1

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,