01 背景：风水塘巡查监管进入“高频更新”阶段
风水塘作为华南传统聚落中常见的水体形态，兼具生态调节与景观文化价值。在基层巡查监管与台账管理工作中，相关单位通常需要掌握风水塘的空间分布、面积规模、类型结构以及随时间变化的新增/消失/异常情况。
但在实际业务推进中，客户（信息已脱敏，以下简称“客户”）长期面临以下难题：
分布广、目标多：风水塘散布于村落周边与农田地带，靠人工逐景判读需要大量人力。
尺度差异大、边界复杂：小塘密集、边界受植被与阴影干扰，手工描边耗时且一致性差。
成果交付链条长：从影像判读到矢量成图、统计表汇总与台账更新，存在重复录入与二次加工。
缺少闭环机制：抽查、复核、修正与归档流程不统一，难以形成可追溯的历史库。
客户希望建立一套桌面端工具，在离线或内网环境下实现“识别—审核—导出—入库”的标准化流程，用更少的人力完成更高频的台账更新与监管核查。
02 方案：模型驱动识别 + 人工审核兜底，形成工程化闭环
客户采用 风水塘智能识别系统 V1.0 作为核心生产工具。系统基于 Python 与 PyQt6 开发，面向 PC 与 Mac 提供桌面端应用能力，集成了多种智能识别组件与 GIS 工程化输出能力：
交互式精细分割：基于 SAM 2.1，通过正/负提示点快速提取复杂边界；
自动批量检测：基于 GroundingDINO + SAHI + SAM 2.1 的流程，适配超大幅遥感影像；
大图处理机制：支持 20000×20000 像素以上影像浏览与切片推理，并提供异步状态反馈，减少界面卡顿；
结果审核与管理：结果列表联动定位，支持搜索、筛选、批量删除、类型修正与统计汇总；
多格式成果导出：支持 Shapefile、GeoJSON、PNG 叠加图、CSV 统计表，便于接入 ArcGIS/QGIS 与台账系统；
本地授权与数据可控：基于设备码的 HMAC-SHA256 授权验证，成果文件本地保存，适合内网/离线环境。
该方案的核心思路是：让模型承担“批量发现目标”的工作，让人工承担“关键样本复核与边界精修”的工作，从而在效率与准确性之间取得工程可用的平衡。
03 落地流程：从遥感影像到台账成果的“四步闭环”
第一步：影像加载与地理信息自动读取
客户将业务影像统一整理为 GeoTIFF 为主、普通图片为辅的输入规范。系统支持 GeoTIFF、PNG、JPG、BMP 等格式：
对于 GeoTIFF：系统自动读取坐标参考系（CRS）与仿射变换参数，后续面积统计与矢量导出可保留真实地理坐标；
对于 普通图片：可在比例尺设置区域输入像素分辨率（米/像素），以获得可用的面积换算结果。
影像打开后，系统会在后台计算 SAM 2.1 Embedding，并在界面状态区提示模型准备情况，便于用户把握处理节奏。
第二步：自动批量检测（快速完成“初筛”）
在普查与台账更新场景中，客户优先使用自动检测模式完成“初筛”，核心步骤为：
使用 GroundingDINO 进行开放词汇检测，定位疑似水塘候选区域；
对超大影像启用 SAHI 切片推理，按设定的切片大小与重叠率滑窗扫描，提高小目标召回；
将候选框送入 SAM 2.1 进行像素级分割，得到更精细的边界掩膜；
结果写入右侧面板并同步更新总数、总面积及分类统计。
客户在实践中形成了简化的调参经验：
分辨率高、目标尺度大：切片可设大一些，提升速度；
目标密集、边缘易漏检：适当提高切片重叠率与检测阈值策略，减少“边缘漏检”；
背景干扰强：结合阈值调整与后续人工审核，保证最终成果质量。
第三步：交互式分割与结果审核（让边界更“能用”）
对于自动检测中出现的漏检、误检以及复杂边界目标，客户用交互式分割进行补强：
左键正向提示点：表示需要保留的区域；
右键负向提示点：表示需要排除的区域；
系统实时返回候选掩膜，用户可切换候选方案后按 Enter 确认，按 Escape 取消。
识别完成后，所有目标会进入结果面板进行集中审核与管理。每条记录通常包含缩略图、序号、类型标签、面积、置信度等信息，并支持：
列表选中后联动在画布高亮定位，快速核查；
批量删除误检目标；
按类型筛选、搜索定位与统计汇总。
系统还支持将目标区分为“聚落水塘/植被水塘”等类型，客户可在台账中按类型维护更清晰的管理口径。
第四步：一键导出 GIS 成果与统计表（直接用于台账更新）
客户将“可交付”作为流程最后的硬标准。系统支持按类别/范围导出：
Shapefile / GeoJSON：保留 CRS 与空间位置，便于直接进入 ArcGIS/QGIS 或空间数据库；
CSV 统计表：输出面积、周长、紧凑度、置信度等字段，用于台账汇总与数据核对；
PNG 叠加结果图：原图叠加彩色掩膜与轮廓线，便于汇报与抽查取证。
通过这一导出链路，客户将过去“识别—描边—成图—统计—入库”的多环节工作，收敛为“系统内一次完成”，显著降低了重复劳动与交付不一致风险。
04 成效：效率、规范性与可追溯性同步提升（以区间口径表达）
由于不同区域影像分辨率、目标密度、季节干扰差异较大，客户在对外发布时采用区间与定性结合的口径描述成效，重点包括：
普查效率提升：对大幅影像可先自动检测完成初筛，再对重点区域进行交互式精修，整体作业节奏更可控；
台账更新更规范：统一输出矢量与统计字段，减少手工描边与人工录入导致的格式不统一；
复核成本下降：可视化叠加图 + 列表联动定位，使抽查复核从“找目标”变为“核目标”；
成果可追溯：识别结果、统计表与空间成果统一归档，便于历史对比与问题闭环。
若你希望文章更“案例中心化”，建议补充 2–3 个可公开数字（例如覆盖影像幅数、平均处理时长区间、台账更新频次提升等），我可以把这一段替换成更有冲击力的“前后对比”描述。
05 可复制经验：让系统在不同影像上稳定产出
客户在落地过程中总结了三点关键做法，帮助系统在多源影像与复杂背景下稳定产出可交付成果：
先自动、后精修：先用自动检测锁定候选范围，再用交互式分割处理疑难点，效率与边界质量兼顾；
调参只做“少量高频项”：主要围绕切片大小、重叠率、检测阈值与提示词进行策略调整，避免过度复杂化；
导出字段与入库口径前置统一：在项目早期就明确 Shapefile/GeoJSON 字段、分类规则与统计口径，减少后期返工。
06 总结：把遥感判读变成可持续的台账更新能力
风水塘巡查监管与台账更新，本质上是“高频、批量、可追溯”的空间信息生产工作。通过风水塘智能识别系统，客户将模型识别能力与人工审核机制结合起来，形成从影像到 GIS 成果再到台账入库的工程化闭环，为基层监管提供了更高效、更规范、更可持续的支撑能力。