多智能体协同隧道巡检系统

一个简洁的四 Agent 图像巡检流程，用大模型识别巡检对象、检测缺陷、复核结果，并生成风险摘要。

流程

场景分析 Agent
    ↓
缺陷检测 Agent
    ↓
复检 Agent
    ↓
风险报警 Agent

• 场景分析 Agent：识别图像中的巡检对象。
• 缺陷检测 Agent：根据对象类型输出候选缺陷。
• 复检 Agent：确认或删除候选缺陷，不新增缺陷。
• 风险报警 Agent：根据前序结果输出简短报告。

如果场景分析结果只有 其它，系统会直接跳过后续 Agent。

支持范围

对象类别固定为：

墙壁、电缆、变电箱、其它

缺陷类别固定为：

墙壁：墙壁裂缝、墙壁渗水、墙壁剥落、墙壁鼓包变形
电缆：电缆绝缘破损、电缆松脱下垂、电缆老化开裂、电缆烧蚀过热
变电箱：变电箱箱体锈蚀、变电箱箱门异常、变电箱进水受潮、变电箱接线裸露

正常图像可以输出空缺陷数组，系统不会强制生成缺陷。

输出格式

每个 Agent 都输出同一个结构：

{
  "agent_name": "SceneAnalysisAgent",
  "objects": ["墙壁"],
  "defect_categories": [],
  "summary": ""
}

字段说明：

• agent_name：当前 Agent 名称。
• objects：场景分析 Agent 输出的对象类别。
• defect_categories：缺陷检测和复检 Agent 输出的缺陷类别。
• summary：风险报警 Agent 输出的报告。

快速开始

pip install -e ".[dev]"
cp .env.example .env

编辑 .env：

OPENAI_API_KEY=your_api_key_here
MODEL_ID=gpt-4o-mini
OPENAI_TIMEOUT=60
# BASE_URL=https://api.example.com/v1

MODEL_ID 需要使用支持图像输入的模型。BASE_URL 用于 OpenAI-compatible 服务，可不填。

运行示例

示例入口：

python examples/run_inspection.py

示例图片配置在 examples/run_inspection.py：

inputs={
    "images": ["data/1.jpg"],
    "notes": "巡检补充说明"
}

images 支持本地图片路径、HTTP 图片 URL 或 data URL。

项目结构

src/inspection_system/
├── agents/                      # Agent 模块
│   ├── base.py                  # Agent 基类
│   ├── scene_analysis.py        # 场景分析 Agent（识别对象）
│   ├── defect_detection.py      # 缺陷检测 Agent（检测缺陷）
│   ├── reinspection.py          # 复检 Agent（复核结果）
│   └── risk_alert.py           # 风险报警 Agent（生成报告）
├── openai_client.py             # OpenAI API 封装
├── pipeline.py                  # 巡检流水线编排
└── schemas.py                   # 数据模型定义