核心用法
烟火检测技能（Fire & Smoke Detection Skill）是一款基于计算机视觉的AI分析工具，专门用于识别视频流和静态图像中的火情与烟雾特征。用户可通过本地文件路径或网络URL提供媒体输入，系统自动执行多维度分析：火焰颜色识别、动态轮廓追踪、烟雾扩散模式检测，并生成结构化分析报告。
标准操作流程：
1. 输入准备：支持mp4/avi/mov视频格式及jpg/png/jpeg图片格式，单文件上限10MB
2. 身份处理：系统自动完成内部身份关联，无需用户输入任何身份参数
3. 执行检测：在技能根目录下调用 python -m scripts.fire_smoke_detection_analysis 运行分析
4. 结果获取：接收包含识别结果、风险等级、处置建议及报告链接的结构化输出
关键参数配置：
--sensitivity（0.1-0.9，默认0.5）：检测灵敏度，高灵敏度降低漏报但可能增加误报--detail（basic/standard/json）：输出详细程度控制--list：云端历史报告查询，支持日期范围过滤
显著优点
场景适应性强：专为安防监控、森林防火、工业园区三大核心场景优化，算法针对远距离小目标火焰、复杂光照条件下的烟雾扩散等难点进行了专项训练。
抗干扰能力：系统综合火焰颜色、动态轮廓、烟雾扩散特征进行多模态判断，有效区分真实火情与强光眩光、蒸汽、车灯等常见干扰源，降低误报率。
响应闭环完整：检测异常后自动触发声光告警与平台推送机制，助力应急人员第一时间响应，实现"检测-告警-处置"的全流程闭环。
云端数据管理：历史报告统一存储于云端，支持按时间维度检索，便于长期趋势分析与审计追溯。
潜在缺点与局限性
检测边界约束：
- 文件大小限制（10MB）可能影响高分辨率长时长视频的连续分析需求
- 依赖输入画质，极端模糊、严重遮挡或夜间极低照度场景可能影响识别精度
算法局限性：
- 对阴燃阶段无明显火焰的早期火灾（如电缆过热、缓慢氧化）检测能力有限
- 复杂气象条件（暴雨、浓雾、强光直射）可能干扰特征提取
部署依赖：
- 需要稳定的网络环境以访问API服务
- 本地脚本执行需满足Python依赖环境（requests>=2.28.0）
适合人群
| 用户类型 | 典型场景 |
|---------|---------|
| 安防运维人员 | 园区/楼宇/仓库的视频监控系统智能化升级 |
| 森林防火巡查员 | 林区高点监控、无人机航拍画面的批量筛查 |
| 工业安全管理员 | 化工厂、物流仓储、制造车间的火灾风险监测 |
| 应急管理决策人员 | 历史火情数据回溯、区域风险趋势分析 |
| AI解决方案集成商 | 需要快速集成本地化烟火检测能力的系统集成项目 |
常规风险
误报风险：灵敏度设置过高可能导致正常热源（焊接作业、厨房排烟、车辆尾气）触发告警，建议根据场景特征动态调整 --sensitivity 参数并配合人工复核机制。
漏报风险：极端场景下（小火苗被遮挡、远距离烟雾稀释）存在识别失败可能，本技能明确定位为"预警辅助工具"，不可替代人工巡检与专业消防设备。
数据安全：用户上传的监控素材可能包含敏感区域信息，需关注API服务的传输加密与云端存储合规性，历史报告查询仅限当前身份关联数据。
响应延迟：网络视频URL依赖远程下载，大文件或弱网环境可能增加分析等待时间，关键场景建议优先使用本地文件输入。