149 lines
7.7 KiB
YAML
149 lines
7.7 KiB
YAML
# 视野后端配置
|
||
server:
|
||
address: ":18080"
|
||
openapiPath: "/api.json"
|
||
# 请求体上限（默认 8MB）：APK 上传（管理端下发新版本）可能数百 MB，必须放大
|
||
clientMaxBodySize: "512mb"
|
||
|
||
database:
|
||
default:
|
||
type: sqlite
|
||
# SQLite 数据文件(运行时数据,不提交 git)
|
||
link: "sqlite::@file(./data/observer.db)"
|
||
cache:
|
||
# 查询缓存 TTL(秒)
|
||
ttl: 30
|
||
|
||
auth:
|
||
# 登录 token 签名密钥（HMAC-SHA256，必填）：换值即全员下线
|
||
secret: "changeme-auth-secret"
|
||
# 登录 token 有效期（秒），默认 30 天
|
||
tokenTtl: 2592000
|
||
|
||
admin:
|
||
# 后台管理端静态 token：请求头 X-Admin-Token 必须匹配；为空时管理接口全部拒绝
|
||
token: "Tongli686^*^"
|
||
|
||
app:
|
||
# Android APK 上传目录（运行时数据，与 ./data 平级、docker-compose 挂载持久化；
|
||
# 目录下永远只保留最新一个文件 observer-latest.apk，下载地址固定 /download/observer-latest.apk）
|
||
apkDir: "./workspace"
|
||
# 模型训练体系运行时数据根目录（图片/标注/模型/训练产物；与 apkDir 同目录时共用 workspace）
|
||
datasetDir: "./workspace"
|
||
|
||
# 图像生成（管理端「AI 生成图片」）：provider 必填项缺失时生成接口返回「图像生成服务未配置」
|
||
imageGen:
|
||
provider: localai # dashscope | localai
|
||
baseUrl: "http://192.168.3.210:18080" # localai 必填：训练机 local-ai 地址（/v1/images/generations）
|
||
model: z-image-turbo # localai 上加载的模型名；dashscope 用 qwen-image-3.0
|
||
apiKey: "" # dashscope 必填：DashScope API Key
|
||
timeoutSeconds: 600 # 每张生成超时（默认 120；z-image-turbo 首次加载含模型入显存，稳态秒级~分钟级）
|
||
# 通用提示词模板（管理端填「动物名称」时启用，每张随机取池组装）：{species} 优先用表单填写的名称，
|
||
# 未填则按数据集名取 speciesByDataset 池（再未配置直接用数据集名）；{count} 为数量词（与表单
|
||
# animalCount 一致，防文数不符）；{scene}/{action}/{light} 池内随机；物种只写名字不写羽毛细节
|
||
# （细节会把镜头拉近，详见技术设计）
|
||
promptTemplate: "野外大远景实拍：广角镜头下{scene}，{distanceWord}有{count}{species}的小小身影在{action}，鸟离镜头很远，只是很小的深色鸟形轮廓，隐约可辨，画面绝大部分是{scene}，没有任何靠近镜头的动物，{light}，写实野外摄影，真实照片质感"
|
||
distanceWord: "二十多米外" # 与校验距离带呼应的观感词
|
||
speciesByDataset: # 数据集名 → 物种池（表单未填动物名称时随机取一个）
|
||
鸽子: [家鸽,火斑鸠,虎纹斑鸠,珠颈斑鸠,灰斑鸠]
|
||
雉鸡: [雉鸡]
|
||
兔子: [兔子]
|
||
鸭子: [野鸭]
|
||
鹌鹑: [鹌鹑]
|
||
scenes: # 环境场景池（同一短语在模板中出现两次，须两处都读得通）
|
||
- "广袤的玉米地，玉米秆两米多高，田间土路和田埂向远处地平线延伸"
|
||
- "收割后的金黄麦茬田铺向地平线"
|
||
- "乡村土路穿过农田伸向远方，路边杂草丛生"
|
||
- "农田和道路延伸向远方，一根细电线横贯画面远处"
|
||
- "农田边一棵大树和远处成片的田野"
|
||
- "农家院落外的打谷场和远处农舍"
|
||
- "收割后的稻茬田铺向远处村庄"
|
||
- "果树成行的果园和树下剪短的草地"
|
||
- "乡间水渠和沙石滩地，渠水流向远方"
|
||
- "长满枯黄荒草的田埂和弃耕地"
|
||
actions: [觅食, 走动啄食, 低头啄食, 踱步, 停落休憩]
|
||
lights: [清晨柔和阳光, 正午明亮天光, 傍晚金色斜阳, 阴天柔和散射光]
|
||
# 生成图距离校验（物理公式）：估算距离 d = speciesHeight × focalPx ÷ 目标像素高
|
||
# focalPx 由假设视场角推出：f = 图高/2 ÷ tan(vfov/2)（vfov=52° 时 704x1248 图 f≈1281px，
|
||
# 换算 0.35m 鸟 15px ≈ 30 米，与实测观感标定一致）；体高按表单物种查 speciesHeights
|
||
# （不同物种体型不同，不能共用一个系数），未配置的物种用 default
|
||
assumedVfovDeg: 52
