场景1：厨房手套佩戴分析

本案例演示如何在 DaoAI天眼 平台上搭建完整的检测工作流，精准识别厨房员工是否规范佩戴防护手套，帮助降低过敏原交叉污染与其他安全隐患。

视频讲解：

第一步：数据收集与标注

备注

并非所有检测任务都需要训练自定义模型，可根据业务目标选择直接使用预训练模型或自行训练模型。

我们首先采集真实厨房场景中的视频，重点记录员工在处理食材时的手部动作。随后借助 DaoAI World 标注工具逐帧标记，明确区分“正确佩戴手套”与“未佩戴手套”两类样本。

示例：标注未佩戴手套

示例：标注正确佩戴手套

完成标注后，训练数据集并导出 dwm 格式模型，为后续部署做准备。

我们可以通过天眼平台来直接收集视频数据到标注平台，详情请参阅收集数据训练和模型部署。
更完整的标注流程请参阅 DaoAI World标注指南。

第二步：创建工作流

拥有标注数据与模型后，即可在 DaoAI天眼 平台中构建工作流，串联各模块完成手套佩戴检测。

登录 DaoAI天眼 平台，进入“工作流”页面。
点击右上角 新建工作流 ，建立新的工作流项目。
打开工作流编辑器后，点击中央的 添加模型 按钮导入检测模型。
1. 在弹出的模型选择窗口中，切换到 DaoAI World模型 选项卡，再次点击该模块进入配置界面。
2. 在配置界面中点击 未选择模型 ，选择模型类型。
3. 依次选择 目标检测 → 导入训练模型，上传第一步导出的 dwm 模型文件。
4. 选中上传完成的模型，点击右上角 保存。

模型准备就绪后，即可继续配置各个模块。

第三步：配置工作流

熟悉工作流模块中的功能后，按照以下步骤逐一连线配置。

添加检测过滤模块，用于筛出未佩戴手套的检测结果。
1. 在模型模块下方点击 + ，选择 逻辑处理器。
2. 在弹窗中选择 检测过滤 并添加。
3. 打开模块，点击 配置检测过滤。
4. 在配置窗口中勾选 对象类别，输入自定义的“未佩戴手套”类别名称（需与标注一致）。
5. 本案例使用 unequip 作为类别，因此输入 unequip 后点击 保存。
添加 继续执行 模块，确保仅在检测到未佩戴手套时才往下流转。
1. 在模型模块下方再次点击 +，选择 逻辑处理器。
2. 在弹窗中选择 继续执行 并添加。
3. 点击模块，选择 未配置条件 进入条件配置。
4. 在条件配置中，将检测目标指向上一模块 detection_filter_1。
5. 设置检测阈值为 大于等于 1，表示任意一个“未佩戴手套”目标即可继续执行。
6. 点击 保存。该模块的下一步稍后再行连接。
添加 边界框可视 模块，在画面中直观呈现检测结果。
1. 在 继续执行 模块下方点击 +，选择 可视化。
2. 在弹窗中选择 边界框可视 并添加。
3. 返回 继续执行 模块，将“下一步”指向新添加的 边界框可视 模块，完成连线。
4. 打开 边界框可视，在 模型预测显示 中选择 detection_filter_1 作为输入。
5. 点击 保存。
备注

仍可根据需求调整边界框颜色、标签样式等参数，具体请参阅边界框显示。如需更丰富的呈现，可继续串联其他可视化模块。
添加告警模块，在检测到未佩戴手套时触发事件保存。
1. 在 边界框可视 模块下方点击 +，选择 数据存储。
2. 在弹窗中选择 事件保存 并添加。
3. 在配置界面中于 事件类型 填写告警内容，此处填写 glove missing。
4. 视需求调整输入图像与其他参数，本例仅将“最大视频保存时长”设为 10 秒。
5. 点击 保存。
备注

请保持“原始输入图像”配置为 input image。
添加仪表盘可视化模块，将检测结果发布到前端。
1. 在 事件保存 模块下方点击 +，选择 可视化。
2. 在弹窗中选择 仪表盘可视化 并添加。
3. 点击模块，选择 配置仪表盘可视化。
4. 在配置窗口中挑选合适的展示模板，本例选择 bounding_box_visualization_1 以显示检测框。
5. 点击 保存。
备注

当存在多个可视化模块时，建议将显示配置放在最后一个模块中，以确保所有可视化结果均能呈现在前端。