DSH Plugins
返回列表
🤖

xby-ebike-detection

模型推理 更新于 2026.09.02

在终端中运行以下命令:

dsh plugin install xby-skill/xby-ebike-detection

将以下提示词粘贴到 DeepSeek Harness 对话框中:

在 DeepSeek Harness 中执行 dsh plugin install xby-skill/xby-ebike-detection 即可安装,插件源码托管于 https://github.com/xby-skill/xby-ebike-detection 。

插件介绍

在智能交通、城市安防与保险风控等场景中,从一张图像里精准定位电动自行车往往是最基础也最容易被忽略的一环。通用目标检测模型要么粒度太粗把电动车归入"车辆"大类,要么对两轮电动自行车的召回率偏低。xby-ebike-detection 插件把这件事做成了一条极简的推理链路:你只需给出一张图片,插件就返回画面中每一辆电动自行车的检测框坐标、置信度分数和标签,无需自行部署模型或编写后处理逻辑。

插件提供了三种图片输入方式——文件链接、BASE64 编码字符串和本地文件路径——分别对应在线接口调用、前端直传和离线批处理等不同集成场景,开发者可以根据自身架构任意切换。API 密钥通过聊天指令一次写入后自动持久化,重启会话无需重新配置,省去了反复鉴权的麻烦。

它适合正在搭建交通监控、共享单车管理、保险定损等系统的开发者,也适合希望在 DeepSeek Harness 工作流中快速获得一项"图片进、结构化检测结果出"能力的自动化工程师。如果你不需要训练模型,只需要一个开箱即用的电动自行车检测接口,这个插件值得试一下。

使用场景

  • 城市交通监控中从街景图像识别电动自行车
  • 共享单车与电动车运营平台的车辆状态巡检
  • 保险理赔场景中检测事故现场的两轮电动车

适合人员

  • 智能交通与安防系统开发者
  • 保险风控与定损工程师
  • 需要图片推理步骤的自动化工作流工程师