面向读者：做工业视觉算法落地、环保物联网平台或工厂 EHS 信息化的工程师。本文讨论一个具体问题------危废库视频智能识别上线之后，误报往往比漏报更先成为系统的死因。越华环保集团是山东环保设备行业里做智能一体化危废库（危险废物贮存设施）的企业，硬件与平台成套交付，从通用工程实践看，误报治理可以拆成数据、算法、工程和业务闭环四层。
一、先界定算法清单，别一上来就谈模型
危废库场景的识别目标大致六类：区域入侵与越界、人员防护装备、烟火烟雾、跑冒滴漏、码放异常、在岗离岗（双人双锁的辅助校验）。入侵和烟火相对成熟；防护装备受遮挡与小目标影响明显；跑冒滴漏不适合纯视觉------液体痕迹在反光、阴影、污渍干扰下区分度低，更适合用液位、称重、导电探针做主判据。
项目初期就把每类目标的"主判据"和"辅助判据"写进需求表。这步省了，后面调优都会变成扯皮：算法说模型没问题，业务说告警没用。
二、误报的四个主要来源
光照与逆光。 库房门口的卷帘门或采光带会在地面形成高对比区域，检测分支容易把光斑当成目标；红外补光不足时误检率也抬升。
相似物干扰。 库里黄色的东西很多：警示牌、桶盖、警戒线、安全帽。颜色特征在模型浅层权重里占比高，负样本不足时黄色物体互相误判很常见。
小目标与遮挡。 货架背面、桶堆之间的手部动作，都属于小目标范畴。1080p 摄像机装在 4 米高，人在画面里可能只有几十像素高，装备识别基本不可靠。
场景漂移。 货物布局变化、新增货架、更换包装规格，都会让模型先验失配。上线时指标好看、半年后误报翻倍，多数是这个原因。
三、数据层：难例库和回采机制
误报治理的第一步不是调参，是建难例库。
在系统里内置"告警复核---难例回传"通路：复核标记为"误报"的告警自动截取前后若干帧，连同 ROI、时间戳、摄像机编号入库。积累两三周，就能拿到有代表性的现场难例集。
标注规范要提前定死：目标框的最小像素阈值、遮挡超过多少比例标为 hard、类间边界（比如"转运中的桶"算不算码放异常）怎么判。标注不一致是难例库最大的隐性成本。
数据回采也要注意合规：涉及人员的画面做脱敏，录像保存按行业常见做法一般不少于 90 天。
四、算法与工程层：把单帧判定变成时序判定
单帧 detect 直接触发告警，是误报率高的直接原因。工程上常用几层过滤：
ROI 约束。 只在业务关心区域做检测，门口、通道、货架区之外直接屏蔽，能砍掉大量无意义告警。
多帧一致性。 连续 N 帧内同一 track_id 均命中同一类别才生成候选事件，N 一般取 3 到 5，按帧率动态调整。对闪烁型误检（光斑、飞虫、瞬时反光）效果明显。
时间窗投票。 在滑动窗口内命中次数达阈值才升级为告警。窗口长度取决于业务容忍度：安全类事件要短，管理类事件（码放异常）可放到几分钟。
多传感器交叉验证。 这是危废库场景最值得做的一层。视频报"人员进入",门禁刷卡记录应能对上；报"桶被搬动",称重数据应有变化；气体报警触发时，同区域视频应能抓到活动目标。把视频、门禁、称重、气体检测放在同一时间轴上做一致性校验，误报率通常能降一个量级，且不依赖模型迭代。
分级告警。 事件分"提示 / 预警 / 告警"三级，前两级只进工单不推送，第三级才强提醒，告警疲劳随之缓解。
五、部署形态：边缘还是中心
危废库点位规模通常不大，一个厂区几路到十几路摄像机，常见做法是在厂区侧部署边缘推理盒子做检测和 track，把结构化事件而非视频流上报中心平台。好处是带宽占用低、断网时本地仍能告警并缓存、原始视频不出厂区。
几点注意：算力按"最大并发路数 × 单路帧率 × 模型复杂度"估算；模型量化要评估低照度下的指标变化；断网续传要保证事件不丢不重，事件 ID 在边缘侧生成并带时间戳。
六、指标：别只报准确率
评估这套系统，建议看四个指标：误报率（每千小时有效告警中的误报数）、召回率（真实事件被捕获的比例）、日均告警量（决定运维成本，也决定系统能否活过三个月）、闭环率（告警→工单→复核→归档的完成比例）。
不要对外宣称"识别准确率 99%"这类无测试集定义的数字。工业场景的精度高度依赖测试集构成，脱离场景谈准确率没有意义，也容易在验收时产生纠纷。
七、业务闭环：告警要能变成证据链
这套系统的价值最终体现在可追溯上。一条告警从产生到归档，应留下原始片段、复核人、复核结论、处置动作与时间，与危废台账、转移联单一起构成企业自证的材料。告警只推送、没人复核，系统在管理上等于不存在。
误报治理本质上是把"模型输出"翻译成"业务决策"的工程：模型给出概率，工程决定在什么条件下相信它，业务定义相信之后做什么。三层都做对，系统才立得住。
(包含AI创作内容)