语义分割系统（SegServer）

基于 React + FastAPI + 可选 SAM 2 / SAM 3 的全栈交互式图像/视频语义分割与标注平台。

支持本地多媒体资产上传、服务器端按帧解析、交互式 Canvas 标注、视频片段传播、GT mask 导入、模板分类管理和标注数据结构化导出；工作区点/框 AI 推理默认走 SAM 2，SAM 3 支持语义文本、框选提示和 video tracker，前端会显示真实 GPU/模型状态。

---

核心功能

• 多媒体资产管理 — 支持视频（MP4/AVI/MOV）和 DICOM 医学影像的上传、存储与解析
• AI 智能分割引擎 — 后端提供 SAM 2 / SAM 3 模型选择；SAM 2 支持点分割（point）、框分割（box）、自动分割（auto）和 video predictor 传播，SAM 3 入口支持文本语义提示、框选提示和 external video tracker，并按真实运行环境显示可用性
• 交互式画布标注 — 基于 Konva 的高性能 Canvas，支持缩放/平移/手工多边形/矩形/圆/点/线、polygon 顶点拖动/删除、区域合并/去除、选点/框选、撤销/重做，实时渲染 Mask 遮罩
• GT Mask 导入 — 工作区可导入 GT mask 图片，后端按非零像素值和连通域生成 polygon 标注并用 distance transform 写入 seed point；前端可回显和拖动 seed point
• 本体字典管理 — 可配置的分类体系、颜色映射、图层优先级（z-index）
• 项目工作区 — 项目创建、帧浏览、多图层标注、进度追踪
• 数据导出 — 支持 COCO JSON 格式和 PNG Mask 批量导出；PNG ZIP 包含单标注 mask、按 z-index 融合的语义 mask 和类别映射

---

系统架构

┌─────────────────────────────────────────────────────────────┐
│  前端展示层 (React 19 + Vite + TailwindCSS)                │
│  localhost:3000                                             │
│  Zustand(状态) + Axios(API) + WebSocket(实时进度)           │
│  Konva(Canvas渲染) + lucide-react(图标)                     │
└──────────────────────────┬──────────────────────────────────┘
                           │ HTTP / WebSocket
┌──────────────────────────▼──────────────────────────────────┐
│  业务逻辑层 (FastAPI + Python 3.11)                        │
│  localhost:8000                                             │
│  ├── /api/auth     登录认证                                  │
│  ├── /api/projects 项目 & 视频帧 CRUD                       │
│  ├── /api/templates 本体字典（分类/颜色/z-index）            │
│  ├── /api/media    文件上传 & 异步拆帧任务创建             │
│  ├── /api/tasks    Celery 后台任务状态/取消/重试/详情       │
│  ├── /api/ai       SAM 2 / SAM 3 推理与模型状态             │
│  └── /api/export   COCO JSON / PNG Masks 导出              │
└──────────────────────────┬──────────────────────────────────┘
                           │ SQLAlchemy 2.0
┌──────────────────────────▼──────────────────────────────────┐
│  数据持久化层                                               │
│  PostgreSQL 14  — 项目/帧/标注/Mask/Task 元数据             │
│  Redis 6        — Celery broker/result backend + 进度 pub/sub │
│  MinIO          — 对象存储（原始视频/解析帧/Mask图像）       │
└─────────────────────────────────────────────────────────────┘

---

技术栈

层级	技术选型	版本
前端框架	React + TypeScript	React 19, TS 5.8
构建工具	Vite	v6
样式方案	TailwindCSS + 自定义深色主题	v4
状态管理	Zustand	-
Canvas 渲染	Konva + react-konva	-
几何布尔运算	polygon-clipping	0.15+
HTTP 客户端	Axios	-
后端框架	FastAPI	v0.136+
数据库 ORM	SQLAlchemy（依赖中包含 Alembic）	2.0+
数据库	PostgreSQL	14
队列 Broker	Redis	6
后台任务	Celery worker	5.6+
对象存储	MinIO	2025+
AI 推理	SAM 2 / SAM 3 (Meta) + PyTorch	-
视频处理	FFmpeg + OpenCV	4.4+
DICOM 处理	pydicom	3.0+

