室内安全隐患识别模型评测
接入视觉语言模型服务,用室内摄像头视角的测试图片检测五类安全隐患识别能力,生成通过率与耗时报告。
功能与用途
用于评估视觉语言模型能否从固定室内摄像头画面中识别家庭安全隐患。接入已运行的模型服务后,使用内置的人工智能生成图片,测试火灾烟雾、电气、绊倒跌落、儿童安全和物体坠落五类风险。可选择四十项完整测试或十项快速测试,获得各项通过情况、耗时及可在浏览器查看的报告,便于比较模型或检查更新后的表现。使用前需安装运行环境和依赖,并准备支持图像输入的兼容模型接口。
适用场景
- 安防模型选型:对候选视觉模型运行同一套室内隐患测试,比较五类风险的通过情况与耗时。
- 模型更新回归检查:更换模型版本或部署配置后重跑完整测试,检查安全隐患识别表现是否变化。
- 部署后的快速验证:运行十项快速测试,初步确认模型接口可用,并查看各类室内隐患的识别结果。
适用人群
- 智能安防算法工程师
- 视觉语言模型评测人员
- 家庭摄像头产品研发人员
- 本地视觉模型部署人员
使用步骤
- 安装 Node.js,并在技能目录安装依赖。
- 启动视觉语言模型服务,填写服务基础地址。
- 选择四十项完整测试或十项快速测试。
- 运行评测,查看通过情况、耗时和 HTML 报告。
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- IT运维与安全
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes Agent、国内 Agent
- 使用难度
- 进阶
- 版本
- master
- 最近更新
- 2026-11-03
- 文件数
- 4
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
VLM indoor safety hazard detection benchmark inspired by HomeSafeBench (arXiv 2509.23690)
使用前准备
- 安装 Node.js 18 或更高版本,并在技能目录执行 npm install。
- 准备已运行、支持图像输入的视觉语言模型服务,提供兼容 OpenAI 接口的基础地址。
- 通过 Aegis 注入模型服务地址,或在独立运行时使用 --vlm 指定地址。
依赖与权限
- openai
- AEGIS_VLM_URL