貓狗識(shí)別這個(gè)詞在AIoT里其實(shí)早就不算新話題了。但當(dāng)它真正落到智能喂食器、家用攝像頭、寵物智能門這三類硬件上你會(huì)發(fā)現(xiàn)算法榜上那個(gè)漂亮的“99.2%”在設(shè)備里根本跑不出理想效果。真正拖住你的永遠(yuǎn)是幾毫秒的推理時(shí)延、一塊電池的功耗預(yù)算、一次斷網(wǎng)后的本地兜底以及寵物貼著鏡頭撒歡時(shí)的各種鬼畜姿態(tài)。我這兩年前后跟過好幾個(gè)形態(tài)的貓狗識(shí)別硬件基本都是從同一個(gè)節(jié)點(diǎn)開始的云端同事說模型很穩(wěn)硬件同事說算力不夠產(chǎn)品同事說要省電。把這些掰開揉碎大家其實(shí)都在問同一件事——在這個(gè)具體設(shè)備里怎么才能讓識(shí)別既快、不誤報(bào)、還能扛住斷電斷網(wǎng)。今天這篇我把喂食器、攝像頭、智能門三個(gè)形態(tài)的落地差異、模型細(xì)節(jié)和排查經(jīng)驗(yàn)完整整理出來希望能幫你少走幾個(gè)彎路。1. 三個(gè)產(chǎn)品形態(tài)背后的“統(tǒng)一需求”1.1 表面看是識(shí)別本質(zhì)上是“決策鏈”AIoT里最忌諱的是把“一張模型”當(dāng)成完整方案。模型只解決“畫面里有沒有貓/狗、是哪一只”而產(chǎn)品真正需要的是后面那條完整的決策鏈。拿三類設(shè)備拆開看智能喂食器確認(rèn)某只寵物靠近食盆且停留了幾秒才啟動(dòng)出糧電機(jī)。識(shí)別只是觸發(fā)條件真正的判斷是“靠近穩(wěn)定身份匹配”三個(gè)事件的與邏輯。家用攝像頭寵物進(jìn)入畫面模型輸出位置框和身份ID然后決定是否需要抓拍、錄屏、推送通知。這里要處理的是“該不該打擾主人”的度。智能門識(shí)別到指定寵物在門內(nèi)一側(cè)才允許門閂解鎖或配合項(xiàng)圈信號(hào)開門。這個(gè)場(chǎng)景一旦判斷錯(cuò)誤后果不是少吃一頓飯而是別的貓貓狗狗可能溜進(jìn)家里。所以你會(huì)發(fā)現(xiàn)表面都是“貓狗識(shí)別”實(shí)質(zhì)上對(duì)錯(cuò)誤類型的容忍度完全相反。喂食器怕漏判漏了寵物沒飯吃用戶會(huì)立刻投訴智能門怕誤判誤判一次就可能帶來安全風(fēng)險(xiǎn)或?qū)櫸锉焕?。這種差異最終決定了你要把置信度閾值設(shè)在哪、要加多少后備確認(rèn)、失敗時(shí)設(shè)備該保持鎖定還是保持放行。我之前見過一個(gè)團(tuán)隊(duì)把同一個(gè)檢測(cè)模型直接燒進(jìn)三款設(shè)備只調(diào)了個(gè)閾值結(jié)果喂食器頻繁吐糧智能門又偶爾不開門。問題的根子不在模型本身而是整套決策鏈路沒有圍繞每一個(gè)場(chǎng)景的風(fēng)險(xiǎn)偏好重新設(shè)計(jì)。1.2 先用一張“容錯(cuò)邊界”對(duì)照表定基調(diào)我習(xí)慣在項(xiàng)目一開始就把三類產(chǎn)品的容錯(cuò)邊界做成一張表放進(jìn)需求文檔里。這樣算法、硬件、產(chǎn)品三方討論時(shí)有個(gè)共同語言不至于后面互相甩鍋。