项目名称：市“项目甲”平台
文档版本：V1.0
编制日期：2026-07-08
适用范围：模型中心、数据集管理、模型版本管理、AI识别调用与成果展示
一、背景与目标
在模型训练、模型版本上传和平台调用过程中，数据集标签、模型识别目标和前端展示标签必须保持一致。模型在配置“识别目标”“标签类别”或“版本标签”时，应严格按照训练所使用的数据集标签结果进行配置。
本说明用于规范模型配置流程，确保模型中心展示、版本管理、AI识别调用结果和后续业务流转使用同一套标签口径，避免出现识别类别缺失、名称不一致、统计异常或业务误判等问题。
二、当前问题
从现有操作场景看，数据集重组完成后会生成一组明确的标签列表，模型训练和模型版本配置都应以该标签列表为准。如果模型版本配置时未同步数据集标签，容易出现以下问题：
| 问题类型 | 具体表现 | 影响 |
|---|---|---|
| 标签缺失 | 数据集中存在某类目标，但模型版本未配置该标签 | AI识别结果可能无法正确展示、入库或参与统计 |
| 标签多配 | 模型版本中配置了数据集没有训练过的标签 | 前端显示与实际模型能力不一致，容易误导业务人员 |
| 名称不一致 | 数据集标签与模型配置标签名称不同 | 结果匹配失败，统计口径混乱 |
| 版本追溯困难 | 模型版本标签无法对应训练数据集 | 后续问题排查、模型迭代和验收困难 |
三、配置原则
-
以数据集标签为唯一依据
模型版本的“识别目标”必须以训练数据集或重组数据集页面展示的标签列表为准。 -
标签必须一一对应
模型配置中的标签名称、标签数量、标签含义应与数据集标签保持一致，不得随意新增、删除或改名。 -
模型版本与数据集结果同步确认
每次重新训练、上传新版本或切换当前版本前，都需要核对模型版本标签是否与训练数据集一致。 -
配置变更必须可追溯
模型版本说明中应记录本版本对应的数据集名称、数据集日期或重组批次，便于后续定位问题。 -
业务展示以当前启用版本为准
AI识别页面展示的检测框类别、识别目标名称和结果入库字段，应来自当前启用模型版本的识别目标配置。
四、操作说明
4.1 数据集重组后确认标签
数据集重组完成后，先在数据集管理页面查看重组结果中的标签列表。以截图中的“重组综合数据集20260702”为例，页面中展示的标签列表应作为后续模型配置的依据。
配置人员需要确认以下内容：
- 数据集名称是否为本次训练使用的数据集；
- 标签列表是否完整；
- 标签名称是否符合业务口径；
- 标签数量是否与训练任务使用的类别数量一致。
4.2 模型版本配置时同步识别目标
在模型中心上传新版本或编辑版本配置时，应将数据集标签同步配置到模型版本的“识别目标”中。
以截图中的模型中心 V1.3 版本为例，该版本的识别目标应与“重组综合数据集20260702”的标签结果保持一致。配置完成后，需要在版本管理区域核对当前版本的标签展示是否完整、顺序是否合理、名称是否准确。
4.3 启用模型前进行核对
启用模型版本前，需要完成以下检查：
| 检查项 | 检查要求 |
|---|---|
| 数据集来源 | 模型版本说明中能明确对应训练数据集 |
| 标签名称 | 模型版本标签与数据集标签名称一致 |
| 标签数量 | 模型版本标签数量与训练数据集类别数量一致 |
| 当前版本 | 启用版本为已核对通过的版本 |
| 识别结果 | AI识别页面检测框类别能正确显示 |
4.4 AI识别调用后检查结果
模型启用并执行 AI 识别后，应检查识别页面中的检测框类别是否来自当前启用版本的识别目标配置。
如果识别页面出现类别显示为空、类别名称异常、检测结果无法保存或统计异常，应优先排查模型版本标签配置是否与数据集标签不一致。
五、错误配置影响
如果模型配置未按照数据集标签结果进行配置，可能导致以下结果：
-
模型能识别，但平台不展示或不入库
模型实际返回了某类目标，但平台模型版本中未配置对应标签，导致结果无法被正确解析。 -
检测框类别名称与业务标签不一致
前端识别画面中显示的类别与数据集训练标签不一致，影响业务人员判断。 -
统计数据不准确
调用统计、类别统计、预警成果统计可能因标签口径不一致出现偏差。 -
线索流转异常
AI识别成果生成线索时，可能无法正确映射到业务类别，影响后续核查、处置和归档。 -
模型版本难以追溯
后续出现误识别、漏识别或类别异常时，无法快速确认问题来自模型训练、标签配置还是平台解析。
六、示例说明
6.1 正确配置示例
数据集页面中“重组综合数据集20260702”展示的标签包括裸土、渣土、施工围挡、沟渠、建筑、修建道路、坑塘、防尘网、工程车辆、垃圾堆、垂钓、烟雾、明火、轻度感染、重度感染、枯死、棚屋等类别。
模型中心 V1.3 版本上传或编辑配置时，应将上述标签同步配置为该版本的识别目标。AI识别调用 V1.3 后，识别画面中的检测框类别也应从该版本识别目标中取值。
6.2 错误配置示例
| 错误做法 | 可能后果 |
|---|---|
| 数据集有“建筑”，模型版本未配置“建筑” | 识别结果无法正确展示建筑类别 |
| 数据集为“施工围挡”，模型版本配置为“围挡” | 类别名称不一致，结果匹配和统计可能失败 |
| 数据集未训练“工程机械”，模型版本手工新增“工程机械” | 平台显示模型具备该能力，但实际识别不可靠 |
| 新数据集重新训练后，沿用旧版本标签配置 | 新模型能力与平台展示不一致 |
七、验收标准
模型配置完成后，应按以下标准验收：
| 验收项 | 通过标准 |
|---|---|
| 数据集标签核对 | 能找到模型版本对应的数据集标签结果 |
| 模型版本标签核对 | 当前启用版本识别目标与数据集标签一致 |
| AI识别结果核对 | 检测框类别名称能正常显示，无空值或异常类别 |
| 统计结果核对 | 识别次数、类别统计、预警成果统计能按正确标签归类 |
| 追溯信息核对 | 模型版本说明中记录了对应数据集名称或批次 |
八、配置人员注意事项
- 不要凭经验手工填写模型标签，应先查询训练数据集标签结果。
- 不要只看模型名称判断识别能力，应以模型版本识别目标为准。
- 不要在模型版本中配置数据集未训练的类别。
- 不要在新版本上传后直接启用，应先完成标签一致性核对。
- 如果发现数据集标签、模型版本标签、AI识别展示结果不一致，应暂停启用该版本并重新核对配置。
九、待确认事项
- 模型版本说明字段是否需要固定记录“关联数据集名称/数据集ID/训练批次”。
- 平台是否需要在上传模型版本时自动校验标签数量与数据集标签数量。
- 平台是否需要在模型版本配置页面增加“从数据集同步标签”功能。
- 平台是否需要在 AI 识别结果无法匹配标签时给出明确错误提示。