🍖 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：

bash

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 text

  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-urlAPI 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#

bash

# 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