1

flutter_app/lib/detection/background_model.dart

@@ -8,7 +8,7 @@ import 'motion_aggregator.dart';
 /// 分块聚合为新颖区域（novelty）。
 ///
 /// 固定机位下，常驻物体（键盘/石头/文字）永远属于背景、不产生新颖区域；
-/// 走进画面的目标（环颈雉鸡移动/新出现）才会触发。比相邻帧差分更强的证据：
+/// 走进画面的目标（动物移动/新出现）才会触发。比相邻帧差分更强的证据：
 /// 风吹草动是持续的背景更新，不会长期标记为新颖。
 class BackgroundModel {
   final int maxWidth;

flutter_app/lib/detection/detector_worker.dart

@@ -61,7 +61,14 @@ class DetectorWorker {
     try {
       if (models == null || models.isEmpty) return null;
       final payload = <List<Object?>>[
-        for (final m in models) [m.bytes, m.labels, m.datasetId, m.datasetName],
+        for (final m in models)
+          [
+            m.bytes,
+            m.labels,
+            m.datasetId,
+            m.datasetName,
+            m.variant,
+          ],
       ];
 
       final responses = ReceivePort();
@@ -222,11 +229,15 @@ Future<void> _workerMain(SendPort mainPort) async {
             for (final entry in list[1] as List) {
               final e = entry as List;
               final name = e.length > 3 ? e[3] as String : '';
+              // 模型名带档位标识（数据集名+档位，框来源可辨 s/n）
+              final variant = e.length > 4 ? e[4] as String : '';
+              final displayName =
+                  variant.isEmpty ? name : '$name($variant)';
               final d = await TfliteDetector.fromBuffer(
                 e[0] as Uint8List,
                 (e[1] as List).cast<String>(),
                 modelId: (e[2] as num).toInt(),
-                modelName: name,
+                modelName: displayName,
               );
               if (d == null) {
                 failures.add(name.isEmpty ? 'unknown' : name);
@@ -369,7 +380,7 @@ Future<void> _workerMain(SendPort mainPort) async {
             results.addAll(dets);
           }
           results = mergeAcrossModels(results, TfliteDetector.iouThreshold);
-          // 低分环颈雉鸡框过视觉先验（颜色/位置），减少户外误报
+          // 低分目标框过视觉先验（颜色/位置），减少户外误报
           results = VisualPrior.filter(
             results,
             planes: planes,

flutter_app/lib/detection/tflite_detector.dart

@@ -7,15 +7,16 @@ import 'package:tflite_flutter/tflite_flutter.dart';
 import 'detection_result.dart';
 import 'nms.dart';
 
-/// YOLOv8s 端侧推理实现（对应 Kotlin TFLiteDetector）。
+/// YOLO 端侧推理实现（对应 Kotlin TFLiteDetector）。
 /// 模型输出布局（ultralytics litert 导出）：[1, 4 + nc, anchors]，
 /// cx/cy/w/h 已归一化，类别得分已过 sigmoid；按 out[dim][anchor] 索引。
-/// 输入为 NCHW [1, 3, 1280, 1280]（litert 导出保留 torch 布局）。
+/// 输入为 NCHW [1, 3, H, W]（litert 导出保留 torch 布局），H/W 随模型档位：
+/// s 高识别 @1280、n 高性能 @704，输入尺寸取自模型自身。
 class TfliteDetector {
   // 输入尺寸取自模型本身（ultralytics litert 导出 NCHW [1,3,H,W]，各数据集
   // 训练 imgsz 可不同），默认 1280 兜底
   static const int defaultInputSize = 1280;
-  // 环颈雉鸡数据置信度普遍偏低（0.1~0.2 量级），保留低分池供运动检测提升；
+  // 目标数据置信度普遍偏低（0.1~0.2 量级），保留低分池供运动检测提升；
   // 可运行时调整（设置页滑块），默认 0.10
   double minScore = 0.10;
   static const double iouThreshold = 0.45;

flutter_app/lib/detection/visual_prior.dart

@@ -3,14 +3,15 @@ import 'dart:typed_data';
 
 import 'detection_result.dart';
 
-/// 运行时视觉先验：对低置信度环颈雉鸡框做多线索过滤，降低户外误报。
+/// 运行时视觉先验：对低置信度目标物种框（class 0）做多线索过滤，降低户外误报。
+/// 识别哪些类为目标物种由模型训练决定，本先验不依赖任何具体物种名。
 ///
-/// 仅对 score < [maxScore]（0.35）的 pheasant 框生效；高分框与
+/// 仅对 score < [maxScore]（0.35）的目标框生效；高分框与
 /// suspect（生境预警）不参与过滤，避免误杀。
 ///
 /// 线索：
 /// - 颜色：绿色主导（草/叶）、蓝色主导（天空/水）、平坦低饱和（键盘/石头/文字）
-/// - 位置：中心在画面上部 15%（天空区）——环颈雉鸡是地栖动物，不会出现在天空
+/// - 位置：中心在画面上部 15%（天空区）——目标物种为地面活动，不会出现在天空
 ///
 /// 采样在原始 planes 上进行（后台 isolate 内，不依赖 UI 线程）。
 class VisualPrior {
@@ -39,9 +40,9 @@ class VisualPrior {
     if (results.isEmpty || width <= 0 || height <= 0) return results;
     final kept = <DetectionResult>[];
     for (final r in results) {
-      final lowConfPheasant =
-          (r.classId == 0 || r.label == 'pheasant') && r.score < maxScore;
-      if (lowConfPheasant &&
+      // class 0 即目标物种（各数据集标签统一：0 目标 / 其余 suspect）
+      final lowConfTarget = r.classId == 0 && r.score < maxScore;
+      if (lowConfTarget &&
           _reject(r, planes, strides, width, height, isBgra, rgbaOrder)) {
         continue;
       }
@@ -86,7 +87,7 @@ class VisualPrior {
   /// 读取单像素 RGB（0~255）。
   /// 8888 单平面按实际字节序取通道：BGRA=[b,g,r,a]（iOS 插件）、
   /// RGBA=[r,g,b,a]（Android 自写原生通道）——字节序写死会让 Android
-  /// 低分框采样到 R/B 互换的颜色（橙色环颈雉鸡身被误判成"蓝色"）整批误杀；
+  /// 低分框采样到 R/B 互换的颜色（橙色目标躯体被误判成"蓝色"）整批误杀；
   /// YUV：y 平面 + 4:2:0 半分辨率 U/V（NV12 交错或 I420 分离）。
   static (double, double, double) _pixel(List<Uint8List> planes,
       List<int> strides, int x, int y, int width, int height, bool isBgra,