AI 火灾检测与监控系统

基于 FastAPI + Vue 3 + Qwen-VL + MySQL 的火灾识别与监控记录系统，包含：

• 手动上传图片识别
• 脚本自动上传识别（文件夹监听）
• 数据监控记录（增删改查、排序）
• 识别后自动生成监控记录

1. 项目结构

fire_detection/
|-- backend/                      # FastAPI 后端
|   |-- app_factory.py            # 应用工厂、生命周期、静态资源挂载
|   |-- config.py                 # 环境变量配置
|   |-- database.py               # SQLAlchemy 异步数据库连接
|   |-- main.py                   # FastAPI 入口
|   |-- routers/
|   |   |-- detect.py             # 火灾检测接口 + WebSocket
|   |   `-- data_monitor.py       # 数据监控记录 CRUD + 排序
|   |-- services/
|   |   |-- qwen_client.py        # Qwen 接口调用
|   |   |-- monitor_records.py    # 监控记录与图片存储服务
|   |   `-- script_uploader.py    # 自动上传脚本进程管理
|   |-- models/                   # ORM 与 Pydantic 模型
|   |-- scripts/rebuild_monitor_records.py
|   |-- detected_frames/          # 自动上传监听目录（脚本输入）
|   |-- data_image/               # 监控记录图片目录（数据库记录引用）
|   `-- requirements.txt
|-- frontend/                     # Vue 3 + Vite 前端
|   |-- src/
|   |   |-- App.vue               # 页面主逻辑
|   |   |-- components/           # 页面拆分组件
|   |   |-- services/fireApi.js   # 前端 API 封装
|   |   |-- composables/useScriptSocket.js
|   |   |-- utils/format.js
|   |   `-- config/api.js
|   `-- package.json
`-- python/                       # 本地自动上传与 YOLO 脚本
    |-- main.py                   # 监听目录并自动上传图片到后端
    |-- upload_image.py           # 单张/批量上传工具
    `-- yolo.py                   # YOLO 检测并落图到 detected_frames

2. 核心流程

2.1 手动检测流程

1. 前端上传图片到 POST /api/manual/detect-fire
2. 后端调用 Qwen 识别火灾
3. 后端自动创建一条监控记录（含图片落盘到 backend/data_image）
4. 返回识别结果与 monitor_record

2.2 自动检测流程（脚本上传）

1. python/main.py 监听 backend/detected_frames
2. 有新图时调用 POST /api/script/detect-fire
3. 后端识别并自动入库监控记录
4. 后端通过 WebSocket /ws/script/latest-upload-image 推送最新图像与结果给前端

2.3 数据监控

• 列表查询：GET /api/data-monitor/records
• 支持排序参数：
  • sort_by: id | status | remark | created_at | updated_at | time
  • sort_order: asc | desc
• 支持新增 / 编辑 / 删除记录

3. 环境要求

• Python 3.10+（建议）
• Node.js 18+
• MySQL 8+（或兼容版本）

4. 后端启动

cd backend
python -m venv .venv
.venv\Scripts\activate
pip install -r requirements.txt

创建环境变量文件：

copy .env.example .env

.env 关键配置：

QWEN_API_KEY=
QWEN_MODEL=qwen-vl-plus
QWEN_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1

MYSQL_URL=
MYSQL_HOST=127.0.0.1
MYSQL_PORT=3306
MYSQL_USER=root
MYSQL_PASSWORD=
MYSQL_DATABASE=fire_detection
MYSQL_CHARSET=utf8mb4

SCRIPT_UPLOADER_ENABLED=true
SCRIPT_UPLOADER_WATCH_DIR=detected_frames
DATA_IMAGE_DIR=data_image
SCRIPT_UPLOADER_ENDPOINT=http://127.0.0.1:8000/api/script/detect-fire

启动服务：

uvicorn main:app --reload --host 0.0.0.0 --port 8000

后端默认地址：http://127.0.0.1:8000

5. 前端启动

cd frontend
npm install
copy .env.example .env
npm run dev

默认前端地址：http://127.0.0.1:5173

6. Python 自动上传脚本

后端已内置进程管理，会在应用生命周期中尝试启动 python/main.py。
你也可以手动运行用于调试。

手动运行：

cd python
python main.py --watch-dir ../backend/detected_frames --endpoint http://127.0.0.1:8000/api/script/detect-fire

上传工具（单张/多张）：

python upload_image.py .\fire.jpg --endpoint http://127.0.0.1:8000/api/script/detect-fire

7. YOLO 脚本说明（可选）

python/yolo.py 用于本地摄像头检测，并将检测帧写入 backend/detected_frames。

如何使用：

0. 配置好YOLO所需的环境
1. 下载yolo源码（8.4.14）
2. 将源码解压到与此项目同一个目录下
3. 复制python文件夹中的yolo.py与fire_test.pt到ultralytics-8.4.1文件夹中
4. 直接运行yolo.py即可

例如：

test
|-- fire_detection/
`-- ultralytics-8.4.14/
   |-- fire_test.pt
   `-- yolo.py

8. API 概览

检测相关

• POST /api/manual/detect-fire
  上传字段：file（image/*）
• POST /api/script/detect-fire
  上传字段：file（image/*）
• GET /api/health/script-uploader
  查看自动上传进程状态
• WS /ws/script/latest-upload-image
  接收自动上传最新结果推送

数据监控

• GET /api/data-monitor/records?sort_by=created_at&sort_order=desc
• POST /api/data-monitor/records
  • scene_image（jpg）
  • remark（可选）
• PUT /api/data-monitor/records/{record_id}
  • scene_image（可选）
  • remark（可选）
• DELETE /api/data-monitor/records/{record_id}

9. 目录与静态资源约定

• backend/detected_frames
  自动上传监听目录（会在后端启动和关闭时清空）
• backend/data_image
  数据监控记录图片存储目录
• 前端访问监控图片 URL：/static/data-image/<filename>

10. 常见问题

10.1 Qwen 调用失败

• 检查 QWEN_API_KEY 是否正确
• 检查 QWEN_BASE_URL 是否可访问
• 检查模型名 QWEN_MODEL

10.2 数据库连接失败

• 检查 MYSQL_URL 或 MYSQL_HOST/PORT/USER/PASSWORD
• 确认数据库已创建，账号有建表权限

10.3 监控图片不显示

• 检查 backend/data_image 是否有文件
• 检查后端静态挂载 /static/data-image
• 检查前端 VITE_API_BASE 是否指向正确后端地址

11. 开发建议

• 后端优先使用 backend/.env.example 复制出 .env
• 前端优先使用 frontend/.env.example 复制出 .env
• 若历史 monitor_records 表结构不一致，可使用：

cd backend
python scripts/rebuild_monitor_records.py