產(chǎn)品形態(tài)主要錯(cuò)誤風(fēng)險(xiǎn)容錯(cuò)傾向典型置信度參考失敗時(shí)的系統(tǒng)行為智能喂食器漏判、誤判導(dǎo)致出糧混亂寧可“多確認(rèn)幾次”再出糧不能誤吐單幀0.85以上連續(xù)3幀確認(rèn)不啟動(dòng)出糧間隔30秒后再試家用攝像頭漏報(bào)重要事件、誤報(bào)騷擾主人關(guān)鍵事件寧可多推普通事件能省則省區(qū)域識(shí)別0.80以上行為判斷0.60以上先本地緩沖再選擇是否推送寵物智能門誤開、夾寵物、外部動(dòng)物闖入極度保守安全優(yōu)先級(jí)最高身份識(shí)別0.95以上連續(xù)N幀確認(rèn)保持鎖定并記錄事件必要時(shí)聲光提示注意我寫的“0.85”“0.80”只是初始參考值真正落地還要靠現(xiàn)場(chǎng)數(shù)據(jù)回灌調(diào)整。這張表的核心價(jià)值是把“產(chǎn)品愿意承擔(dān)哪種錯(cuò)誤”這件事具象化讓所有人朝著同一個(gè)方向調(diào)優(yōu)而不是各自拍腦袋定參數(shù)。2. 三款硬件的差異化設(shè)計(jì)與算法選型2.1 智能喂食器近距離、固定視角、低功耗優(yōu)先喂食器的視覺環(huán)境在三者里最簡(jiǎn)單鏡頭基本固定視角窄寵物距離通常在30到80厘米之間。但這不代表它就容易做。首先是視角問題。鏡頭如果正對(duì)著食盆俯拍入鏡的只有寵物頭頂識(shí)別難度陡增如果平拍又可能被寵物身體擋住。我后來的做法是傾斜30到40度安裝讓寵物頭部和前半身都能落在畫面中央同時(shí)保留一點(diǎn)食盆邊緣作為背景參照。其次是觸發(fā)策略。喂食器不能簡(jiǎn)單“一直開著識(shí)別”那對(duì)功耗和發(fā)熱都太不友好。常規(guī)做法是配合低速運(yùn)動(dòng)檢測(cè)或者干脆用一個(gè)低功耗的接近傳感器先粗判“有東西靠近”再喚醒攝像頭拍攝并跑兩次推理第一次用一個(gè)小模型判斷畫面里有沒有貓/狗第二次再用完整模型確認(rèn)身份。這個(gè)階段的整體延時(shí)控制在200毫秒以內(nèi)用戶不會(huì)有“讓它出糧像卡住一樣”的感覺。還有一個(gè)容易被忽略的點(diǎn)喂食器的可靠性要求比攝像頭高。它常年放在角落可能背光、可能夜里只有紅外補(bǔ)光、可能因?yàn)樨埣Z被扒得到處都是導(dǎo)致背景變化。所以訓(xùn)練數(shù)據(jù)必須刻意覆蓋“食盆空、食盆滿、糧粒灑落、寵物屁股對(duì)著鏡頭、寵物埋頭吃飯只露出一截耳朵”這些真實(shí)場(chǎng)景。出糧判斷也要做一點(diǎn)“防抖”。如果寵物剛低頭到食盆邊模型連續(xù)兩幀識(shí)別成功就立刻轉(zhuǎn)電機(jī)結(jié)果它只是聞一下就跑了糧還是吐出來了。我一般會(huì)讓系統(tǒng)在確認(rèn)“寵物穩(wěn)定停留1到2秒”后才啟動(dòng)出糧同時(shí)在電機(jī)端加一個(gè)互斥鎖防止重復(fù)觸發(fā)造成卡糧。2.2 家用攝像頭場(chǎng)景復(fù)雜度最高要把“人”納入判斷家庭攝像頭和三米外的寵物復(fù)雜度直線上升。寵物可能是小體型的貓?jiān)趶V角畫面里只占幾十個(gè)像素可能貼著墻角散步身體被家具遮擋也可能從窗戶逆光走進(jìn)來整個(gè)輪廓一團(tuán)黑。