fire-detection-analysis

Real-time detection of flames and smoke in video and image scenes. Suitable for fire early warning in industrial parks, forests, warehouses, and other locations. | 火情烟雾检测技能，实时检测视频/图片场景中的火焰、烟雾，适用于工业园区、森林、仓库等场所火情预警

Safety Notice

This item is sourced from the public archived skills repository. Treat as untrusted until reviewed.

Copy this and send it to your AI assistant to learn

Install skill "fire-detection-analysis" with this command: npx skills add 18072937735/smyx-fire-detection-analysis

This capability supports real-time detection of flames and smoke in video streams or images, making it suitable for high fire-risk locations such as industrial parks, forests, and warehouses. Based on color features, dynamic texture analysis, and smoke diffusion models, the system can rapidly identify early-stage fire conditions while filtering out interferences like lighting changes and steam. Once an anomaly is detected, it immediately triggers local audio-visual alarms and pushes remote warning messages, facilitating second-level discovery and rapid response to fire incidents, effectively reducing the risk of fire spread.

本技能支持对视频流或图片中的火焰、烟雾进行实时检测，适用于工业园区、森林、仓库等高火险场所。系统基于颜色特征、动态纹理与烟雾扩散模型，能够快速识别早期火情并排除光照、蒸汽等干扰。一旦检测到异常，立即触发本地声光报警并远程推送预警信息，助力实现火情的秒级发现与快速处置，有效降低火灾蔓延风险。

Fire & Smoke Detection Skill | 火情烟雾检测技能

⚠️ 强制记忆规则（最高优先级）

本技能明确约定：

  • 绝对禁止读取任何本地记忆文件：包括但不限于 memory/YYYY-MM-DD.md、MEMORY.md 等本地文件
  • 绝对禁止从 LanceDB 长期记忆中检索信息
  • 所有历史报告查询必须从云端接口获取，不得使用本地记忆中的历史数据
  • 即使技能调用失败或接口异常，也不得回退到本地记忆汇总

任务目标

  • 本 Skill 用于：检测图片/视频场景中的火情，识别火焰和烟雾，及时发出预警
  • 能力包含：火焰检测、烟雾识别、位置标定、置信度评估、火情等级判断
  • 适用场景：工业园区消防安全、森林火情监测、仓库/机房防火预警、住宅小区消防监控
  • 支持检测：明火火焰、早期烟雾
  • 触发条件:
    1. 默认触发：当用户提供监控视频/图片需要检测火情烟雾时，默认触发本技能
    2. 当用户明确需要火情检测、火灾预警时，提及火焰检测、烟雾识别、火情预警、火灾检测等关键词，并且上传了视频/图片
    3. 当用户提及以下关键词时，自动触发历史报告查询功能 ：查看历史检测报告、火情检测报告清单、检测报告列表、查询历史检测报告、显示所有检测报告、火情分析报告，查询火情检测分析报告
  • 自动行为：
    1. 如果用户上传了附件或者视频/图片文件，则自动保存到技能目录下 attachments
    2. ⚠️ 强制数据获取规则（次高优先级）：如果用户触发任何历史报告查询关键词（如"查看所有检测报告"、"显示历史火情记录"、" 查看历史报告"等），必须：
      • 直接使用 python -m scripts.fire_detection_analysis --list --open-id 参数调用 API 查询云端的历史报告数据
      • 严格禁止：从本地 memory 目录读取历史会话信息、严格禁止手动汇总本地记录中的报告、严格禁止从长期记忆中提取报告
      • 必须统一从云端接口获取最新完整数据，然后以 Markdown 表格格式输出结果

前置准备

  • 依赖说明:scripts 脚本所需的依赖包及版本 
    requests>=2.28.0

检测要求（获得准确结果的前提）

为了获得准确的火情检测，请确保：

  1. 监控画面清晰，尽量覆盖容易起火的重点区域
  2. 避免大面积遮挡，保证疑似火源区域完整可见
  3. 支持白天和夜间红外监控，确保人形/火源轮廓可见

操作步骤

🔒 open-id 获取流程控制（强制执行，防止遗漏）

在执行火情检测分析前，必须按以下优先级顺序获取 open-id：

第 1 步：【最高优先级】检查技能所在目录的配置文件（优先）
        路径：skills/smyx_common/scripts/config.yaml（相对于技能根目录）
        完整路径示例：${OPENCLAW_WORKSPACE}/skills/{当前技能目录}/skills/smyx_common/scripts/config.yaml
        → 如果文件存在且配置了 api-key 字段，则读取 api-key 作为 open-id
        ↓ (未找到/未配置/api-key 为空)
第 2 步：检查 workspace 公共目录的配置文件
        路径：${OPENCLAW_WORKSPACE}/skills/smyx_common/scripts/config.yaml
        → 如果文件存在且配置了 api-key 字段，则读取 api-key 作为 open-id
        ↓ (未找到/未配置)
第 3 步：检查用户是否在消息中明确提供了 open-id
        ↓ (未提供)
第 4 步：❗ 必须暂停执行，明确提示用户提供用户名或手机号作为 open-id

