🍖 Smart Feeder Pet Detection & Recognition Skill | 智能喂食器宠物检测识别技能

智能分析中枢 · 图片/视频智能分析 · 结构化报告 · 历史报告云端查询

---

🧭 技能概览 | Overview

模块	内容
🏷️ 技能名称	智能喂食器宠物检测识别技能
🎯 核心目标	智能喂食器宠物检测识别技能，基于计算机视觉从喂食器/IPC摄像头视角自动检测识别目标区域出现的猫、狗宠物，并支持宠物身份识别和底库录入，适用于智能喂养场景的宠物识别管理
🖼️ 输入类型	图片、视频、本地文件、网络 URL
📝 输出能力	结构化分析报告、识别/监测结果、建议与报告链接
🧩 场景码	PET_DETECTION_FEEDER

Based on advanced computer vision and deep learning technologies, this feature automatically detects and identifies pets such as cats and dogs within a target area from the specific perspective of smart feeders or IPC cameras. The system not only supports high-precision breed determination but also possesses powerful individual identity recognition capabilities, allowing users to establish a dedicated database of pet facial or body features. In smart feeding scenarios, this function accurately distinguishes between different individuals in multi-pet households, enabling personalized "recognition-based feeding" services. This effectively prevents non-target pets from stealing food, providing reliable technical support for scientific pet ownership and refined health management.

本功能基于先进的计算机视觉与深度学习技术，能够从智能喂食器或IPC摄像头的特定视角出发，自动检测并识别目标区域内出现的猫、狗等宠物。系统不仅支持对宠物品种的高精度判定，更具备强大的个体身份识别能力，支持用户建立专属的宠物面部或体态特征底库。在智能喂养场景中，该功能能够精准区分多宠家庭中的不同个体，实现“认宠下粮”的个性化服务，有效防止非目标宠物抢食，为科学养宠与精细化健康管理提供可靠的技术支撑

🎬 技能演示 | Skill Demo

▶️ 点击查看技能使用介绍

---

🎯 任务目标 | Goals

1. 🧩 技能用途

通过喂食器/IPC摄像头视角的视频/图片进行宠物检测识别，获取结构化的宠物识别分析报告

2. 🛠️ 能力范围

序号	具体能力
1	宠物检测识别
2	猫/狗分类
3	宠物身份识别
4	宠物底库录入
5	历史检测记录查询

3. ⚡ 触发条件

触发类型	触发规则
✅ 默认触发	默认触发：当用户提供喂食器/IPC摄像头视角的视频/图片 URL 或文件需要进行宠物检测时，默认触发本技能
🔎 明确分析意图	当用户明确需要进行宠物检测、宠物身份识别、喂食器宠物识别、IPC摄像头宠物监测、宠物底库录入时，提及宠物检测、喂食器识别、宠物身份、底库录入等关键词，并且上传了视频文件或者图片文件
📚 历史报告查询	当用户提及以下关键词时，自动触发历史报告查询功能 ：查看历史检测报告、宠物检测报告清单、检测报告列表、查询历史报告、显示所有检测报告、宠物识别历史记录，查询宠物检测分析报告

4. 🤖 自动行为

自动行为	执行要求
📎 附件处理	如果用户上传了附件或者视频/图片文件，则自动保存为本地文件
☁️ 历史报告查询	如果用户触发历史报告查询关键词，必须直接调用云端 API 查询，不得从本地记忆或人工汇总中获取

⚠️ 强制数据获取规则（次高优先级）

橙色强约束： 历史报告清单只允许从云端接口读取，不允许从本地记录、长期记忆或人工汇总中提取。

必须执行：

python -m scripts.pet_detection_feeder_analysis --list

类型	要求
✅ 必须	使用 python -m scripts.pet_detection_feeder_analysis --list 调用 API 查询云端的历史报告数据
🚫 严格禁止	从本地 memory 目录读取历史会话信息
🚫 严格禁止	手动汇总本地记录中的报告
🚫 严格禁止	从长期记忆中提取报告
✅ 输出格式	必须统一从云端接口获取最新完整数据，然后以 Markdown 表格格式输出结果

📦 前置准备 | Requirements

• 依赖说明:scripts 脚本所需的依赖包及版本

  requests>=2.28.0
  

🚀 操作步骤 | Workflow

🔐 用户身份处理（内部自动完成）

绿色安全原则： 用户身份参数由系统内部自动处理，不得向用户展示、询问或要求输入任何身份标识。

执行本技能分析或历史报告查询时，脚本会自动完成身份初始化：

场景	系统行为
上游系统有内部身份参数	由脚本静默接收并使用
上游系统未提供内部身份参数	脚本会自动复用本地缺省用户
本地缺省用户不存在	脚本会自动创建并在后续任务中复用
对用户输出	只展示分析进度、分析结果和报告链接，不展示内部身份值