|
||
speciesHeights:
|
||
default: 0.35
|
||
家鸽: 0.35
|
||
珠颈斑鸠: 0.30
|
||
灰斑鸠: 0.30
|
||
火斑鸠: 0.25
|
||
虎纹斑鸠: 0.30
|
||
野鸡: 0.45
|
||
兔子: 0.30
|
||
野鸭: 0.30
|
||
鹌鹑: 0.15
|
||
# 校验用检测置信度阈值（预标注的 localAi.threshold=0.08 宁多勿漏会误把叶片土块算鸟，校验须高阈值）
|
||
validateThreshold: 0.3
|
||
|
||
# 训练通道（并发度 1：GPU 独占，同时仅一个 running 任务）：
|
||
# mode=subprocess 训练机与服务器同机；mode=ssh 异机（训练脚本/数据集经 ssh 通道同步）
|
||
training:
|
||
mode: ssh # subprocess | ssh
|
||
ssh:
|
||
host: "192.168.3.210" # 训练机地址（mode=ssh 必填）
|
||
user: "root"
|
||
port: 22
|
||
privateKeyPath: "" # 私钥路径与 password 二选一
|
||
password: "123"
|
||
workdir: /opt/pheasant_data # 训练机工作目录（train_server.py / yolov8n.pt 所在）
|
||
venvPython: /opt/pheasant_data/venv/bin/python
|
||
datasetDir: datasets # 训练机数据集根目录（相对 workdir，yolo/<name> 为子目录）
|
||
timeoutMinutes: 240 # 训练超时判死（started_at 起算；实测 100 张约 3 分钟，千图级约 1 小时）
|
||
imgsz: 704 # 训练/导出分辨率（须与 App 端推理输入对齐）
|
||
epochs: 150 # 训练轮数（patience 30 早停，设大可自动停）
|
||
batch: 16 # 批大小（按训练机显存调整）
|
||
device: "0" # GPU 编号（cpu 用 cpu）
|
||
|
||
# RF-DETR 预标注服务（管理端标注工作台）：需从服务器可达，未配置时预标注接口返回「标注服务未配置」
|
||
localAi:
|
||
baseUrl: "http://192.168.3.210:18080" # 如 http://127.0.0.1:18080（local-ai 兼容 /v1/detection）
|
||
model: rfdetr-xlarge
|
||
vlmModel: qwen3.8-9b # VLM 藏匿位补检模型（qwen3.8-9b+mmproj 多模态）；与 z-image 显存互斥，两阶段调度
|
||
threshold: 0.08 # 候选置信度阈值（宁多勿漏）
|
||
confConfirmed: 0.2 # 高于此视为确认(class 0)，否则疑似(class 1)
|
||
overlapThreshold: 0.3 # 重叠去重阈值（交叠/较小框面积，NMS 风格；RF-DETR 同目标常输出一大一小两框，minIoU 比 IoU 更能命中）
|
||
inputSize: 700 # 提交前整图等比缩放最长边
|
||
classNames: [pheasant, suspect] # 标注类别名（写入 data.yaml，随 result.json 存模型 labels）
|
||
|
||
labelTask:
|
||
# 预标注并发度（逐张调 RF-DETR，缺失或非法时回退默认值）
|
||
poolSize: 4
|
||
|
||
# 套餐定价（静态配置，改价 = 改本节点后重启服务；金额单位为分，展示名由 days 派生"N天"）
|
||
plans:
|
||
- id: day
|
||
days: 1
|
||
price_cents: 1000
|
||
- id: week
|
||
days: 7
|
||
price_cents: 5600
|
||
- id: month
|
||
days: 30
|
||
price_cents: 18000
|
||
|
||
payment:
|
||
# 回调验签/IO 处理并发度(缺失或非法时回退默认值)
|
||
poolSize: 16
|
||
wechat:
|
||
# 微信支付 APP 支付(APIv3),商户号未配置时接口返回「支付未配置」
|
||
appid: "" # 开放平台 AppID
|
||
mchid: "" # 商户号
|
||
apiV3Key: "" # APIv3 密钥
|
||
serialNo: "" # 商户证书序列号
|
||
privateKey: "" # 商户 API 私钥文件路径(PEM)
|
||
notifyUrl: "" # 回调地址,如 https://api.example.com/api/v1/payment/wechat/notify
|
||
alipay:
|
||
# 支付宝 APP 支付,未配置时接口返回「支付未配置」
|
||
appid: "" # 开放平台 AppID
|
||
privateKey: "" # 应用私钥文件路径(PEM)
|
||
alipayPublicKey: "" # 支付宝公钥文件路径(PEM)
|
||
sellerId: "" # 收款方 PID(回调校验 app_id/seller_id 用)
|
||
notifyUrl: "" # 回调地址,如 https://api.example.com/api/v1/payment/alipay/notify
|