文本引导目标检测
Grounding DINO 根据自然语言描述查找对象，在画面中呈现目标类别与位置。
模型功能与架构
Grounding DINO 理解目标描述，YOLO 识别已适配类别，SAM 提取对象轮廓，独立跟踪服务衔接连续视频。检测、分割与跟踪相互协同，服务现场巡检、物品查找和区域分析。
模型功能
多检测器协同
YOLO 识别已训练的常见类别，与文本检测结果合并，减少重复目标，兼顾日常巡检与临时查找任务。
SAM 对象分割
SAM 从目标框中提取对象轮廓，分离背景与相邻物体，支持区域分析和三维场景关联。
视频目标跟踪
连接独立跟踪服务，关联目标在连续画面中的位置，支持移动轨迹查看、遮挡后重检和事件片段回放。
通过自然语言查找画面中的目标
输入
图像、目标描述与指定区域
视觉模型模型输出
- 识别目标类别与位置
- 按描述查找相关对象
- 展示目标框与匹配结果
应用场景
巡检目标与物品查找
按描述查找灭火器、工具箱等已验证对象，把目标位置和轮廓展示在原始画面上。
输入与对象
巡检图像、对象描述与现场词表
文本引导目标检测
Grounding DINO 根据自然语言描述查找对象，在画面中呈现目标类别与位置。
应用成果
目标类别、位置与分割轮廓，直观呈现巡检对象。
应用案例
工业巡检
灭火器与工具箱查找
通过对象描述定位巡检画面中的灭火器与工具箱，展示目标框和分割轮廓，支持物品检查与区域分析。
设备区域
设备与物料对象分割
在指定区域中识别已适配设备与物料，提取可见边界，为对象统计、区域检查和后续空间分析提供输入。
视频回看
物品移动跟踪
关联目标在连续画面中的位置，展示移动轨迹，目标丢失后触发重检，按时间定位相关视频片段。
当前案例：灭火器与工具箱查找