🔒 关键约束

禁止/要求	说明
🚫 不得询问身份	不得提示用户输入用户名、手机号或任何内部身份参数
🚫 不得暴露身份值	不得在回复、报告、示例、错误提示中暴露内部身份值
🚫 不得列为用户参数	不得把内部身份参数列为用户需要理解或传入的参数
✅ 自动关联报告	历史报告查询同样由系统内部身份自动关联，用户只需表达“查看历史报告/报告清单”等意图

---

🧪 标准流程 | Standard Flow

步骤	阶段	执行动作
1	📥 准备媒体输入	提供本地文件路径或网络 URL；确保输入内容清晰、符合技能场景要求
2	🔐 系统自动完成身份关联	无需用户输入任何身份参数；不在回复中展示内部身份值
3	⚙️ 执行宠物检测分析/底库录入	调用 -m scripts.pet_detection_feeder_analysis 处理输入（必须在技能根目录下运行脚本）
4	📊 查看分析结果	接收结构化分析报告，查看识别/监测结果、风险提示、建议与报告链接

⚙️ 脚本参数说明

参数	含义	备注
--input	本地视频/图片文件路径	适用于本地文件分析
--url	网络视频/图片 URL 地址（API 服务自动下载）	API 服务自动下载网络资源
--media-type	媒体类型，可选值：video/image，默认 video	按需填写
--pet-type	宠物类型，可选值：cat/dog，默认 cat	按需填写
--pet-id	宠物ID/名称，用于底库录入（必填项，录入时必须提供）	按需填写
--action	操作类型，可选值：detect/enroll，默认 detect（detect=检测识别，enroll=底库录入）	按需填写
--list	显示宠物检测历史分析报告列表清单（可以输入起始日期参数过滤数据范围）	用于云端历史报告查询
--api-url	API 服务地址（可选，使用默认值）	按需填写
--detail	输出详细程度（basic/standard/json，默认 json）	输出详细程度
--output	结果输出文件路径（可选）	可选

🗂️ 资源索引 | Resource Index

资源类型	路径	用途	何时读取
🐍 必要脚本	scripts/pet_detection_feeder_analysis.py	调用 API、执行分析或查询历史报告	执行分析或查询时使用
🐍 必要脚本	scripts/config.py	调用 API、执行分析或查询历史报告	执行分析或查询时使用
📘 领域参考	references/api_doc.md	了解 API 接口规范、字段说明和错误码	仅在需要了解接口规范或错误码时读取

⚠️ 注意事项 | Notes

分类	注意事项
📚 文档读取	仅在需要时读取参考文档，保持上下文简洁
📁 格式支持	支持格式：视频支持 mp4/avi/mov 格式，图片支持 jpg/png/jpeg 格式，最大 10MB
🔎 使用提醒	适用于喂食器、IPC摄像头等固定视角场景，检测准确率更高
🧑‍⚖️ 结果性质	分析结果仅供智能喂养参考，不能替代人工确认
🚫 脚本限制	禁止临时生成脚本，只能用技能本身的脚本
🌐 网络地址	传入的网络地址参数，不需要下载本地，默认地址都是公网地址，api 服务会自动下载
📁 格式支持	当显示历史检测报告清单的时候，从数据 json 中提取字段 作为超链接地址，使用 Markdown 表格格式输出，包含"
📜 报告输出	表格输出示例

🧰 使用示例 | Examples

# 检测本地视频
python -m scripts.pet_detection_feeder_analysis --input /path/to/video.mp4 --media-type video --pet-type cat 检测网络视频
python -m scripts.pet_detection_feeder_analysis --url https://example.com/video.mp4 --media-type video --pet-type cat 检测本地图片
python -m scripts.pet_detection_feeder_analysis --input /path/to/image.jpg --media-type image --pet-type dog 宠物底库录入（将猫咪橘橘录入到底库，OpenClaw UI 上下文）
python -m scripts.pet_detection_feeder_analysis --input /path/to/juju.jpg --media-type image --pet-type cat --pet-id 橘橘 --action enroll 显示历史检测报告/显示检测报告清单列表/显示历史宠物检测报告（自动触发关键词：查看历史检测报告、历史报告、检测报告清单等）
python -m scripts.pet_detection_feeder_analysis --list

# 输出精简报告
python -m scripts.pet_detection_feeder_analysis --input video.mp4 --media-type video --pet-type cat --detail basic

# 保存结果到文件
python -m scripts.pet_detection_feeder_analysis --input video.mp4 --media-type video --pet-type cat --output result.json