已结束已结束智能餐盘剩余量检测系统，无预算
接单类型：外包开发/合作开发，个人开发者/团队均可接单
重点：支持先做原型验证，验证通过后再推进全项目开发
项目说明
我方为食堂运营方，现有餐盘回收区已完成监控部署，积累了可用的视频流训练数据集，需在不更换现有摄像头、不改动原有布线的前提下，通过新增AI边缘计算盒子实现餐盘剩余量智能检测，输出结构化数据用于食堂浪费监测、备餐优化。AI边缘盒、交换机等硬件由我方采购，仅需软件开发部署。
我方配套条件：摄像头支持RTSP协议、分辨率≥1080P，现场具备千兆局域网、稳定供电与安装位。
核心开发需求
开发可在边缘设备稳定运行的软件系统，核心功能：
支持同时拉取至少4路1080P RTSP流，兼容H.264/H.265解码，支持断流重连、回收区ROI裁剪；
实现餐盘检测跟踪、餐盘内食物像素级分割，支持多餐盘同时处理，适配各类常见菜品场景；
自动估算剩余量占比，划分光盘/轻度/中度/严重四个浪费等级；
支持MQTT/HTTP结构化数据上报，断网缓存补传；
提供简易数据看板，支持多维度统计、CSV导出、企业办公软件告警。
合作方式
支持先做原型验证，验证通过后再推进全项目开发；远程开发为主，仅需1次现场配合部署；可签NDA保密协议，知识产权、验收标准等细节面议。
有意者请携带相关AI项目经验联系。
智能餐盘剩余量检测系统
软件与算法开发需求说明
文档用途：本说明用于项目前期技术沟通，向潜在承接方阐述项目背景、技术路线、功能需求、性能指标及交付要求，便于承接方评估可行性与报价。具体合作条款以双方后续协商签订的合同为准。
一、项目概述
1.1项目背景
需求方现有食堂监控设备及历史视频流数据集，希望在保留现有摄像头与网络布线的前提下，通过增加AI边缘计算设备，实现对餐盘回收区餐盘剩余量的智能检测。检测结果以结构化数据形式输出，用于食堂浪费监测、备餐量优化及运营分析。
1.2项目目标
开发一套可在边缘设备上稳定运行的软件系统，实现以下核心能力：
从现有监控摄像头RTSP流中实时拉取视频；
自动检测餐盘并分割餐盘内食物区域；
估算餐盘剩余比例，并划分浪费等级；
通过MQTT/HTTP将结构化结果上报至业务平台；
提供简易数据看板，支持按餐盘、时段、浪费等级统计。
1.3现有条件
需求方已具备监控摄像头，支持RTSP协议，分辨率不低于1080P；
已积累一定量的视频流数据集，可用于模型训练与验证；
部署现场具备千兆局域网、稳定电源及安装位置；
硬件（AI边缘盒子、交换机等）由需求方采购，承接方负责软件与算法开发及部署。
二、总体技术路线
系统采用“现有摄像头+AI边缘盒子+后端管理平台”三层架构。AI边缘盒子通过RTSP协议拉取视频流，在本地完成全部AI推理，仅将结构化结果上传，原始视频不出局域网。
技术流水线如下：
1.视频流接入与ROI裁剪；
2.餐盘检测与跟踪；
3.食物区域实例分割；
4.剩余量估算；
5.MQTT/HTTP数据上报；
6.数据看板与统计报表。
三、功能需求
3.1视频流接入
支持RTSP协议拉取至少4路1080P视频流；
支持H.264/H.265解码；
支持断流自动重连；
支持ROI区域裁剪，仅分析餐盘回收区，减少无效计算。
3.2餐盘检测与跟踪
检测画面中的餐盘，输出边界框；
对连续帧中的同一餐盘分配稳定ID；
当餐盘进入虚拟围栏并稳定后，触发完整分析流程；
支持多餐盘同时出现时的区分与计数。
3.3食物区域分割
对餐盘内食物进行像素级分割，输出二值掩码；
至少区分“食物”与“非食物”（餐盘、餐具、背景）；
支持常见菜品形态：米饭、面条、炒菜、汤羹、混合菜；
对遮挡、堆叠、汤汁等复杂情况具备一定鲁棒性。
3.4剩余量估算
输出餐盘剩余比例（0–100%）；
输出浪费等级：光盘（<10%）、轻度（10–30%）、中度（30–60%）、严重（>60%）；
3.5数据上报
通过MQTT发布JSON格式事件；
字段包括：餐盘ID、时间戳、剩余比例、浪费等级、置信度、摄像头ID；
