Files
FishServer/fish_api

Recalculate Everything:

CLEAR_SQLITE_DATABASE=1 CLEAR_MEASURE_OUTPUT=1 CLEAR_ACTION_OUTPUT=1 CLEAR_MEDIA=1 CLEAR_STREAM_TMP=1 bash scripts/start_fresh.sh

配置(环境变量)

变量 说明 默认
PUBLIC_BASE_URL 返回 JSON 中 video_left / video_right 的前缀(勿带末尾 / http://127.0.0.1:8000
INGEST_API_KEY 非空时,/api/v1/ingest/* 需请求头 X-API-Key 空(不校验)
STREAM_TMP_DIR 分块上传临时目录 <repo>/fish_api/.data/ingest
MEDIA_ROOT 对外托管每次测量生成的 *_left.mp4 / *_right.mp4 <repo>/fish_api/.data/media
FISH_MEASURE_ROOT FishMeasure 根目录 自动相对仓库
FISH_ACTION_ROOT FishAction 根目录 自动相对仓库
MEASURE_OUTPUT_ROOT 传给 --save-output 的目录 <repo>/fish_api/.data/measure_output
YOLO_MODEL / WEIGHT_CHECKPOINT / ACTION_CHECKPOINT 模型路径 与仓库内脚本默认一致
SAM_DEVICE cudacpu cuda
可在 fish_api/.env 中填写上述变量(pydantic-settings 会读取)。

安装与启动

cd fish_api
uv sync
# 可选:包含 httpx便于本地用 FastAPI TestClient 做冒烟测试
# uv sync --group dev
./scripts/start_fresh.sh   # 默认仅重置 client_id 投递进度,保留 SQLite 历史与快照
# CLEAR_SQLITE_DATABASE=1 bash start_fresh.sh  # 需要时才彻底清 SQLite
# 或uv run uvicorn app.main:app --host 0.0.0.0 --port 8000需自行 prestart

Weight Rule (Current)

最终体重 pred_weight_g 由以下规则链决定(按优先级从高到低):

  1. 440g 全池均值保护(规则 Bavg_g_filtered(所有 candidates 均值)> --mean-pool-fallback-max-if-over-g(默认 440gpred_weight_g = max_predicted_weight_g_after_filterpred_weight_rule = "max_after_filter_high_mean_pool_over_g"
  2. 400g mean-all fallback(规则 A--average-all-after-filter 开启时):若全池 mean > --average-all-fallback-max-if-mean-over-g(默认 400gpred_weight_g = max_predicted_weight_g_after_filterpred_weight_rule = "max_after_filter_high_mean_all"
  3. --average-all-after-filter(默认关):全部 candidates 均值作为最终值,pred_weight_rule = "mean_all_filtered"
  4. Top-K 聚合(默认路径):按 --top-by-length(默认开)选 top-K 帧,对选中帧的预测重量取算术平均(与日志中 top{k}_avg 一致),pred_weight_rule = "top_k_aggregate"

DGCNN 明细中同时输出 mean_all_pred_g_after_filtersavg_topk_mean_pred_g 等供对比参考。

Debug单条鱼测量与 fish_api 同逻辑)

不启动 uvicorn、不写 SQLite不发布 MEDIA_ROOT(与 run_full_measure_batch 相比仅少快照与媒体发布FishMeasure 子进程与 measure_output/fish{N} 与线上一致)。

调用 app/services/measure.py 中的 run_measure_batch_subprocess,配置与 fish_api/.env 相同(get_settings())。

必须在 fish_api 下执行 python -m app...,或从仓库根用下面脚本;若在仓库根直接运行 python -m app.measure_debug_cli,会因找不到 app 包报错(ModuleNotFoundError: No module named 'app')。

# 方式 A仓库根推荐
bash scripts/measure_debug.sh --fish-id 14

# 方式 B先进入 fish_api
cd fish_api
uv sync
# 默认MEASURE_WATCH_DIR/fish{N}/ 下所有 .svo2 → 输出到 MEASURE_OUTPUT_ROOT/fish{N}(默认 fish_api/.data/measure_output/fish{N}
uv run python -m app.measure_debug_cli --fish-id 1

# 或等价入口(须在 fish_api 目录)
uv run fish-measure-debug --fish-id 1

# 指定 SVO 目录或输出目录(在 fish_api 目录下)
uv run python -m app.measure_debug_cli --batch-folder /path/to/fish1 --fish-id 1 --output-root /path/to/out

结束后会在终端打印 weight_prediction.json 中的 pred_weight_gpred_weight_rule 等摘要。

演进建议

  • RTSPffmpeg 切段写入 MP4 后调用现有 finalize 逻辑
  • 任务状态:finalize 返回 job_id,增加 GET /jobs/{id} 查询进度