這些都是訓(xùn)練數(shù)據(jù)里很難窮盡但真實(shí)里一定會(huì)遇到的情況。先說區(qū)域化識(shí)別。很多攝像頭產(chǎn)品支持“電子圍欄”或“重點(diǎn)區(qū)域”這背后其實(shí)就是對(duì)檢測(cè)框做空間過濾。比如用戶只想看貓有沒有上餐桌就在App里劃一個(gè)桌面區(qū)域只有當(dāng)貓的檢測(cè)框中心落在該區(qū)域內(nèi)才觸發(fā)抓拍和推送。這樣既降低誤報(bào)也減少云端或App端的無效流量。再說人寵同框。家里有人的時(shí)候攝像頭如果把主人一起框進(jìn)去經(jīng)常會(huì)把“主人坐在沙發(fā)上”誤判成異常事件。處理辦法是先跑一個(gè)輕量的人體檢測(cè)當(dāng)寵物框與人體框的重疊面積超過一定比例時(shí)系統(tǒng)認(rèn)為“寵物在人的身邊”降低推送優(yōu)先級(jí)。這個(gè)邏輯非常簡(jiǎn)單但能省掉絕大多數(shù)“主人擼貓被報(bào)警”的尷尬。攝像頭場(chǎng)景還有一個(gè)特點(diǎn)是連續(xù)圖像流不像喂食器只在靠近時(shí)觸發(fā)。連續(xù)幀有好處也有壞處好處是能用軌跡跟蹤來穩(wěn)定目標(biāo)ID壞處是直接把每一幀都送進(jìn)完整分類模型本地算力扛不住。我的做法是分成兩級(jí)第一級(jí)用輕量檢測(cè)模型每2秒掃一次發(fā)現(xiàn)運(yùn)動(dòng)目標(biāo)后再切換高幀率并用更強(qiáng)一點(diǎn)的模型確認(rèn)身份。確認(rèn)完成后系統(tǒng)繼續(xù)以較低幀率維持跟蹤一旦目標(biāo)丟失又重新進(jìn)入輕量掃描模式。2.3 寵物智能門開門邏輯比識(shí)別模型更重要智能門是三者里決策最重的一個(gè)因?yàn)橐坏╅_錯(cuò)后果很直接不該進(jìn)來的貓狗進(jìn)屋或者該進(jìn)的寵物被鎖在門外大半夜。很多團(tuán)隊(duì)在這里只盯著“識(shí)別準(zhǔn)不準(zhǔn)”卻忽略了真正決定體驗(yàn)的是開門鏈路。一個(gè)相對(duì)穩(wěn)妥的開門鏈路長(zhǎng)這樣檢測(cè)到寵物靠近門口區(qū)域先連續(xù)確認(rèn)身份身份確認(rèn)后還要檢查門體狀態(tài)當(dāng)前是否封閉、門內(nèi)外是否有障礙、門機(jī)構(gòu)是否處于空閑全部通過才開始解鎖。整個(gè)過程保留“可打斷”能力比如門正在解鎖時(shí)寵物突然往回跑或者有另一只寵物強(qiáng)行擠到門口系統(tǒng)立刻回鎖。為什么不能單幀確認(rèn)就開門因?yàn)閷櫸镌陂T口永遠(yuǎn)是動(dòng)態(tài)的走路、甩頭、跳躍任何一個(gè)瞬間都可能拍出奇怪的姿態(tài)。單幀識(shí)別即使到了98%準(zhǔn)確率連續(xù)運(yùn)行一年下來誤判次數(shù)依然可觀。我見過最典型的問題是一只黑白花貓從門邊走過門磁信號(hào)配合光照變化讓模型把一個(gè)模糊側(cè)影判成了指定寵物門一下就彈開了。所以智能門的現(xiàn)場(chǎng)邏輯里必須加上“連續(xù)N幀同一ID”的確認(rèn)窗口N通常在5到10幀之間還要配合幀間的位置連續(xù)性校驗(yàn)。智能門的環(huán)境還比室內(nèi)更惡劣風(fēng)吹日曬、瓢潑大雨、零下的低溫都可能遇到。