解决垂直场景“算法不够用”的问题
安全生产、能源化工、社区治理、工地监管、设备巡检等场景经常有特殊识别目标。XINHUOAI把薪火既有算法能力和模型训练扩展能力产品化，让客户不必为每个新场景都从零开发。
客户侧素材上传
用户上传现场图片、视频片段和样本说明，建立自己的场景数据集。
GPU训练服务
使用薪火GPU训练服务完成模型训练任务，按训练时长计费，减少客户一次性投入。
模型部署到产品
训练完成后导出模型，部署到AI边缘盒、AI摄像头、AI NVR等硬件设备。
自助模型训练闭环
从客户自助上传素材到模型部署形成完整链路，并基于现场误报、漏报样本持续迭代；训练完成后的模型部署在本地设备运行，现场识别可在局域网或离线环境完成。
创建任务
选择识别目标、应用场景、输出设备和训练目标。
上传素材
上传图片、视频片段、现场截图和已有告警样本。
数据处理
完成样本整理、标注、清洗和训练集划分。
模型训练
调用GPU训练资源训练模型，实时记录训练时长。
效果评估
查看准确率、误报样本、漏报样本和测试结果。
导出部署
导出适配模型，部署到AI硬件并持续迭代。
按训练时长收费，降低算法定制门槛
传统算法定制往往采用一次性项目报价，客户决策成本高。XINHUOAI把训练任务拆分为可计量的GPU训练时长，客户可自助创建训练任务、按需购买训练资源，并根据训练效果持续迭代。
平台按训练时长计费，并可组合GPU资源、数据标注、模型调优和现场部署服务，形成面向不同项目规模的训练服务方案。
训练素材规范
高质量训练素材直接影响模型效果。平台围绕正样本、负样本、视频片段、场景说明和误报漏报样本建立数据准备规范。
| 素材类型 | 数据要求 | 作用 |
|---|---|---|
| 正样本图片 | 包含目标的清晰图片，覆盖不同角度、距离、光照、遮挡和背景 | 帮助模型学习目标特征，提高召回率 |
| 负样本图片 | 不包含目标但容易误报的现场图片，如相似物体、复杂背景、光影变化 | 降低误报，让模型更适合真实现场 |
| 视频片段 | 现场摄像头录制的视频片段，包含目标出现、离开、遮挡和不同时间段画面 | 用于抽帧、标注和验证模型在真实视频中的效果 |
| 场景说明 | 摄像头安装高度、识别区域、告警条件、目标大小、部署设备和期望效果 | 帮助训练任务更贴合项目规则和硬件部署 |
| 误报/漏报样本 | 现场运行后收集的错误识别样本 | 用于模型二次迭代，持续优化实际效果 |
数据治理与训练质量控制
XINHUOAI把客户现场素材转化为可训练、可评估、可部署的模型资产。平台流程覆盖样本整理、标注复核、训练验证、模型导出和现场迭代，避免只上传素材而无法形成稳定算法。
来源可追溯
记录素材来源、拍摄场景、点位说明、采集时间和目标类型，便于后续复核样本质量和算法适用范围。
清洗与去重
剔除过小、过暗、严重模糊、重复度过高和无效画面，保留不同角度、距离、光照和背景下的有效样本。
机标与人工复核
对历史模型可识别的目标进行预标注，再由人工复核目标框、类别和规则说明，提高标注效率和一致性。
训练集划分
按训练集、验证集和测试集管理样本，结合精确率、召回率和误报漏报样本评估模型效果。
部署前转换
训练完成后进行模型导出、量化适配和推理性能验证，确认可部署到AI摄像头、AI边缘盒或AI NVR。
现场验证
在真实视频流中验证目标识别、告警触发、抓拍留证和平台推送效果，形成上线验收依据。
错误样本回流
把误报、漏报和边界场景样本回流到训练任务中，用于下一轮模型迭代和参数优化。
持续迭代
当现场目标、相机角度、光照或业务规则变化时，可继续补充素材并重新训练，保持模型长期可用。
适合训练的新算法类型
平台把客户的特殊识别需求转化为可训练任务，覆盖物品、设备状态、人员行为和场景化规则识别。
特殊物品识别
如专用工具、工牌、设备状态牌、行业物料、现场标识等。
行业设备状态
如仪表状态、设备开停、皮带异常、油井巡检、工位状态。
人员行为扩展
如特定动作、作业姿态、岗位动作合规性和危险行为。
场景化规则识别
如区域内物品缺失、摆放异常、特殊车辆或专用标志识别。
计费与服务组合
平台采用“按训练时长计费”的商业模式，具体价格依据数据量、目标类型、训练资源和部署设备形成项目报价。
GPU训练时长
按训练任务实际占用的GPU训练资源和训练时长计费，适合客户自助迭代模型。
数据标注服务
客户没有标注能力时，可由薪火协助完成目标框、类别、区域和样本清洗。
模型调优服务
针对误报、漏报、复杂背景、小目标和弱光场景进行模型参数与样本策略优化。
部署验证服务
将训练后的模型部署到AI摄像头、AI边缘盒或AI NVR，并在现场验证告警效果。
和薪火AI硬件联动
XINHUOAI 不是孤立平台，而是把算法生产能力连接到硬件交付上。
| 部署目标 | 适用场景 | 价值 |
|---|---|---|
| AI摄像头 | 单点位、前端实时识别 | 训练后的模型可部署到摄像头前端，减少后端压力 |
| AI边缘计算盒子 | 多路摄像头集中分析 | 新算法可和已有30+算法组合部署，覆盖更多垂直场景 |
| AI NVR | 智能录像、检索、告警 | 把新模型接入录像检索和事件告警闭环 |
XINHUOAI是否意味着现场识别必须联网？
不是。XINHUOAI用于训练新模型和导出模型文件，项目上线后的实时识别、告警、抓拍和留证在AI摄像头、AI边缘计算盒子或AI NVR本地完成。模型部署后无需连接外网做实时识别；只有客户需要扩展新算法或迭代模型时，才会使用训练服务。
客户是否支持完全自助训练？
平台支持客户自助上传素材、创建训练任务、查看评估结果和导出模型。高价值项目可叠加薪火的数据标注、模型调优和部署服务。
训练完成后模型能部署到哪些设备？
模型依据大小、算力需求和现场通道数，部署到AI摄像头、AI边缘计算盒子、AI NVR或视频分析服务器。
为什么按训练时长收费？
很多垂直算法需求不适合一次性高额定制报价。按训练时长计费支持客户以较低成本验证效果，并根据误报、漏报样本持续迭代。
