宠物健康AI图像分析服务-猫咪排泄物识别模块

1、立项背景和目标：研究院需要对猫咪排泄物照片做规模化健康筛查，人工判读效率低、判读经验难沉淀。目标是构建"上传照片→AI自动分析→出报告→可疑样本人工复核"的智能分析服务：AI自动输出六分类异常结果（异物便/异色便/结晶/软便/颜色异常/正常）、Bristol粪便分型、血液/结晶/寄生虫等健康标志与健康建议，辅助兽医批量初筛，已完成商业交付上线。
2、核心功能模块：①图像预处理——EXIF信息剥离、方向修正、图片质量评估；②AI识别服务——多模态大模型结合兽医知识库RAG检索，输出结构化JSON（分类、Bristol分型、健康标志、业务推导结果）；③医学规则引擎——出血/结晶与颜色字段交叉一致性校验，Bristol≤2自动标记复核建议，不让大模型独自承担医疗判断责任；④人工复核队列——低置信或字段不一致样本自动进入队列，审核确认后回流知识库；⑤数据飞轮——复核确认样本经Kappa一致性仲裁后增量入库，含类别平衡与版本化管理，服务越用越准；⑥运行保障——背压熔断、请求队列分级限流、Prometheus指标埋点与MLflow实验追踪。
3、业务流程：上游系统上传排泄物照片→质量检查与隐私脱敏→多模态模型结合检索到的兽医知识生成结构化结论→规则引擎交叉校验→高置信样本直接出报告，低置信/不一致样本进入人工复核队列→复核确认后经一致性仲裁增量回流知识库→随数据积累识别质量持续提升。

1、整体架构：FastAPI服务+vLLM推理引擎（Qwen3-VL-30B-A3B经AWQ 4-bit量化，单卡承载生产流量，提供OpenAI兼容接口）+FAISS/BGE向量库与BM25组成的检索层+PostgreSQL/Redis。检索层采用双轨灰度设计：FAISS+BGE主路径在线服务，Qdrant+新一代Embedding/Reranker链路按四档灰度比例（5%/20%/50%/100%）设计平滑切换，检索升级不停服。
2、本人负责排泄物AI识别模块后端，量化结果：①输出可靠性三道防线——XGrammar约束解码（三级回退兜底）+RICES动态Few-shot选样+四级JSON解析降级，37样本黄金评测集解析降级率0%、格式合规满足≥98%的SLO、关键异常类precision 100%（加权F1 89.08%）；②检索优化——BM25+向量双路召回、RRF融合、可插拔精排，评测集P@K/MRR/NDCG 100%、检索耗时约50ms；③隐私合规——EXIF剥离+结果级签名水印（trace_id+HMAC）便于溯源；④质量与性能——累计735项自动化测试（覆盖率83.29%），端到端测试1.44s（生产RAG+Few-shot全开路径1.8s/P95 2.9s）。
3、难点与解决：一是多模态模型输出格式不稳定、字段漂移频发——以约束解码强制Schema、三级回退兜底、四级解析降级，黄金评测集解析降级率压到0%；二是兽医专业术语（病名/成分/指标）在通用向量检索中命中弱——改为BM25关键词+向量双路召回、RRF融合、精排重排序，检索指标拉满；三是30B模型单卡显存吃紧——采用AWQ 4-bit量化+vLLM显存预分配完成单卡部署；四是高峰期并发冲击——设计背压熔断与请求队列分级限流，保障核心识别链路稳定。