攝像頭鏡頭上的一點(diǎn)水滴就足夠把一張清晰的貓臉變成抽象派畫作。我給這類產(chǎn)品做驗(yàn)證時(shí)會(huì)額外準(zhǔn)備一組雨天、霧天、直射逆光、玻璃反光的樣本專門用來測(cè)試退化場(chǎng)景下系統(tǒng)是“正確拒絕”還是“錯(cuò)誤開門”。這里寧可多拒絕幾次也不能貿(mào)然開鎖。3. 從數(shù)據(jù)到端側(cè)部署的完整實(shí)操細(xì)節(jié)3.1 數(shù)據(jù)采集與標(biāo)定最難的是同類干擾和背景變化訓(xùn)練數(shù)據(jù)是貓狗識(shí)別項(xiàng)目的隱形天花板。很多團(tuán)隊(duì)把主要精力放在模型結(jié)構(gòu)上到頭來發(fā)現(xiàn)精度卡住問題不在網(wǎng)絡(luò)而是數(shù)據(jù)太“干凈”了。我在項(xiàng)目里會(huì)強(qiáng)制要求采集小組覆蓋這樣幾類數(shù)據(jù)同一只寵物在不同光線、不同距離、不同角度下的多組視頻尤其是“背對(duì)鏡頭”“低頭吃飯”“快速跑動(dòng)”這類不標(biāo)準(zhǔn)姿態(tài)。同一畫面里出現(xiàn)兩只或三只寵物的“擁擠場(chǎng)景”這是喂食器和攝像頭都會(huì)遇到的高頻難點(diǎn)。大幅度的負(fù)樣本包括空?qǐng)鼍?、人走?dòng)、家具移動(dòng)、窗簾飄動(dòng)、掃地機(jī)器人移動(dòng)等。負(fù)樣本比例我一般會(huì)控制在30%到40%否則模型容易把“畫面變化”本身誤認(rèn)成寵物。同一寵物外觀相似的多只個(gè)體。比如一只橘貓和另一只橘貓?jiān)诘头直媛氏驴赡苤徊钜粋€(gè)深淺數(shù)據(jù)里必須混入這種“極易混淆”的樣本否則上線后ID會(huì)被打亂?！巴惒煌琁D”的區(qū)分往往是寵物識(shí)別項(xiàng)目里最核心的難點(diǎn)。很多團(tuán)隊(duì)把精力全花在“貓和狗”的區(qū)分上那是分類任務(wù)但產(chǎn)品真正要的是“這是我的貓”還是“那是鄰居的貓”的個(gè)體識(shí)別這比粗分類難得多。我會(huì)在數(shù)據(jù)集里按個(gè)體打標(biāo)簽用ReID的思路去訓(xùn)練一個(gè)身份嵌入而不是只做單純的多分類。3.2 模型選型、訓(xùn)練與量化識(shí)別快只是基礎(chǔ)穩(wěn)定才是目標(biāo)模型結(jié)構(gòu)上我用得最多的還是輕量級(jí)的檢測(cè)網(wǎng)絡(luò)加一個(gè)身份分類分支。輸入分辨率不會(huì)拉太高一般在320×320或者480×480之間。太高端側(cè)推理時(shí)間成倍增加太低遠(yuǎn)處的小體型貓?jiān)诋嬅胬镏皇资畟€(gè)像素識(shí)別不出來。以一塊常見的嵌入式AI芯片為例一個(gè)參數(shù)量在2到5MB的輕量模型經(jīng)過INT8量化后在CPU上跑一幀320×320的推理時(shí)間大約在30到80毫秒。這個(gè)量級(jí)已經(jīng)能滿足喂食器和攝像頭的實(shí)時(shí)性要求。如果需要更高精度或更小體積可以把檢測(cè)和身份識(shí)別拆成兩個(gè)模型按需調(diào)用否則做成一個(gè)大模型反而難優(yōu)化。