61 lines
2.2 KiB
Markdown
Raw Normal View History

2026-05-20 21:39:12 +08:00
---
name: damage-detector
description: 汽车环车旧伤与车辆关键信息检测。用于 damage_detector 能力:基于 video-frame-extractor 生成的 taskId 和 frames 分批调用多模态大模型识别划痕、凹陷、裂纹、掉漆、锈蚀等旧伤并采集品牌型号、前后车牌、VIN、仪表盘里程、胎压、轮胎纹理健康度、轮胎品牌型号规格写入 workspace/damages.json。
license: MIT
metadata:
version: "1.0.0"
category: vehicle-inspection
skillType: compute-entry
aliases: ["damage_detector"]
tags: ["vehicle", "damage", "vision", "旧伤检测", "VIN", "轮胎"]
---
# 环车旧伤检测
前置条件:先使用 `video-frame-extractor` 得到 `taskId`
```json
{
"name": "damage-detector",
"input": {
"taskId": "order_10001",
"batchSize": 50,
"batchDelay": 2,
"concurrency": 5
}
}
```
## 工作流程
1. 读取共享 workspace 的 `video_info.json``frames/` 图片。
2. 每批默认 50 帧,批间默认等待 2 秒,避免模型限流。
3. 调用多模态模型检测车身旧伤和车辆关键信息。
4. 跨批次合并车辆信息,写入 `workspace/damages.json`
## 输入
- `taskId`: 必填,由抽帧步骤返回。
- `batchSize`: 可选,默认 `50`
- `batchDelay`: 可选,默认 `2` 秒。
- `concurrency`: 可选,默认 `5`
- `modelResult` / `batchResults`: 可选,外部多模态模型返回结果;传入后本技能只做归一化和汇总。
## 输出
返回 `damagesFound``totalBatches``successBatches``vehicleInfo`
如果没有配置 `ARK_API_KEY` 且没有传 `modelResult`,会返回 `needsModelVision:true``batches[]``prompt`,由上层 Agent 使用多模态模型处理后再回传 `modelResult`
## 运行约定
- 需要 Node.js 18+。
- 共享 workspace 根目录优先读取 `VEHICLE_SCRATCH_WORKSPACE_ROOT`,其次兼容 `RZYX_AI_WORKSPACE_ROOT`,否则使用 `RZYX_AI_DATA_DIR/workspace/vehicle-scratch-inspection`
## 检测原则
- 不要把反光、阴影、污渍、压缩噪声虚报为旧伤。
- 车辆信息跨批次合并,以更清晰、字段更完整的结果为准。
- 不使用百度 OCR API图片文字识别由多模态大模型完成。
- 用中文回答所有内容。