHAVIOR_MODEL 指定其他兼容检查点。行为权重缺失、损坏或推理失败时，YOLO 检测、跟踪、轨迹和原有规则健康分析仍会继续运行，页面会明确显示降级状态。

视频任务在完成检测与跟踪后，会以牛群整体为参照做无监督轨迹异常检测（scikit-learn Isolation Forest）：

• 每头牛按轨迹计算 15 维特征：速度均值/标准差/峰值、加速度、活动半径、总位移与蜿蜒度、与牛群质心的平均/最近距离、与最近同伴距离、检测框纵横比与面积；
• 同一视频内横向对比：活动模式偏离牛群整体的个体被标记为异常，输出 0–1 异常得分与主要差异特征；
• 产物：*_trajectory_anomaly.csv（每头牛一行，含全部特征与异常标记）；页面展示异常牛列表，异常个体同时写入 SQLite 告警（类型 trajectory_anomaly，中等风险）；
• 牛只数量不足（默认少于 5 头可对比轨迹）时跳过检测并如实显示原因，不影响规则健康分析；
• 该检测是研究性辅助筛查：无监督结果用于提示"与群体不同"的个体，不替代兽医诊断。静态场景（如本项目的验收视频）中差异主要来自检测框面积（透视近大远小）与群体距离，需结合场景解读。

需要 Python 3.8、Node.js 和 npm。建议创建独立虚拟环境：

Set-Location -LiteralPath 'F:\new大创'
python -m venv .venv
.\.venv\Scripts\python.exe -m pip install -r requirements.txt
Set-Location .\web
npm ci
Set-Location ..

将已验证的检测权重复制到 models/detection/yolo11s-waid.pt，并将行为权重复制到 models/behavior/cvb_x3d_v2_best.pt，再运行启动前检查。行为权重可选；缺少时系统以检测和跟踪模式启动。

2026-08-23 已完成以下实际验证：

• Python测试：363项通过（4项跳过）；
• React测试：13项通过；
• React生产构建：通过；
• 一键启动：API和Web均可访问；
• 固��WAID图片：检测到26头牛并生成带框图片；
• 固定视频：210帧输入与210帧输出一致；
• 视频跟踪：26个Track ID、5460行轨迹；
• 健康规则：26条静止风险记录；
• 轨迹异常：Isolation Forest 识别出3头活动模式偏离牛群的个体，生成异常CSV并写入SQLite告警；
• CSV、HTML、SQLite、API仪表盘与模型哈希一致。

重新运行自动测试：

$env:AGRINEBULA_PYTHON = 'F:\deepl\anaconda1\envs\pytorch\python.exe'
& $env:AGRINEBULA_PYTHON -m pytest -q -p no:cacheprovider

Set-Location .\web
npm test -- --run --reporter=dot
npm run build

data/
├─ agrinebula.db
└─ media/
   ├─ uploads/
   └─ results/

视频任务的跟踪视频、轨迹、健康告警和报告位于 data/media/results/<job-id>/。

当前已经实现检测、跟踪、研究级时序行为识别、基于轨迹规则的健康风险提示和 Isolation Forest 轨迹异常检测。行为模型 Macro-F1 较低，轨迹异常为无监督研究性结果，两者都只作为实验观察证据；尚未实现跨视频永久身份、实时摄像头或具体疾病识别。具体疾病诊断必须在获得合规、可靠的疾病标注数据后单独验证。