訓(xùn)練過程中的關(guān)鍵點(diǎn)有三個(gè)類別平衡。貓和狗樣本數(shù)量不能一邊倒。對(duì)于顏色相近的個(gè)體需要單獨(dú)做均衡否則模型會(huì)偷偷學(xué)會(huì)“按顏色猜ID”。難例挖掘。把現(xiàn)場(chǎng)采集到的模糊幀、遮擋幀、反光幀全部丟回訓(xùn)練集讓模型被迫學(xué)習(xí)那些“不該容易判別”的畫面。量化校準(zhǔn)。用一小批現(xiàn)場(chǎng)真實(shí)圖像做校準(zhǔn)集而不是用訓(xùn)練集隨機(jī)抽一批?，F(xiàn)場(chǎng)圖像的亮度分布、噪聲水平都和訓(xùn)練圖像有明顯差異校準(zhǔn)集不貼合實(shí)際量化后精度會(huì)掉得更嚴(yán)重。模型訓(xùn)練完之后我一般還會(huì)加一個(gè)后處理邏輯跟蹤軌跡。連續(xù)幀之間如果同一個(gè)目標(biāo)框的交并比高于一個(gè)閾值就判定為同一個(gè)目標(biāo)目標(biāo)ID標(biāo)簽不能每幀都獨(dú)立判斷而是用一段滑動(dòng)窗口里出現(xiàn)次數(shù)最多的ID作為最終輸出。這個(gè)簡(jiǎn)單的“投票機(jī)制”能顯著減少ID頻繁跳變帶來的體驗(yàn)問題。3.3 事件驅(qū)動(dòng)喚醒與功耗控制把算力花在刀刃上對(duì)這三類設(shè)備來說功耗都是繞不開的指標(biāo)。尤其喂食器和智能門可能是電池供電或低功耗設(shè)計(jì)攝像頭雖然常供電但也不能讓發(fā)熱失控。事件驅(qū)動(dòng)的核心思路是“按需喚醒”平時(shí)只有極低功耗的傳感器在值班比如被動(dòng)紅外、人體電容感應(yīng)或簡(jiǎn)單的震動(dòng)檢測(cè)一旦檢測(cè)到環(huán)境變化才去喚醒攝像頭和模型推理。整套鏈路可以拆成幾步低功耗檢測(cè)單元持續(xù)運(yùn)行毫瓦級(jí)待機(jī)。觸發(fā)后攝像頭開機(jī)出圖一般幾十毫秒內(nèi)拿到第一幀。跑一個(gè)輕量級(jí)預(yù)檢測(cè)確認(rèn)畫面里有移動(dòng)的動(dòng)物輪廓。預(yù)檢通過后再調(diào)用完整模型確認(rèn)身份并進(jìn)入相應(yīng)的業(yè)務(wù)邏輯。持續(xù)一段時(shí)間沒有新的有效觸發(fā)系統(tǒng)回到待機(jī)。這套方案在項(xiàng)目里實(shí)測(cè)下來整個(gè)“預(yù)檢完整識(shí)別”的窗口通常只持續(xù)幾百毫秒到幾秒平均功耗比長(zhǎng)期連拍降低了一個(gè)數(shù)量級(jí)。比功耗更重要的收獲是系統(tǒng)不再產(chǎn)生大量無效推理發(fā)熱和誤報(bào)壓力都變小了。還要強(qiáng)調(diào)一點(diǎn)模型推理只是功耗的一部分。攝像頭圖像傳感器一直打開才是最耗電的所以“按需喚醒”的優(yōu)先級(jí)要放在硬件層而不能依賴模型去遮擋畫面流。4. 現(xiàn)場(chǎng)驗(yàn)證與排查我遇到的典型故障記錄4.1 弱光和紅外反光引發(fā)的喂食誤判我做過一個(gè)喂食器項(xiàng)目測(cè)試階段頻繁出現(xiàn)“空碗吐糧”的故障。