大模型视觉

现场已有 CCTV。需求是在不改生产工艺、不改原有声光报警的前提下， 对更衣顺序、防护用品穿戴结果做实时识别、记录与预警，形成可追溯的审计数据。 客户名称不公开，方案怎么落地可以公开。

关键矛盾：更衣不是「检测一个东西」，是「按顺序做完七件事」

传统 AOI 和目标检测擅长回答「画面里有没有口罩」。但更衣的验收标准是 「口罩→头罩→连体衣→鞋→目镜→手套，一步不能少、一步不能颠倒」。 这两件事差别很大：前者是单帧判断，后者是带记忆的流程判断。 所以本项目把系统拆成两层——大模型负责看见，状态机负责判顺序。 这也决定了后面改规则时，改的是状态机配置，不是重新训练模型。

这个项目实际在识别什么

为什么用像素级语义分割而不是画框：更衣间里人是侧身、弯腰、半穿状态， 防护服和墙面同为浅色、手套和裸手轮廓接近。框回归在这种场景很容易把「拿在手上」当成「穿在身上」。 分割给出的是掩膜，可以进一步用面积和位置区分「拿着」与「穿好」。

分割只负责看见像素，业务要的是「头罩戴好了」「连体衣穿上了」这种可判定事件。 事件本身在状态机里定义，判定逻辑在事件编排器里搭： 从原语库拖判定积木、在节点属性里选目标类别，再用「与 / 或 / 非」组合成成立条件。 改判定只动参数和连线，不必重训模型。

顺序强制不靠额外写 NG 规则，而是靠「非预期事件一律自环」： 只有「当前状态 × 对应事件」这一格填了目标状态，流程才前进一步。 跳步不推进，缺步永远走不到终点。需要报警或写记录时，把动作 (A) 挂在对应转移上。 改手顺只改这份配置，不必重训分割模型。

本项目的更衣 SOP 状态机

前面三层不是三个独立工具，而是同一条张量流上的节点，在配置界面里拖出来连好即可。 整条流没有一行代码：节点从左侧节点库拖出，端口连线定数据流向，参数在节点里填。