核心用法
Kami Package Detection 是一款面向智能家居场景的计算机视觉技能，基于 YOLOv8-World ONNX 模型实现包裹、纸箱、背包、手提包、行李箱等目标的实时检测。支持两种运行模式：后台常驻检测（--start-detect/--stop-detect）与单次 foreground 检测，可通过 config.json 配置多路 RTSP 摄像头，输出标准化 JSON 结果供 Home Assistant 等自动化平台调用。
显著优点
1. 纯本地化推理：ONNX 模型完全运行在设备端，无 API Key、无云端调用、无图像上传，隐私风险极低
2. 多摄像头架构：支持 cameras 数组配置多路独立检测进程，每路可单独设置置信度阈值与超时时间
3. 开放类名定义：--class_names 参数允许用户自定义检测类别（如增加 "快递袋"、"外卖箱" 等），适配不同场景
4. 轻量资源占用：最低仅需 2GB 内存、2 核 CPU，可选 GPU 加速但非必需，适合树莓派级边缘设备
5. 与 Kami 生态集成：作为 kami-smarthome-suite 组件时，可自动同步中心配置，降低部署复杂度
潜在局限
- 依赖 RTSP 稳定性：需摄像头持续在线，网络抖动会导致检测中断
- 固定输入尺寸：模型导出为 320×320，远距离小目标或倾斜包裹可能漏检
- 无内置持久化：检测历史需调用方自行存储，原生不支持趋势分析
- ONNX Runtime 兼容性：ARM 设备需确认
onnxruntime有对应 wheel，否则需从源码编译
适合人群
- 已部署 Home Assistant 且拥有 RTSP 摄像头的智能家居用户
- 需要快递到达即时通知的公寓/别墅住户
- 小型办公室、仓库的 reception 包裹管理场景
- 注重隐私、拒绝云端视觉服务的用户
常规风险
| 风险类别 | 说明 | 缓解建议 |
|---------|------|---------|
| 误报/漏报 | 光照变化、遮挡、相似物体干扰 | 调整 `--conf_threshold`，配合二次确认逻辑 |
| 摄像头安全 | RTSP 流若未加密可能被中间人嗅探 | 使用 RTSPS 或局域网隔离 |
| 资源耗尽 | 多路高帧率流导致 CPU/GPU 过载 | 限制并发路数，降低推理频率 |
| 模型文件缺失 | 误删 `yolov8s-worldv2.onnx` 导致启动失败 | 定期备份，或启用 ClawHub 自动重装机制 |