边缘视觉 AI
基于轻量边缘摄像头与工业级多路 AI 计算主机，构建 目标检测、区域入侵告警与自动化联动 的边缘视觉方案。
Core Hardware / 核心硬件
- CAM-L reCamera 2002w/2002 轻量边缘节点 · 端侧NPU推理 · RTSP推流
- CAM-H reCamera 2002 HQ PoE 8GB PoE主力机位 · 多路NVR汇聚
- EDGE reComputer RK3576-30 轻量推理主机 · 6 TOPS NPU · Node-RED联动
- NVR reServer Industrial J4012 Jetson Orin NX 16GB · Frigate多路汇聚 · TensorRT
- NET 8+2口千兆PoE交换机 802.3af/at · PoE供电与流量汇聚
这个模块解决什么
传统监控仅能事后录像回溯，无法在风险发生瞬间产生结构化告警；移动侦测受光线变化、雨雪晃动干扰严重，误报率高。视觉 AI 定制开发周期长、需专门算法工程师与专用服务机架，方案商难以权衡单点嵌入式设备与多路集中服务器的性能与成本。
- 难度
- 高级
- 时长
- L1 1天 / L2 2–3天 / L3 3–5天
- 最短形态
- 1 天（体验课 · L1）
- 排课形态
- 3 层：体验 / 实战 / 交付
- 双硬件主线
- reCamera（轻节点）+ Jetson Orin NX（强节点）
- 核心协议
- RTSP / MQTT / PoE 802.3af/at / REST API
L1 具备基础网络与浏览器操作经验，能连接 Wi-Fi 与访问 Web 界面；L2 理解 IP 网络、Docker 与 MQTT 基础，能编辑 YAML 配置文件；L3 具备 Python 与 Linux 命令行基础，了解目标检测基本原理
典型应用场景
KEY CAPABILITIES /
- 配置 reCamera 端侧目标检测与 RTSP 推流
- 编排 Node-RED 视觉事件与声光告警联动
- 搭建 Frigate 多路 RTSP 汇聚与 NVR 录像管理
- 配置检测区域（Zones）与置信度阈值调优
- 集成 Home Assistant 跨系统自动化联动
- 训练 YOLO 自定义模型并完成 TensorRT/cvimodel 量化部署
学习所需硬件
本课程以「开源 AI 相机 + 边缘推理盒子」为核心教具，覆盖采集、推理到告警全链路。
reComputer RK3576-30 (100052518)
轻量视觉推理主机，8GB 内存，6 TOPS 算力
运行事件联动与轻量视频监控看板的边缘智能控制器。配备 8GB 内存与 6 TOPS NPU 算力，适用于 L1/L2 阶段的轻量视觉推理与 Node-RED 事件联动。可作为 Frigate 与 Home Assistant 的轻量部署主机。
reCamera 2002w/2002 (102991896/102991894)
单机位视觉节点，端侧轻量目标检测与 RTSP 推流
模块化开源 AI 相机，2002w 支持 Wi-Fi/AP 模式，2002 支持百兆有线以太网。内置 NPU 推理与 Node-RED 零代码编排，即插即用，适用于 L1 单点轻量节点体验与 L2 端侧自动化联动。支持 RTSP 视频流输出（554 端口）。
reCamera 2002 HQ PoE 8GB (100029708)
多机位主力相机，PoE 单线供电推流
模块化开源 AI 相机，支持 PoE 交换机单线供电与视频推流。8GB 内存配置，适用于多路 NVR 汇聚分析的主力机位。通过 RTSP 接入 Frigate，支持检测区域与置信度阈值配置。
reCamera Pro AI 相机 (100092895)
高性能开源 AI 视觉相机，进阶视觉开发与更高算力模型验证
可选扩展设备，reCamera 系列高性能型号，适用于进阶视觉开发与更高算力模型验证。可承担更复杂的端侧推理任务与多模型并行验证，作为 L2/L3 阶段的进阶算力选项。
reServer Industrial J4012 (Jetson Orin NX 16GB, 114110247)
高性能视频中枢，工业级 Jetson 边缘服务器
工业级 Jetson Orin NX 16GB 边缘计算服务器，运行 Frigate NVR 汇聚多路检测。支持 GPU 硬件解码与 TensorRT 量化加速，适用于 L2 多路视频流汇聚与 L3 自定义模型推理部署。需刷写 JetPack 镜像并配置 Docker --runtime nvidia，Frigate 使用 stable-tensorrt-jp6 镜像。