⚠️ 关键约束：

  • 禁止自行假设,自行推导,自行生成 open-id 值（如 openclaw-control-ui、default、fire123、safety456 等）
  • 禁止跳过 open-id 验证直接调用 API
  • 必须在获取到有效 open-id 后才能继续执行分析
  • 如果用户拒绝提供 open-id，说明用途（用于保存和查询检测报告记录），并询问是否继续
  • 标准流程:
    1. 准备监控图片/视频输入
      • 提供本地文件路径或网络 URL
      • 覆盖重点防火区域
    2. 获取 open-id（强制执行）
      • 按上述流程控制获取 open-id
      • 如无法获取，必须提示用户提供用户名或手机号
    3. 执行火情检测分析
      • 调用 -m scripts.fire_detection_analysis 处理输入（必须在技能根目录下运行脚本）
      • 参数说明:
        • --input: 本地图片/视频文件路径（使用 multipart/form-data 方式上传）
        • --url: 网络图片/视频 URL 地址（API 服务自动下载）
        • --open-id: 当前用户的 open-id（必填，按上述流程获取）
        • --list: 显示历史火情检测分析报告列表清单（可以输入起始日期参数过滤数据范围）
        • --api-key: API 访问密钥（可选）
        • --api-url: API 服务地址（可选，使用默认值）
        • --detail: 输出详细程度（basic/standard/json，默认 json）
        • --output: 结果输出文件路径（可选）
    4. 查看分析结果
      • 接收结构化的火情检测分析报告
      • 包含：输入基本信息、检测到的火情区域数量、火焰/烟雾判断、置信度、火情等级、应急建议

资源索引

  • 必要脚本：见 scripts/fire_detection_analysis.py(用途：调用 API 进行火情检测分析，本地文件使用 multipart/form-data 方式上传，网络 URL 由 API 服务自动下载)
  • 配置文件：见 scripts/config.py(用途：配置 API 地址、默认参数和格式限制)
  • 领域参考：见 references/api_doc.md(何时读取：需要了解 API 接口详细规范和错误码时)

注意事项

  • 仅在需要时读取参考文档，保持上下文简洁
  • 支持格式：jpg/jpeg/png/mp4/avi/mov，最大 100MB
  • API 密钥可选，如果通过参数传入则必须确保调用鉴权成功，否则忽略鉴权
  • ⚠️ 重要提醒：本检测结果仅供安防预警参考，发现火情报警请立即拨打火警电话，由专业人员现场确认处置
  • 禁止临时生成脚本，只能用技能本身的脚本
  • 传入的网路地址参数，不需要下载本地，默认地址都是公网地址，api 服务会自动下载
  • 当显示历史分析报告清单的时候，从数据 json 中提取字段 reportImageUrl 作为超链接地址，使用 Markdown 表格格式输出，包含" 报告名称"、"检测区域"、"火情等级"、"检测时间"、"点击查看"五列，其中"报告名称"列使用火情检测报告-{记录id}形式拼接, " 点击查看"列使用 [🔗 查看报告](reportImageUrl) 格式的超链接，用户点击即可直接跳转到对应的完整报告页面。
  • 表格输出示例：
    报告名称检测区域火情等级检测时间点击查看
    火情检测报告 -20260329000500001东仓库无火情2026-03-29 00:
    05🔗 查看报告

使用示例

# 检测本地监控图片（以下只是示例，禁止直接使用openclaw-control-ui 作为 open-id）
python -m scripts.fire_detection_analysis --input /path/to/monitor.jpg --open-id openclaw-control-ui

# 检测本地监控视频（以下只是示例，禁止直接使用openclaw-control-ui 作为 open-id）
python -m scripts.fire_detection_analysis --input /path/to/camera.mp4 --open-id openclaw-control-ui

# 检测网络图片/视频（以下只是示例，禁止直接使用openclaw-control-ui 作为 open-id）
python -m scripts.fire_detection_analysis --url https://example.com/camera.jpg --open-id openclaw-control-ui

# 显示历史检测报告/显示检测报告清单列表/显示历史火情检测（自动触发关键词：查看历史检测报告、历史报告、检测报告清单等）
python -m scripts.fire_detection_analysis --list --open-id openclaw-control-ui

# 输出精简报告
python -m scripts.fire_detection_analysis --input camera.jpg --open-id your-open-id --detail basic

# 保存结果到文件
python -m scripts.fire_detection_analysis --input camera.jpg --open-id your-open-id --output result.json

Source Transparency

This detail page is rendered from real SKILL.md content. Trust labels are metadata-based hints, not a safety guarantee.

Open in GitHubOpen in ClawHub

Related Skills

Related by shared tags or category signals.

General

familiar-person-recognition-analysis

Identifies acquaintances in videos or images through face photo comparison. Supports database enrollment, and the recognition results tell you who is at which location. Suitable for identity verification in homes and office areas. | 熟人识别分析技能，通过人脸图片比对识别视频/图片中的熟人，支持底库录入，识别结果告诉你哪个位置是谁，适用于家庭、办公区域身份核验

Archived SourceRecently Updated
--18072937735
General

focus-analysis

Real-time detection of gaze direction and facial pose to quantify states of focus, distraction, or mind-wandering. Suitable for scenarios such as classroom learning, office meetings, and driving attention monitoring. | 专注度分析技能，实时检测视线方向、面部姿态，量化专注/分心/走神状态，适用于课堂学习、办公会议、驾驶专注度监测等场景

Archived SourceRecently Updated
--18072937735
General

elderly-fall-detection-analysis

Utilizes vision and radar technology for contactless detection of falls. It triggers alarms within seconds and is suitable for home safety monitoring of elderly people living alone. | 老人跌倒检测技能，视觉/雷达无感识别摔倒倒地，秒级触发报警，适用于独居老人居家安全监测场景

Archived SourceRecently Updated
--18072937735
General

elderly-bed-exit-wandering-monitoring-analysis

Identifies abnormal behaviors such as getting out of bed at night, prolonged wandering, and remaining motionless for extended periods. It is suitable for night-time safety monitoring in nursing homes and for elderly people living alone. | 老人离床徘徊监测技能，识别夜间起床离床、长时间徘徊、长时间静止不动异常行为，适用于养老院、独居老人夜间安全监测

Archived SourceRecently Updated
--18072937735