1 文档说明

大模型实审一体机在实际使用中，提示词不是“随便写一句话”就能稳定生效。

通过不同算法类型的案例，让用户理解：

• 提示词需要明确检测目标
• 提示词需要限定判断条件
• 提示词需要说明输出要求
• 不同任务的提示词写法不同
• 好的提示词可以提升检测准确率和结果稳定性

2 算法类型：目标检测

2.1 类型说明

目标检测用于判断画面中是否存在某类具体的目标。

适合场景：

• 是否有人员
• 是否有车辆
• 是否有安全帽
• 是否有烟火
• 是否有垃圾桶
• 是否有指定设备

2.2 案例展示

案例1：检测渣土车

提示词示例

检测画面中是否存在渣土车。渣土车通常为大型工程运输车辆，车厢较高，用于运输渣土、砂石或建筑废料。

检测结果

提示词要点

• 目标名称要明确
• 可以补充目标外观特征
• 避免写成“看看有没有渣土车”这种泛华描述

案例2：检测老鼠

提示词示例

检测画面中是否存在老鼠。老鼠通常体型较小，身体贴近地面，具有细长尾巴、尖嘴、小耳朵和灰色、黑色或棕色毛发，常出现在墙角、地面、垃圾桶附近、货架底部或管道周边。

检测结果

提示词要点

• 老鼠属于小目标，提示词要描述体型、尾巴、嘴部、耳朵等关键特征
• 明确常见出现位置，例如墙角、地面、垃圾桶附近、货架底部

案例3：检测灭火器

提示词示例

检测画面中是否存在灭火器。灭火器通常为红色圆柱形瓶体，顶部带有把手、压力表或喷管，可放置在墙边、消防箱内或设备附近。

检测结果

提示词要点

• 给出典型颜色和结构特征
• 不判断摆放位置是否合规

案例4：检测叉车

提示词示例

检测画面中是否存在叉车。叉车通常具有车身、驾驶位和前方货叉结构，用于搬运托盘或货物。

检测结果

案例5：检测烟雾或明火

提示词示例

检测画面中是否存在烟雾或明火。烟雾表现为灰白色、黑色或半透明的扩散状气体；明火表现为明显的火焰、火光或燃烧区域。

检测结果

案例6：检测地面积水

提示词示例

检测画面中地面是否存在明显积水。积水通常表现为地面上成片的水渍、湿滑区域、反光水面或边界不规则的液体区域。

检测结果

案例7：检测电瓶车

提示词示例

检测画面中是否存在电瓶车。电瓶车通常具有车把、前后车轮、较厚重的车身、电池仓、宽脚踏板、座椅、前面板或车灯等结构，整体轮廓接近小型摩托车。

检测结果

3 算法类型：条件识别

3.1 类型说明

条件识别用于判断目标是否满足某个业务条件。

适合场景：

• 车辆是否进入指定区域
• 人员是否越界
• 物品是否堆放在禁止区域
• 车辆是否停在禁停区
• 设备是否被遮挡

3.2 案例展示

案例1：消防通道占用

提示词示例

判断画面中是否存在同时满足以下所有条件的目标：

1. 地面存在任意物体
2. 排除人体

目标名称：杂物

检测结果

要点

• 消防通道区域应通过【标定检测区域】手动标记，不要让模型自行识别。
• 消防通道是现场管理中的业务区域，不一定具有统一的视觉特征。若让模型自行判断哪里是消防通道，再判断是否被占用，容易出现区域识别错误，进而影响检测结果。
• 模型负责判断标定区域内是否存在占用物，而不是负责定义消防通道边界。

案例2：举手的人

提示词示例

判断画面中是否存在满足以下条件的目标： 人的手臂向上举起

目标名称：举手的人

检测结果

要点

• 举手检测应描述为【人的手臂向上举起】这类可观察动作，不建议直接写成“检测举手的人”。
• 模型负责判断画面中是否存在满足动作条件的人员，而不是自行理解“举手”这一抽象行为概念。
• “举手”在不同场景下可能包含挥手、伸懒腰、拿东西、手臂半举等多种姿态，视觉表现不完全一致。若直接让模型检测“举手的人”，容易因语义理解过宽或过窄导致误检、漏检；将其拆解为“手臂向上举起”后，判断依据更明确，结果更稳定。

