1

docs/01-技术方案.md

@@ -191,6 +191,7 @@ flowchart LR
 | 类别 ID | 英文标签 | 中文名 | 涵盖范围 | 参考体型（距离估计用） |
 | --- | --- | --- | --- | --- |
 | 0 | pheasant | 野鸡 | 环颈雉等雉类 | ≈ 0.45m（身高） |
+| 1 | cover | 生境区域 | 草丛 / 灌木 / 水面等疑似生境（黄色虚线框预警，F08） | ≈ 0.5m（参考植被高度） |
 
 ### 6.2 模型选型对比
 
@@ -209,7 +210,8 @@ flowchart LR
 | --- | --- |
 | 数据量 | 1000~2000 张（首版可 500+ 起步，滚动补充） |
 | 多样性 | 覆盖不同季节、晨昏/正午/逆光、远近距离、姿态、遮挡、背景（草丛/农田/林地/雪地） |
-| 标注 | Roboflow 或 labelImg，YOLO 格式（class, cx, cy, w, h） |
+| 标注 | 本地 LocalAI qwen3.8-9b 多模态自动标注（192.168.3.210:18080），先过滤再标注，YOLO 格式（class, cx, cy, w, h） |
+| 生境标注 | 同一模型标注可疑度最高的 3 个具体藏身点（cover 类，黄色框，约占画面 2%~15%），综合植被密度 / 地形 / 光线判断，NMS 去重 + 尺寸过滤 |
 | 数据增强 | Mosaic、MixUp、HSV 扰动、随机翻转、随机缩放裁剪 |
 | 数据划分 | train 80% / val 10% / test 10% |
 | 负样本 | 补充无目标场景图，控制误检 |
@@ -245,7 +247,7 @@ flowchart LR
 | 检测阈值（默认） | confidence ≥ 0.40，IoU-NMS = 0.45 |
 | 单帧推理延迟 | ≤ 80ms（中端机，320 输入，GPU） |
 | 模型体积 | fp16 ≤ 8MB，int8 ≤ 4MB |
-| 识别类别数 | 1 类（野鸡） |
+| 识别类别数 | 2 类（野鸡 + 生境区域 cover） |
 | 距离标注 | "约 X m"，5~50m 误差 ≤ ±30%，计算开销可忽略 |
 
 ---

docs/02-项目功能文档.md

@@ -55,7 +55,7 @@ Observer
 | --- | --- | --- | --- |
 | F01 | 相机实时预览 | 全屏取景，默认后置，支持自动对焦、双指缩放、点击对焦、前后摄切换 | P0 |
 | F02 | 目标实时检测 | 对野鸡实时检测框选 | P0 |
-| F03 | 识别结果展示与距离标注 | 检测框 + 类别名 + 置信度百分比 + 大致距离（约 X m）；四类目标使用不同颜色边框 | P0 |
+| F03 | 识别结果展示与距离标注 | 检测框 + 类别名 + 置信度百分比 + 大致距离（约 X m）；野鸡红色实线框，生境区域黄色虚线框 | P0 |
 | F04 | 检测提醒 | 检测到目标时震动 / 提示音；支持开关与 10s 防重复 | P1 |
 | F05 | 设置 | 置信度阈值（0.2~0.7）、检测频率（连续 / 标准 / 省电）、提醒开关、低光增强开关 | P1 |
 | F06 | 低光增强 | 低光环境下自动亮度 / 对比度增强，提高识别率 | P2 |