排查時(shí)發(fā)現(xiàn)模型確實(shí)檢測(cè)到了“寵物”但現(xiàn)場(chǎng)回看紅外補(bǔ)光圖像根因是碗口邊緣和玻璃面板反光形成了一塊輪廓很像貓耳的亮斑被模型當(dāng)成了動(dòng)物前半身。這個(gè)問題的處理不能只靠調(diào)高閾值因?yàn)檎嬲嫠櫸飼r(shí)的正常場(chǎng)景也會(huì)受到牽連。我給系統(tǒng)加了一道“高光區(qū)域屏蔽”對(duì)圖像中亮度極端飽和且面積超過閾值的高光塊做標(biāo)記在這些區(qū)域識(shí)別到的小目標(biāo)不參與最終決策同時(shí)采集了一批反光負(fù)樣本重新進(jìn)訓(xùn)練集。經(jīng)過兩輪調(diào)整空碗誤吐的現(xiàn)象基本消失而正常靠近識(shí)別沒有明顯退化。4.2 攝像頭把毛色相近的兩只寵物的身份搞混家用攝像頭項(xiàng)目里有位用戶的家里養(yǎng)了一只橘貓和一只淺橘色貓兩只體型幾乎一樣。上線后系統(tǒng)會(huì)頻繁把A的身份識(shí)別成B推送記錄里寵物身份完全亂掉。排查后發(fā)現(xiàn)模型在全身特征上的區(qū)分度不夠加上兩只貓經(jīng)常靠近目標(biāo)框互相重疊軌跡跟蹤被帶偏。后來我們做了兩件事一是在訓(xùn)練數(shù)據(jù)里加入更多這兩只貓同框、交疊、背對(duì)鏡頭的樣本增強(qiáng)ID嵌入的區(qū)分度二是在后處理中加入“外觀特征緩存”只有當(dāng)目標(biāo)跟蹤框連續(xù)穩(wěn)定超過10幀且新ID分?jǐn)?shù)明顯高于舊ID時(shí)才允許身份發(fā)生切換。這樣處理后身份錯(cuò)亂現(xiàn)象大幅減少。4.3 寵物智能門在“開門中途”被寵物強(qiáng)行頂開這個(gè)問題發(fā)生在功能聯(lián)調(diào)階段。系統(tǒng)識(shí)別到寵物身份給出開門信號(hào)但寵物在看到門縫打開后立刻往門縫里擠。此時(shí)門體正在旋轉(zhuǎn)電機(jī)檢測(cè)到阻力后進(jìn)入保護(hù)邏輯但保護(hù)邏輯沒有區(qū)分“寵物主動(dòng)頂門”和“機(jī)械卡死”結(jié)果門在卡到一半時(shí)停了寵物被夾住前腿。這里不能只優(yōu)化AI模型。我后來把開門流程調(diào)整成先解鎖但保持門體不動(dòng)等待1到2秒確認(rèn)寵物退后或門縫位置無遮擋再見持續(xù)度地執(zhí)行開門。門體運(yùn)動(dòng)過程中一旦檢測(cè)到阻力超過設(shè)定值立即反向回退到安全位置。這一套異常退避邏輯比提高識(shí)別準(zhǔn)確率更能解決真實(shí)的安全風(fēng)險(xiǎn)。4.4 斷網(wǎng)后設(shè)備集體“變傻”的問題這類問題很容易在產(chǎn)品經(jīng)理的驗(yàn)收環(huán)節(jié)里暴露家里Wi-Fi抽風(fēng)路由器重啟喂食器不出糧攝像頭不識(shí)別。讓我感到懷疑的是很多方案把身份判定和權(quán)限邏輯放到了云端本地只做畫面采集和上傳。我的原則是在AIoT里凡是和安全、喂食、門控直接相關(guān)的決策必須本地閉環(huán)。斷網(wǎng)時(shí)設(shè)備要能無條件地完成最核心的邏輯比如識(shí)別靠近的寵物、記住出糧記錄、保持門鎖狀態(tài)云端只承擔(dān)遠(yuǎn)程查看、歷史數(shù)據(jù)和告警推送。