支持HTTPWebhook推送至需求方业务平台；
支持断网缓存与恢复后补传。
3.6数据看板
展示今日/本周剩余率趋势；
按摄像头、时段、浪费等级统计；
支持导出CSV；
支持企业微信/钉钉/飞书告警（严重浪费实时通知）。
四、性能与技术指标
指标 要求 备注
视频路数
单路推理延迟
餐盘检测
食物分割
剩余比例分级准确率
连续无故障运行
模型格式
部署方式
数据安全
五、数据与标注要求
5.1需求方提供
现有监控摄像头RTSP地址、账号密码；
历史视频流数据或现场采集权限；
5.2承接方负责
制定标注规范；
从视频流抽帧、筛选、清洗；
标注至少300张像素级分割掩码；
划分训练/验证/测试集（建议7:2:1）；
利用公开数据集（如FLIC）进行预训练；
构建“满盘-残盘”配对样本（如可行）。
八、交付物
序号 交付物 形式 说明
1
2
3
4
5
6
7
8
九、对承接方的能力要求
具备计算机视觉算法开发经验，熟悉YOLO系列检测与分割模型；
具备边缘AI部署经验，熟悉RKNN/TensorRT/ONNXRuntime之一；
熟悉RTSP、GStreamer、FFmpeg、MQTT、Docker；
有从数据标注到模型部署的完整落地案例者优先；
可接受个人开发者或小型团队，但需保证交付质量与响应速度；
具备基本后端开发能力，可完成数据看板与接口对接。
十、协作与沟通
双方各指定一名项目负责人；
每周一次线上例会，日常可异步沟通；
代码使用Git管理，需求方有权访问仓库；
数据安全：承接方不得外传需求方视频与标注数据，项目结束后销毁或归还；
需求变更需双方书面确认，影响工期与费用另行协商。
十一、时间预期
阶段 时间 主要任务
十二、其他说明
本说明用于项目前期沟通，不构成正式合同；
知识产权归属、付款方式、验收标准等条款由双方协商后另行约定；
需求方可根据承接方反馈调整技术指标与工期；
鼓励承接方在方案设计阶段提出优化建议。
重点：支持先做原型验证，验证通过后再推进全项目开发
项目说明
我方为食堂运营方，现有餐盘回收区已完成监控部署，积累了可用的视频流训练数据集，需在不更换现有摄像头、不改动原有布线的前提下，通过新增AI边缘计算盒子实现餐盘剩余量智能检测，输出结构化数据用于食堂浪费监测、备餐优化。AI边缘盒、交换机等硬件由我方采购，仅需软件开发部署。
我方配套条件：摄像头支持RTSP协议、分辨率≥1080P，现场具备千兆局域网、稳定供电与安装位。
核心开发需求
开发可在边缘设备稳定运行的软件系统，核心功能：
支持同时拉取至少4路1080P RTSP流，兼容H.264/H.265解码，支持断流重连、回收区ROI裁剪；
实现餐盘检测跟踪、餐盘内食物像素级分割，支持多餐盘同时处理，适配各类常见菜品场景；
自动估算剩余量占比，划分光盘/轻度/中度/严重四个浪费等级；
支持MQTT/HTTP结构化数据上报，断网缓存补传；
提供简易数据看板，支持多维度统计、CSV导出、企业办公软件告警。
合作方式
支持先做原型验证，验证通过后再推进全项目开发；远程开发为主，仅需1次现场配合部署；可签NDA保密协议，知识产权、验收标准等细节面议。
有意者请携带相关AI项目经验联系。
智能餐盘剩余量检测系统
软件与算法开发需求说明
文档用途：本说明用于项目前期技术沟通，向潜在承接方阐述项目背景、技术路线、功能需求、性能指标及交付要求，便于承接方评估可行性与报价。具体合作条款以双方后续协商签订的合同为准。
一、项目概述
1.1项目背景
需求方现有食堂监控设备及历史视频流数据集，希望在保留现有摄像头与网络布线的前提下，通过增加AI边缘计算设备，实现对餐盘回收区餐盘剩余量的智能检测。检测结果以结构化数据形式输出，用于食堂浪费监测、备餐量优化及运营分析。
1.2项目目标
开发一套可在边缘设备上稳定运行的软件系统，实现以下核心能力：
从现有监控摄像头RTSP流中实时拉取视频；
自动检测餐盘并分割餐盘内食物区域；