8+2 口千兆 PoE 工业交换机 (802.3af/at)
集中供电与高速组网
8+2 口千兆 PoE 交换机，符合 802.3af/at 标准。为 PoE 相机供电并汇聚局域网流量，适用于多路 reCamera HQ PoE 集中部署与 Frigate NVR 汇聚场景。
另配CUDY AX3000 Wi-Fi 6千兆路由器、迷你三脚架×3（114993412）、便携式13.3" 1080P现场显示器（含mini HDMI与Type-C线）、六类千兆网线×4（1m）、公牛3位五孔+3×USB供电排插、场景模拟物料包（安全帽/反光背心标贴、测试工件模型）。
Codecraft 帮你"敢做"，aily-blockly 帮你"做完"
M0 不用 Arduino IDE 手写 C++，而是采用矽递自研的双平台接力工具链。前半程零安装、5 分钟见效；后半程把作品搬回自己的电脑，变成能带走、能继续演进的工程。
reCamera + Node-RED
端侧NPU推理 + 零代码编排 · RTSP/MQTT
- 设备上电联网
- RTSP视频流输出
- 预置模型目标检测
- Node-RED事件联动
Frigate NVR + Home Assistant
多路RTSP硬件解码 + 区域检测 + MQTT告警
- 多路RTSP接入
- Zones/Masks配置
- 置信度阈值调优
- HA自动化联动
YOLO + TensorRT / cvimodel
数据标注 + 迁移学习 + 量化部署
- 数据集采集标注
- YOLO迁移训练
- ONNX导出
- TensorRT/cvimodel量化
- 边缘端实跑
另需Mosquitto MQTT Broker（承载结构化告警事件，1883端口）、InfluxDB+Grafana（L3检测统计与时序看板）、CVAT/Roboflow（L3数据集标注平台）。
三阶递进：展示层 → 顾问层 → 设计层
双线体验与基础配置
拥有自己的智能视觉哨兵，划定警戒区域并自动抓拍留证
- 理解帧率、分辨率、置信度阈值与 IoU 等视觉核心概念
- 独立完成 reCamera 设备的网络配置与视频流输出
- 掌握轻节点与强节点方案的适用边界与选型依据
- 完成 1 台 reCamera 节点的网络配置与基础目标识别验证
双线场景联动与多路汇聚
把既有老旧摄像头升级为智能监控网，过滤误报并联动现场声光报警
- 掌握在 reCamera 上使用 Node-RED 实现边缘事件的本地联动
- 掌握 Frigate frigate.yml 的多路配置、区域绘制与参数调优
- 掌握 Frigate 与 Home Assistant 联动配置与跨系统事件驱动逻辑
- 完成 1 套包含 2 路以上 RTSP 接入、Frigate 检测、HA 联动与误报调优的完整系统
模型定制与边缘部署优化
定制专属视觉识别模型，实时大屏业务数据
- 掌握视觉 AI 从数据标注、模型训练到边缘部署的完整工程闭环
- 掌握 TensorRT 与嵌入式模型量化转换的关键工具链
- 具备独立设计和交付垂直行业视觉识别方案的能力
- 交付 1 套自定义训练的目标检测模型，并在硬件上完成实跑验证
Curriculum / 15 个教学模块
模块顺序不变，切法由你定
选一种形态，看它覆盖哪些模块。完整版是同一门课的三种排法——内容、硬件、交付物完全一致，只是切法不同。
| 模块 / 产出 | 体验1天 | 实战2–3天 | 交付3–5天 | ||
|---|---|---|---|---|---|
| 01 | 课前准备与环境预检硬件台架清点、网络环境配置、reCamera固件预置与Node-RED/SSCMA插件验证、Frigate容器部署与GPU直通配置、教学资料下发 | — | 完整 | 完整 | 完整 |
| 02 | 视觉AI核心概念与双主线架构帧率FPS、分辨率、置信度阈值、IoU交并比；reCamera轻节点与Jetson强节点技术指标、成本与适用边界对比 | — | 完整 | 完整 | 完整 |
| 03 | reCamera单点轻节点配置上电联网（2002w Wi-Fi/AP、2002百兆有线、HQ PoE交换机供电）、Web界面访问、RTSP视频流验证（554端口）、预置模型切换 | reCamera Web UI | 完整 | 完整 | 完整 |
| 04 | 基础入侵检测与区域绘制绘制基础检测框、观察目标进入触发事件、端侧NPU推理帧率与置信度变化观察 | reCamera / SSCMA | 完整 | 完整 | 完整 |
| 05 | Jetson多路NVR架构演示Frigate多路RTSP接入与GPU硬件解码展示、目标检测与录像管理、检测到入侵→MQTT推送→声光报警联动演示 | Frigate NVR | 精简 | 完整 | 完整 |
