Design & media
Detects quality issues in camera footage such as black/white screens, color cast, stripes, noise, and blurriness. Suitable for security surveillance and camera self-check scenarios. | 图像质量检测分析工具，检测摄像头画面出现的全黑、全白、偏色、条纹、雪花、模糊等质量问题，适用于安防监控、摄像头自检等场景
Detects quality issues in camera footage such as black/white screens, color cast, stripes, noise, and blurriness. Suitable for security surveillance and camera self-check scenarios. | 图像质量检测分析工具，检测摄像头画面出现的全黑、全白、偏色、条纹、雪花、模糊等质量问题，适用于安防监控、摄像头自检等场景
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
| 模块 | 内容 |
|---|---|
| 🏷️ 技能名称 | 图像质量检测分析工具 |
| 🎯 核心目标 | 图像质量检测分析工具，检测摄像头画面出现的全黑、全白、偏色、条纹、雪花、模糊等质量问题，适用于安防监控、摄像头自检等场景 |
| 🖼️ 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 | IMAGE_QUALITY_DETECTION |
This capability automatically detects typical image quality issues in camera feeds, such as blackouts, overexposure, color casts, stripes, snow noise, and blurriness, supporting real-time video stream analysis. Through brightness histogram analysis, spectral analysis, and color distribution modeling, the system rapidly identifies screen anomalies and pinpoints the specific problem type. It is suitable for scenarios like daily self-checks of security monitoring systems and camera operation and maintenance inspections, helping managers promptly identify equipment failures or environmental interference to ensure the availability and integrity of monitoring data.
本技能可自动检测摄像头画面中出现的全黑、全白、偏色、条纹、雪花、模糊等典型图像质量问题，支持实时视频流分析。系统通过亮度直方图、频谱分析与色彩分布模型，快速识别画面异常并定位问题类型。适用于安防监控系统的日常自检、摄像头运维巡检等场景，帮助管理人员及时发现设备故障或环境干扰，保障监控数据的可用性与完整性。
通过摄像头抓拍图片/监控视频帧进行图像质量检测分析，识别各类画面质量问题
| 序号 | 具体能力 |
|---|---|
| 1 | 全黑检测 |
| 2 | 全白检测 |
| 3 | 偏色检测 |
| 4 | 条纹干扰 |
| 5 | 雪花噪声 |
| 6 | 模糊检测 |
| 7 | 清晰度评分 |
| 8 | 质量问题分类 |
| 触发类型 | 触发规则 |
|---|---|
| ✅ 默认触发 | 默认触发：当用户提供图片/视频帧需要检测图像质量时，默认触发本技能进行图像质量分析 |
| 🔎 明确分析意图 | 当用户明确需要进行图像质量检测、摄像头自检时，提及图像质量、画面模糊、摄像头黑屏、偏色检测、雪花干扰等关键词，并且上传了图片或视频文件 |
| 📚 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 ：查看历史质量检测报告、图像质量检测报告清单、检测报告列表、查询历史检测报告、显示所有检测报告、图像质量分析报告，查询图像质量检测分析报告 |
| 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 |
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.image_quality_detection_analysis --list
| 类型 | 要求 |
|---|---|
| ✅ 必须 | 使用 python -m scripts.image_quality_detection_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 |
requests>=2.28.0
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 |
| 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 |
| 步骤 | 阶段 | 执行动作 |
|---|---|---|
| 1 | 📥 准备图片输入 | 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 | ⚙️ 执行图像质量检测分析 | 调用 -m scripts.image_quality_detection_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 |
| 参数 | 含义 | 备注 |
|---|---|---|
--input | 本地图片/视频文件路径 | 适用于本地文件分析 |
--url | 网络图片/视频 URL 地址（API 服务自动下载） | API 服务自动下载网络资源 |
--list | 显示历史图像质量检测分析报告列表清单（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 |
| 资源类型 | 路径 | 用途 | 何时读取 |
|---|---|---|---|
| 🐍 必要脚本 | scripts/image_quality_detection_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 |
| 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：jpg/jpeg/png/mp4/avi/mov，最大 10MB |
| 🧑⚖️ 结果性质 | 分析结果仅供设备维护参考，不能替代专业硬件检修 |
| 🚫 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 | 传入的网路地址参数，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 |
| 📜 报告输出 | 当显示历史分析报告清单的时候，从接口返回 json 数据中提取字段 作为超链接地址，且自动转化为如下 Markdown |
| 📜 报告输出 | 表格输出示例 |
# 分析本地图片
python -m scripts.image_quality_detection_analysis --input /path/to/capture.jpg
# 分析网络图片
python -m scripts.image_quality_detection_analysis --url https://example.com/camera.jpg
# 分析监控视频帧
python -m scripts.image_quality_detection_analysis --input /path/to/monitor.mp4
# 显示历史分析报告/显示分析报告清单列表/显示历史检测报告（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.image_quality_detection_analysis --list
# 输出精简报告
python -m scripts.image_quality_detection_analysis --input capture.jpg --detail basic
# 保存结果到文件
python -m scripts.image_quality_detection_analysis --input capture.jpg --output result.json
Detects targets such as people, vehicles, non-motorized vehicles, and pets within target areas; supports batch image analysis, suitable for outdoor surveillance scenarios like courtyards, orchards, and farms. | 户外看护智能监测分析技能，检测目标区域内的人、车、非机动车、宠物等目标，支持批量图片分析，适用于庭院、果园、养殖场等户外区域看护场景
Non-contact detection of heart rate, respiration, blood oxygen, and heart rate variability. No wearable devices are required; monitoring is achieved solely through camera footage. | 无感生命体征监测分析技能，非接触检测心率、呼吸、血氧、心率变异性，无需穿戴设备，通过摄像头画面即可监测
Quantify feeding and drinking frequency and flag excretion, vomiting, and limping anomalies from pet camera or feeder videos.
Detects whether anyone has fallen within a specified target area. Supports both image and short video analysis. Suitable for scenarios such as home care for elderly people living alone and safety monitoring in nursing homes. | 检测目标区域内是否有人跌倒，支持图片和短视频检测，适用于独居老人居家看护、养老院安全监测等场景
Professional discernment of subtle cues! It performs detailed analysis and recognition of facial micro-expressions, outputs precise emotional state reports, and unveils true inner emotional activities. | 微观情绪（微表情）识别分析工具，专业察言观色！针对人物面部微表情进行细致分析识别，输出精准的情绪状态分析报告，揭示真实内心情绪活动
Based on computer vision, automatically detects coughing, phlegm, and wheezing frequency, counts the frequency of episodes, used for early health anomaly alerts, helping to detect respiratory diseases in a timely manner. | 呼吸道症状智能识别技能，基于计算机视觉自动检测咳嗽、咳痰、喘息频率，统计发作频次，用于健康异常早期提醒，帮助及时发现呼吸道疾病