估算餐盘剩余比例，并划分浪费等级；
通过MQTT/HTTP将结构化结果上报至业务平台；
提供简易数据看板，支持按餐盘、时段、浪费等级统计。
1.3现有条件
需求方已具备监控摄像头，支持RTSP协议，分辨率不低于1080P；
已积累一定量的视频流数据集，可用于模型训练与验证；
部署现场具备千兆局域网、稳定电源及安装位置；
硬件（AI边缘盒子、交换机等）由需求方采购，承接方负责软件与算法开发及部署。
二、总体技术路线
系统采用“现有摄像头+AI边缘盒子+后端管理平台”三层架构。AI边缘盒子通过RTSP协议拉取视频流，在本地完成全部AI推理，仅将结构化结果上传，原始视频不出局域网。
技术流水线如下：
1.视频流接入与ROI裁剪；
2.餐盘检测与跟踪；
3.食物区域实例分割；
4.剩余量估算；
5.MQTT/HTTP数据上报；
6.数据看板与统计报表。
三、功能需求
3.1视频流接入
支持RTSP协议拉取至少4路1080P视频流；
支持H.264/H.265解码；
支持断流自动重连；
支持ROI区域裁剪，仅分析餐盘回收区，减少无效计算。
3.2餐盘检测与跟踪
检测画面中的餐盘，输出边界框；
对连续帧中的同一餐盘分配稳定ID；
当餐盘进入虚拟围栏并稳定后，触发完整分析流程；
支持多餐盘同时出现时的区分与计数。
3.3食物区域分割
对餐盘内食物进行像素级分割，输出二值掩码；
至少区分“食物”与“非食物”（餐盘、餐具、背景）；
支持常见菜品形态：米饭、面条、炒菜、汤羹、混合菜；
对遮挡、堆叠、汤汁等复杂情况具备一定鲁棒性。
3.4剩余量估算
输出餐盘剩余比例（0–100%）；
输出浪费等级：光盘（<10%）、轻度（10–30%）、中度（30–60%）、严重（>60%）；
3.5数据上报
通过MQTT发布JSON格式事件；
字段包括：餐盘ID、时间戳、剩余比例、浪费等级、置信度、摄像头ID；
支持HTTPWebhook推送至需求方业务平台；
支持断网缓存与恢复后补传。
3.6数据看板
展示今日/本周剩余率趋势；
按摄像头、时段、浪费等级统计；
支持导出CSV；
支持企业微信/钉钉/飞书告警（严重浪费实时通知）。
四、性能与技术指标
指标 要求 备注
视频路数
单路推理延迟
餐盘检测
食物分割
剩余比例分级准确率
连续无故障运行
模型格式
部署方式
数据安全
五、数据与标注要求
5.1需求方提供
现有监控摄像头RTSP地址、账号密码；
历史视频流数据或现场采集权限；
5.2承接方负责
制定标注规范；
从视频流抽帧、筛选、清洗；
标注至少300张像素级分割掩码；
划分训练/验证/测试集（建议7:2:1）；
利用公开数据集（如FLIC）进行预训练；
构建“满盘-残盘”配对样本（如可行）。
八、交付物
序号 交付物 形式 说明
1
2
3
4
5
6
7
8
九、对承接方的能力要求
具备计算机视觉算法开发经验，熟悉YOLO系列检测与分割模型；
具备边缘AI部署经验，熟悉RKNN/TensorRT/ONNXRuntime之一；
熟悉RTSP、GStreamer、FFmpeg、MQTT、Docker；
有从数据标注到模型部署的完整落地案例者优先；
可接受个人开发者或小型团队，但需保证交付质量与响应速度；
具备基本后端开发能力，可完成数据看板与接口对接。
十、协作与沟通
双方各指定一名项目负责人；
每周一次线上例会，日常可异步沟通；
代码使用Git管理，需求方有权访问仓库；
数据安全：承接方不得外传需求方视频与标注数据，项目结束后销毁或归还；
需求变更需双方书面确认，影响工期与费用另行协商。
十一、时间预期
阶段 时间 主要任务
十二、其他说明
本说明用于项目前期沟通，不构成正式合同；
知识产权归属、付款方式、验收标准等条款由双方协商后另行约定；
需求方可根据承接方反馈调整技术指标与工期；
鼓励承接方在方案设计阶段提出优化建议。
已有6人报名*************
*************
评论