解决方案
按行业看，不按技术看。每一块写清四件事：现场条件、我们做什么、交付什么、我们不做什么。
行业 01
零售门店
共同点是“快”和“没条码”：商品要认得快，网络还不能指望，收银台后面排着队。
烘焙识别
现场现烤出炉直接上架，没有条码或条码不好扫，同款不同价的情况多。
做法模型与商品库放在收银设备本地，认货与单据本地闭环；商品库更新走独立流程，新增商品不用发版。同一个能力还用在批量入库、报损、成品与标准品的差异评估上。
交付端侧识别 SDK（Android / Linux）+ 收银客户端 + 商品库维护流程。
边界我们不做计价规则与账务，价格怎么算由你的系统定。
生鲜识别
现场散装生鲜、称重计价，商品形态随季节和批次变。
做法视觉识别替代手工找码，识别在本地完成，称重联动交给你的秤或收银系统。
交付生鲜识别软件 / 端侧 SDK。
边界秤与打印由设备方负责，我们只出识别结果。
标品快速识别
现场明明有条码，但结账高峰扫不过来。
做法有码也认外观，直接按外观识别与计数，减少逐件对准扫码。
交付端侧 SDK + 客户端集成。
边界条码仍是你系统里的唯一商品标识，我们不改动你的编码体系。
散装计数（卤味、新鲜零食）
现场没有条码，大小包外观相似，人工点数慢且容易和出货对不上。
做法商品计数——数个数或份数，同一套 SDK 换这个场景的模型。
交付端侧 SDK + 计数客户端（开源）。
边界叠加与遮挡会掉准确率，这类现场要接受“能数准、不是百分之百”，并配合抽检。
制作质量评估
现场成品是否和标准品一致，靠师傅看。
做法给出与标准品的差异（形态、色泽、规格），而不是判“合格/不合格”。
交付随烘焙方案一起。
边界判定标准由你的品控定，我们给差异事实。
条码批量识别（进行中）
现场批量盘点、整箱核对的场合，一件一件扫太慢。
做法手机拍一次读多个码。
交付算法已就绪，SDK 封装中。
边界当前状态是进行中，落地场景还在找。
这块我们不做什么：不做收银系统、不做账务与对账、不替你定义商品编码。
行业 02
餐饮与食堂
这行的活分两种：把钱收对（认菜、认人、扣款），和把场管好（桌面、接待、清理）。
食材管理
现场食材进出库靠人记，盘点靠估。
做法识别 + 入库、出库、盘点流程，前端用开源客户端，数据进你的系统。
交付食材识别 SDK + 智能餐厅食材管理系统（开源）。
边界库存账与成本核算在你的 ERP 里，我们不接管。
菜品识别
现场自选餐按菜计价，菜品没有条码。
做法认具体菜品，识别在本地完成，结果交给结算端。
交付端侧 SDK + 餐厅业务端（开源）。
边界我们不定义菜品与价格，菜单与价目在你的系统。
小碗菜识别
现场菜装在碗盘里，按容器区分档次。
做法认餐具（碗型与规格），与菜品库关联后计价。
交付端侧 SDK + 餐厅业务端（与菜品识别共用同一个客户端）。
边界餐具要相对统一；混用一次性餐盒的现场，要先谈成像与容器规范。
人脸储值消费
现场企业餐厅、校园餐厅，饭卡容易丢，补卡麻烦。
做法先储值，人脸与账户关联，刷脸消费；双目加红外判活体防照片；人脸只存向量、不存原图。
交付人脸识别 SDK + 人脸消费终端。
边界充值与账务在谁的客户端里要事先说清；补贴、限额这类规则由你定。
场内 SOP（这块单独看）
现场桌面干不干净、客人坐了有没有人上前、走了有没有人收拾——靠巡店和肉眼，没法量化。
做法摄像头加盒子，判定四件事：桌面是否干净、是否有人落座、落座到有人上前用了多久、客人离开到桌面恢复可用用了多久。食堂同理：收残是否及时、有无残留物。
交付摄像头 + 盒子（LingtaiEdge 运行时 + 编排）。
边界只给时长与状态事实，达不达标由你定；我们不做排班与工单派发。
这块我们不做什么：不做点餐与支付账务、不做排班系统、不做大屏门户。
行业 03
工业制造
产线上不许试错：节拍固定、判定口径要写进工艺文件、误报多了工人会直接关掉系统。
产线 AI SOP
现场动作是否按规程执行（到位、顺序、次数、工具使用），靠班组长盯。
做法把工位动作拆成步骤，用算法组合与时序条件判定；判定在产线本地完成，不占带宽。
交付摄像头 + 盒子 + 编排配置。
边界规程由工艺方定义，我们按规程编排；工艺改了要同步改编排。
外观缺陷检测
现场反光、油污、小缺陷在整图上几乎看不见，人眼抽检慢且不稳。
做法成像方案先于模型（光源、角度、距离、曝光固定下来），再按区域切片、按缺陷类型分别设阈值；判定结果标在原图上。
交付成像方案 + 端侧检测模型 + 判定与留图规范 + 验收口径。
边界漏检与误报分开验收，各自要有上限；“准确率”这个词我们不单独用。
这块我们不做什么：不做产线控制与 PLC 编程、不做工艺定义、不承诺无条件指标。
行业 04
园区与公共
这里的活是“事后能查、事前能拦”——几千路摄像头不是问题，翻不出来才是问题。
园区安防（大型制造园区）
现场单厂区 8,000+ 路摄像头在跑，品牌混杂、时间基准不一致，出事靠人翻录像。
做法先做接入与时间对齐，把画面做成结构化事件与特征，按条件检索；分析与录像解耦。能力覆盖四组：周界与闯入、人员行为、车辆、检索与布控。
交付安防算法 + 算力服务器 + 安防 PaaS（可独立部署，也可嵌进集成商平台）。
边界事件上报到你或集成商的平台；谁有权、什么算违规，由你定。
校园安全与秩序
现场出入口、操场、食堂、消防通道、实验室，关注点分散。
做法出入口与周界、行为安全、食堂后厨、检索与巡更四组能力；校服识别用于秩序管理，不做身份推断。
交付算法 + 盒子 + PaaS。
边界情绪识别与语音语义类能力暂不对外（合规口径未定）；不出校园与学校名称。
医疗留观监测
现场接种后需留观 30 分钟，靠人工盯，漏看与纠纷都难举证。
做法人脸追踪判定在留观区何时进入、何时离开；多路摄像头之间用盒内向量库比对同一人，避免重复计数；抓拍先过质量关。
交付算力服务器或盒子 + 多路摄像头 + 与业务系统的对接。
边界是否满 30 分钟由业务系统判，我们只给时长事实；不出医院名称。
这块我们不做什么：不做业务系统与工单、不做身份档案、不碰客户的数据合规责任。