案例3：跨梯子的人

提示词示例

检测画面中满足以下所有条件的目标：
1.画面中是人的正面或背面，不是侧面
2.人站在梯子的阶梯上

检测结果

要点

• 该任务属于“目标识别 + 姿态判断 + 空间关系判断”的组合任务，难度高于普通目标检测，需要把抽象描述拆成清晰可观察的视觉条件。
• 不建议直接写成“人跨站在梯子上”，应拆解为【人的朝向】和【脚部/身体是否位于梯子阶梯上】等可观察条件。
• “跨站在梯子上”属于组合语义，包含人体朝向、腿部姿态、脚部位置、梯子结构等多个视觉因素。若直接使用该表述，模型容易将“靠近梯子”“扶着梯子”“站在梯子旁”误判为目标；拆解为明确条件后，判断边界更清晰，能减少误检和漏检。

案例4：红色马甲人员检测

提示词示例

检测画面中同时满足以下条件的目标：
1.身穿马甲的人
2.马甲是红色的

检测结果

错误的提示词示例

检测画面中身穿红色马甲的人

错误的检测结果

要点

• 红色马甲检测应拆解为【是否穿马甲】和【马甲颜色是否为红色】两个可观察条件，不建议直接写成“身穿红色马甲的人”。
• 模型负责逐项判断目标是否同时满足服装类型和颜色条件，而不是一次性理解“红色马甲”这一组合概念。
• “红色马甲”包含服装类别识别和颜色识别两个判断环节。若直接使用组合描述，模型容易把红色上衣、红色外套、红色工服误判为红色马甲，也可能只识别到马甲但忽略颜色条件。拆解为明确条件后，判断边界更清晰，能减少服装类型和颜色混淆带来的误检。

案例5：打电话检测

提示词示例

判断画面中是否存在同时满足以下条件的目标：
1.手拿着手机
2.手机清晰可见，手机在头部
3.处于打电话状态
4.不凭手的姿势假想在打电话

检测结果

若要指定目标的名称

判断画面中是否存在同时满足以下条件的目标：
1.手拿着手机
2.手机清晰可见，手机在头部
3.处于打电话状态
4.不凭手的姿势假想在打电话
目标名称：打电话

检测结果

案例6：动火离人检测

提示词示例

判断画面中是否同时满足以下条件：
1.画面中有明火
2.整个画面没有人员
检测目标：明火

检测结果

案例7：灭火器离位检测

提示词示例

判断画面是否满足以下条件： 画面中无灭火器

检测结果

4 算法类型：状态识别

4.1 类型说明

状态识别用于判断目标当前处于哪种状态。

适合场景：

• 门是打开还是关闭
• 车辆篷布是否覆盖
• 设备是否运行

4.2 案例展示

案例1：消防门常闭状态识别

提示词示例

告警触发条件：告警触发条件：消防门处于打开、半开、未完全闭合状态； 消防门完全关闭时不触发告警。 标记对象：未关闭消防门

检测结果

案例2：车辆篷布覆盖状态识别

提示词示例

告警触发条件，满足任意一条即可告警： 1.货车、渣土车或运输车辆车厢顶部未覆盖篷布 2.篷布未完全覆盖车厢货物 3.篷布明显松散、掀开、卷起、脱落 4.车厢内物品可见

标记对象：篷布未覆盖车辆

检测结果

要点

• 提示词应直接围绕告警条件进行约束，避免使用过于抽象的任务描述造成判断偏移。
• 例如，先写“判断画面中车辆篷布覆盖状态是否触发告警”，再列出告警触发条件，模型容易先将任务理解为“判断是否有篷布覆盖”，从而忽略“篷布松散、掀开、货物可见”等细粒度异常条件，导致识别效果不稳定。

5 算法类型：目标计数

5.1 类型说明

目标计数用于统计画面中某类目标的数量。

适合场景：

• 统计人数
• 统计车辆数量
• 统计垃圾桶数量
• 统计安全帽数量
• 统计货物、箱体、设备数量

5.2 案例展示

案例1：人体计数

提示词示例

统计画面中人体的数量

检测结果

6 算法类型：文本识别

6.1 类型说明

文本识别用于识别画面中的文字、编号、标牌、车牌、设备铭牌等内容。

适合场景：

• 识别门店招牌
• 识别设备编号
• 识别安全标语
• 识别纸质单据
• 识别仪表盘文字

6.2 案例展示

案例1：数显表读数识别

提示词示例

识别数显表的读数

检测结果