這樣網(wǎng)絡(luò)抖動(dòng)頂多影響用戶遠(yuǎn)程監(jiān)控不會(huì)影響設(shè)備的基礎(chǔ)功能。故障現(xiàn)象可能原因排查重點(diǎn)推薦對(duì)策空碗頻繁吐糧紅外反光、高光區(qū)域誤識(shí)別回看紅外原圖檢查高亮輪廓高光屏蔽反光負(fù)樣本訓(xùn)練寵物ID來回變外觀相似、目標(biāo)框重疊檢查IoU軌跡與切換判定閾值身份確認(rèn)窗口外觀緩存門開了夾寵物開門時(shí)序與機(jī)械邏輯沖突查看開門過程錄像與電機(jī)阻力記錄先解鎖再開門加異?；赝藬嗑W(wǎng)后功能失效決策邏輯過度依賴云端檢查業(yè)務(wù)決策是否全部本地化本地閉環(huán)云端只做輔助5. 交付前我常用的自檢清單實(shí)戰(zhàn)項(xiàng)目做多了我會(huì)在每次準(zhǔn)備發(fā)布前用下面幾個(gè)問題重新過一遍產(chǎn)品。這些問題不看PPT都會(huì)不看模型不準(zhǔn)只問你“現(xiàn)場(chǎng)會(huì)不會(huì)丑”。第一數(shù)據(jù)里有沒有覆蓋這個(gè)場(chǎng)景獨(dú)特的退化狀態(tài)。喂食器有沒有紅外反光樣本攝像頭有沒有人寵同框智能門有沒有雨天和低溫畫面。如果沒有我敢說上線后一定出問題只是早晚和嚴(yán)重程度不同。第二模型在端側(cè)的真實(shí)時(shí)延和功耗是否在限定范圍內(nèi)。注意是“真實(shí)端側(cè)”不是在服務(wù)器上跑出的數(shù)字。很多時(shí)候模型在開發(fā)板上跑得好好的裝到量產(chǎn)主板上因?yàn)閮?nèi)存帶寬、系統(tǒng)調(diào)度、驅(qū)動(dòng)搶占的原因時(shí)延直接翻倍。第三失敗路徑是否明確。識(shí)別失敗時(shí)設(shè)備保持鎖定還是放行是否安全喂食器出糧失敗時(shí)用戶端能否收到提示這些問題必須在需求階段就有答案不能在測(cè)試階段靠開發(fā)人員臨時(shí)補(bǔ)。第四網(wǎng)絡(luò)不穩(wěn)定的情況下核心功能是否仍然可用。我習(xí)慣在驗(yàn)收測(cè)試中強(qiáng)制拔掉網(wǎng)線看設(shè)備在斷網(wǎng)模式下的表現(xiàn)再恢復(fù)正常網(wǎng)絡(luò)看數(shù)據(jù)是否能續(xù)傳。第五誤判后的恢復(fù)路徑是否順暢。攝像頭誤報(bào)之后用戶關(guān)閉通知是否就恢復(fù)了智能門誤拒之后寵物主人是否知道原因這套交互細(xì)節(jié)決定了產(chǎn)品從“能用”到“好用”的距離。我個(gè)人的體會(huì)是做AIoT落地項(xiàng)目真正能拉開差距的從來不是某一次模型的精度沖刺而是整個(gè)系統(tǒng)的容錯(cuò)設(shè)計(jì)、功耗控制和現(xiàn)場(chǎng)數(shù)據(jù)迭代。如果你正在做寵物識(shí)別相關(guān)設(shè)備與其反復(fù)糾結(jié)要不要換一個(gè)“更好”的網(wǎng)絡(luò)結(jié)構(gòu)不如先把喂食器的省電鏈路、攝像頭的誤報(bào)送代、智能門的防夾邏輯這三件事扎扎實(shí)實(shí)做好。把它們理順了你會(huì)發(fā)現(xiàn)很多精度問題其實(shí)早就不是問題了。