| 06 | Node-RED视觉事件编排SSCMA模型节点配置、置信度过滤与目标类型过滤、Dashboard实时画面与告警状态仪表盘搭建 | Node-RED / SSCMA | 不含 | 完整 | 完整 |
| 07 | 多通道告警联动MQTT消息发布驱动智能灯泡变色与蜂鸣器鸣响、Webhook节点推送告警至企业微信群机器人 | Node-RED / MQTT | 不含 | 完整 | 完整 |
| 08 | Frigate多路摄像头配置frigate.yml配置结构解析、多台reCamera RTSP地址添加、检测帧率配置（5–10FPS）、Zones与Masks定义 | Frigate / YAML | 不含 | 完整 | 完整 |
| 09 | Home Assistant深度集成Frigate HA集成插件安装配置、摄像头实体与传感器状态映射、基于时间段与区域入侵的自动化YAML脚本编写 | Home Assistant / YAML | 不含 | 完整 | 完整 |
| 10 | 误报率调优实操置信度阈值调整（Min Score/Threshold）、Zones坐标优化排除树枝晃动/反光/背景杂物、调优前后误报数据对比记录 | Frigate | 不含 | 完整 | 完整 |
| 11 | 数据集采集与标注现场数据采集策略（光照变化/角度多源/正负样本平衡）、CVAT或Roboflow目标检测框标注、数据集划分7:2:1与数据增强 | CVAT / Roboflow | 不含 | 不含 | 完整 |
| 12 | YOLO模型迁移学习YOLO目标检测原理与骨干网络解析、PyTorch训练环境与预训练权重配置、Loss收敛曲线与mAP@0.5指标监控 | YOLO / PyTorch | 不含 | 不含 | 完整 |
| 13 | 边缘端模型转换与部署ONNX格式导出、Jetson TensorRT Engine转换、reCamera TPU-MLIR INT8量化转cvimodel、端侧推理延迟/FPS/显存实测 | TensorRT / TPU-MLIR | 不含 | 不含 | 完整 |
| 14 | 结构化数据汇聚与看板目标检测统计数据写入InfluxDB时序数据库、Grafana告警频次统计/区域热度/合规率趋势看板搭建 | InfluxDB / Grafana | 不含 | 不含 | 完整 |
| 15 | 方案复盘与交付总结各组项目方案演练与误报调优效果答辩、边缘算力开销与网络带宽占用复盘、交付物与配置文件归档 | — | 精简 | 完整 | 完整 |
● 完整◐ 精简— 不含●＋ 比完整版更深
coverage 键对应排课形态 ID（taster / workshop / bootcamp），值为 full（完整覆盖）/ part（精简覆盖）/ none（不含）/ plus（比完整版更深）。体验课（taster）聚焦 L1 双线体验与基础配置，Jetson NVR为演示观摩不含实操；实战课（workshop）覆盖 L1+L2 完整Node-RED联动与Frigate多路汇聚；交付课（bootcamp）全覆盖 L1+L2+L3 含自定义模型训练与边缘部署。
先选层，再选排法
时间和目标决定选哪一层：要学生带走一个能继续演进的作品，选完整版；只有两天，选马拉松版；只有半天，两门体验课任选其一。
体验课
无 FP1 天 · 6–8h · L1 展示层 · 聚焦reCamera单点配置与双主线架构认知
- Day 1 上午模块 01 + 02 + 03
环境预检 → 视觉AI核心概念 → reCamera单点轻节点配置
- Day 1 下午模块 04 + 05(演示) + 15(精简)
基础入侵检测 → Jetson NVR架构演示 → 总结复盘
体验课目标是「看得懂、能讲解、能演示」，3分钟跑出reCamera目标检测与入侵告警的演示效果。Jetson多路NVR为观摩演示，不含实操。
实战课
FP 完整2–3 天 · 14–20h · L1+L2 · Node-RED告警联动 + Frigate多路汇聚 + HA自动化 + 误报调优
- Day 1模块 01–05
环境预检 → 视觉概念 → reCamera配置 → 基础检测 → Jetson NVR演示
- Day 2模块 06–08
Node-RED视觉事件编排 → 多通道告警联动 → Frigate多路摄像头配置
- Day 3（可选）模块 09 + 10 + 15
HA深度集成 → 误报率调优实操 → 方案复盘与交付总结
实战课交付 1 套包含 2 路以上 RTSP 接入、Frigate 检测、HA 联动与误报调优的完整系统。学员基础要求：理解 IP 网络、Docker 与 MQTT 基础，能编辑 YAML 配置文件。
