技能介绍

解决的实际痛点

在爬宠与水族箱的日常监控中，饲养者常面临两类隐蔽且滞后的问题：一是爬宠（如蜥蜴、蛇、龟）因环境温度梯度不合理或潜在健康问题导致的异常体温调节行为，例如长期躲在躲避穴中拒绝晒点，或在冷热区之间焦躁且频繁地来回穿梭；二是水族环境中鱼类出现频繁的蹭底、摩擦行为，这通常是体表寄生虫或水质恶化的早期预警信号。传统的定时人工观察难以捕捉这些持续性或瞬间的行为节律变化，且极易因夜行、昼行等物种特异性差异导致误判。

核心工作原理与实现

该技能基于爬宠箱固定摄像头或水族箱监控设备，接收 mp4、avi 或 mov 格式的视频流，通过后端 smyx_reptile_thermoregulation_behavior_analysis.py 脚本调用云端视觉 API 进行处理。其工作流包含几个关键工程步骤：

温区标定与目标跟踪：首先需对环境进行注册，识别并划分晒点、躲避、冷区及过渡区。脚本在视频帧中持续跟踪动物的位置，统计其在各温区的停留时长占比、每小时的温区穿梭频次以及单次特定行为（如蹭底、晒点）的平均时长。
物种基线匹配与节律分析：系统提取昼夜活动节律，并要求在分析时匹配 species 参数（如鬃狮蜥、豹纹守宫、球蟒等）。针对夜行种或晨昏行种，算法内置了生理性上下文过滤，如剔除蜕皮期偏好躲避、喂食后增加晒点等正常生理行为造成的干扰。
结构化输出与分级预警：分析完成后，输出包含 thermal_preference_label 或蹭底/摩擦检测结果的结构化 JSON。系统内置四级递进式提醒策略：从 Level 1 的正常活跃反馈，到 Level 2 的环境设备排查建议，再到 Level 3 的紧急健康核查提示，直至 Level 4 的异常不动紧急联络兽医建议。

技术约束与工程边界

在实际工程落地时，需要注意该技能的输入限制与业务红线：

前置硬件条件：视频源分辨率需不低于 720p，帧率需 ≥ 15 FPS，且时长建议 ≥ 2 小时 以建立完整的体温调节节律。视觉上必须完整覆盖晒点、躲避及冷区，且加热、UVB 灯处于开启状态，否则 API 将直接返回 thermoregulation_signal_unreliable 状态码。
合规与隐私边界：该技能严禁用于疾病确诊或输出任何用药指导，其输出结果仅供环境优化和饲养福利改善参考。涉及视频数据的本地存储受到严格限制（≤ 14 天），且明确规定禁止将数据用于第三方共享或 AI 模型训练。