交付课
FP 完整3–5 天 · 24–35h · L1+L2+L3 · 全覆盖含自定义模型训练与边缘部署优化
- Day 1–2模块 01–10
L1+L2 完整内容（reCamera配置 + Node-RED联动 + Frigate多路汇聚 + HA集成 + 误报调优）
- Day 3模块 11 + 12
数据集采集与标注 → YOLO模型迁移学习
- Day 4模块 13 + 14
边缘端模型转换与部署 → 结构化数据汇聚与看板搭建
- Day 5模块 15
方案复盘与交付归档
交付课目标是具备独立设计和交付垂直行业视觉识别方案的能力。学员基础要求：具备 Python 与 Linux 命令行基础，了解目标检测基本原理，熟悉 L1–L2 能力。
体验课是方案演示与客户沟通的标配形态：零算法门槛、1天闭环、聚焦「摄像头能出流、目标能检测、告警能触发」。适合展会、技术开放日与客户初次接触场景。
实战课的 Day 3 为可选弹性日：若学员基础较好可压缩为 2 天（Day 2 下午合并 HA 集成与误报调优）；若需更多 Frigate 配置调优时间则用满 3 天。
PoE 交换机与 reCamera HQ PoE 接线需确认交换机端口支持 802.3af/at 标准，非标准 PoE 注入器可能损坏相机网口。严禁将非 PoE 端口误接为 PoE 供电。
Jetson reServer J4012 需刷写 JetPack 镜像并配置 Docker --runtime nvidia，Frigate 必须使用 stable-tensorrt-jp6 镜像，普通 CPU 镜像无法启用 GPU 硬件解码与 TensorRT 加速。
体验课不包含 Frigate 多路配置与 Node-RED 实操，请勿向客户承诺体验课学员能独立完成多路 NVR 汇聚——那是实战课的交付标准。
合规红线：本课程所有检测模型与场景均限于物体/行为/区域检测，严禁人脸身份识别与生物特征追踪。项目交付前须与客户书面确认检测边界。
适合这些人学
这门课的价值不在算法精度，在「把视觉AI从演示台架搬到客户现场」的工程方法
M4 不是一门教学生「调参刷精度」的算法课，而是一门教团队如何用开源相机和边缘计算硬件，把目标检测从实验室演示变成可交付、可维护、可合规的现场方案的工程课。柴火交付的从来不只是「一次上课」，而是一整套可以被拆开、改写、重新组装的东西：15模块课程骨架、教师教案与PPT、reCamera Node-RED示例流程、frigate.yml配置模板、Zones区域绘制方法、误报调优记录表、设备清单与台架规范。
口子 01
换场景
模块 04「基础入侵检测与区域绘制」的检测区域是开放的：你的行业、你的客户现场、这座城市正在发生的一个真问题。周界防范可以是园区围墙，可以是仓库后门，可以是养殖大棚入口——问题越靠近真实现场，效果越好，而这件事你比我们懂。
口子 02
接相机
你已有的客户存量网络摄像头、学校实训台架上的RTSP设备、合作方的专有协议相机，可以接在模块 08 之后，成为 Frigate 多路接入练习的对象池。M4 负责把方法讲透，门后面接什么相机，由你来定。
口子 03
加你的东西
你在行业里攒下的那些：现场踩过的坑、能让学员瞬间理解置信度阈值的那个比喻、客户现场最常问的三个问题、误报调优的独门经验——那正是我们没有、也给不了的部分。
一门视觉AI课最好的归宿，不是被完整地执行一遍，而是被一位工程师改到面目全非，然后变成只有他能交付的那个方案。
能力边界与合规约束
核心原则
仅做物体/行为/区域检测与事件告警，严禁人脸身份识别与生物特征追踪。
适用范围
- 通用与特定目标检测（人/车/安全帽/反光衣/工件等物体类别）
- 区域入侵与越界检测、夜间异常驻留检测
- 多路 RTSP 视频流汇聚分析与 NVR 录像管理
- 结构化检测事件通过 MQTT/Webhook 推送至声光告警与第三方系统
- 区域人流计数与驻留时长统计（匿名聚合，不关联个人身份）
- 自定义目标检测模型训练与边缘端量化部署（L3）
不适用范围
- 严禁人脸身份识别与生物特征追踪（合规红线），全文所有模型与场景均限于物体/行为/区域检测
- 严禁用于毫秒级生命安全制动控制（如自动驾驶、医疗诊断、工业安全联锁）
- 不替代法定安防监控系统与消防报警系统
- 不承诺在极端恶劣天气（暴雨、大雾、强逆光）下的 100% 识别率
- 不包含长周期驻场代运维服务
- reCamera 单机为单摄像头轻量方案，支持 1 路 1080P 实时推理；多路并发需部署边缘主机（RK3576 / J4012）并合理规划检测分辨率与抽帧率（通常 5–10 FPS）