---

目录结构

Seg_Server/
├── backend/                       # FastAPI 后端
│   ├── main.py                    # 应用入口（CORS/生命周期/路由注册/WebSocket）
│   ├── config.py                  # 环境变量配置（Pydantic Settings）
│   ├── database.py                # SQLAlchemy 引擎 + Session
│   ├── models.py                  # ORM 模型（Project/Frame/Template/Annotation/Mask/ProcessingTask）
│   ├── schemas.py                 # Pydantic 请求/响应校验模型
│   ├── minio_client.py            # MinIO 上传/下载/预签名URL封装
│   ├── redis_client.py            # Redis 连接封装
│   ├── progress_events.py         # 任务进度事件 payload 与 Redis 发布
│   ├── statuses.py                # 项目/任务状态常量
│   ├── celery_app.py              # Celery app 配置
│   ├── worker_tasks.py            # Celery 任务入口
│   ├── download_sam2.py           # SAM 2 模型权重自动下载脚本
│   ├── setup_sam3_env.sh          # SAM 3 独立 Python 3.12 环境安装脚本
│   ├── requirements.txt           # Python 依赖
│   ├── routers/                   # API 路由
│   │   ├── auth.py                # 登录认证
│   │   ├── projects.py            # 项目 & 帧 CRUD
│   │   ├── templates.py           # 本体字典管理
│   │   ├── media.py               # 上传 & 解析
│   │   ├── ai.py                  # SAM 推理与模型状态接口
│   │   └── export.py              # 数据导出
│   └── services/                  # 业务服务
│       ├── sam2_engine.py         # SAM 2 推理引擎（单帧推理 + video predictor 传播）
│       ├── sam3_engine.py         # SAM 3 状态检测、外部环境桥接、文本语义推理、框选与 video tracker 适配器
│       ├── sam3_external_worker.py # 独立 sam3 conda 环境中执行的状态/推理 helper
│       ├── sam_registry.py        # SAM 模型选择、GPU 状态与推理分发
│       └── frame_parser.py        # FFmpeg 拆帧 / pydicom 读片
├── src/                           # React 前端
│   ├── main.tsx                   # 应用挂载点
│   ├── App.tsx                    # 根组件（模块路由 + 鉴权）
│   ├── store/
│   │   └── useStore.ts            # Zustand 全局状态
│   ├── lib/
│   │   ├── api.ts                 # Axios 实例 + API 方法封装
│   │   ├── websocket.ts           # WebSocket 客户端（解析进度）
│   │   └── utils.ts               # cn() 工具函数
│   └── components/                # 组件（扁平化目录）
│       ├── Login.tsx              # 登录页
│       ├── Sidebar.tsx            # 左侧导航栏
│       ├── Dashboard.tsx          # 总体概况仪表盘（解析队列/任务控制）
│       ├── ProjectLibrary.tsx     # 项目库列表
│       ├── VideoWorkspace.tsx     # 核心分割工作区布局
│       ├── CanvasArea.tsx         # Konva 画布（缩放/平移/手工绘制/选点/Mask渲染）
│       ├── ToolsPalette.tsx       # 左侧工具栏
│       ├── OntologyInspector.tsx  # 右侧本体/属性检查面板
│       ├── FrameTimeline.tsx      # 底部时间轴
│       ├── AISegmentation.tsx     # AI 智能分割引擎界面
│       └── TemplateRegistry.tsx   # 模板库管理
├── models/                        # SAM 2 模型权重（.pt 文件）
├── uploads/                       # 临时上传目录
├── frames/                        # 临时帧目录
├── doc/                           # 当前实现审计、接口契约与后续实施文档
├── public/
│   └── logo.png                   # 侧边栏 Logo 静态资源
├── start_services.sh              # 一键启动所有服务脚本
├── server.ts                      # Express + Vite 前端入口（也保留少量旧版 mock API）
├── index.html                     # SPA HTML 入口
├── vite.config.ts                 # Vite 构建配置
├── package.json                   # npm 依赖与脚本
└── tsconfig.json                  # TypeScript 配置

---

项目文档

当前实现审计与接口契约文档在 doc/ 目录：

• doc/01-purpose-and-word-summary.md — 项目目的、Word 方案摘要与当前落地程度
• doc/03-frontend-element-audit.md — 前端逐元素功能审计，标注真实可用、部分可用、Mock/UI-only、接口不通
• doc/04-api-contracts.md — 前后端接口契约和已知不一致
• doc/06-fastapi-docs-explained.md — http://192.168.3.11:8000/docs 的作用说明

---

环境准备

系统要求

• OS: Ubuntu 22.04 LTS
• GPU: NVIDIA GPU（推荐 RTX 4090 或同等算力），用于 SAM 推理；SAM 3 官方要求 Python 3.12+、PyTorch 2.7+ 和 CUDA 12.6+ 环境
• CUDA: 12.x / 13.x
• Node.js: 22.x+
• Python: 主后端使用 3.11（通过 Miniconda/Anaconda 管理）；SAM 3 使用独立 sam3 Python 3.12 conda 环境

安装系统级依赖

# 更新包索引
sudo apt update

# 安装 PostgreSQL、Redis、FFmpeg、构建工具
sudo apt install -y postgresql postgresql-contrib redis-server ffmpeg \
    libpq-dev build-essential curl ca-certificates gnupg

# 安装 MinIO（二进制方式）
mkdir -p ~/minio_data
cd /tmp
wget https://dl.min.io/server/minio/release/linux-amd64/minio
chmod +x minio
sudo mv minio /usr/local/bin/

---

部署流程

步骤 1: 配置 PostgreSQL 数据库

# 启动服务
sudo systemctl start postgresql redis-server

# 创建数据库和用户
sudo -u postgres psql -c "CREATE DATABASE segserver;"
sudo -u postgres psql -c "CREATE USER seguser WITH PASSWORD 'segpass123';"
sudo -u postgres psql -c "GRANT ALL PRIVILEGES ON DATABASE segserver TO seguser;"
sudo -u postgres psql -d segserver -c "GRANT ALL ON SCHEMA public TO seguser;"
sudo -u postgres psql -c "ALTER DATABASE segserver OWNER TO seguser;"

步骤 2: 启动 MinIO

nohup minio server ~/minio_data --console-address :9001 > /tmp/minio.log 2>&1 &

# 验证
# API:   http://localhost:9000
# 控制台: http://localhost:9001 （minioadmin / minioadmin）

步骤 3: 创建 Conda 环境并安装 Python 依赖

# 创建环境
conda create -n seg_server python=3.11 -y
conda activate seg_server

# 安装 PyTorch（根据 CUDA 版本选择）
# CUDA 12.x 用户:
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

# CPU 用户（无 GPU）:
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

# 安装后端依赖
cd ~/Desktop/Seg_Server/backend
pip install -r requirements.txt

步骤 4: 下载 SAM 2 模型权重

cd ~/Desktop/Seg_Server/backend
python download_sam2.py

# 模型将下载到 ~/Desktop/Seg_Server/models/
# sam2_hiera_tiny.pt   (149 MB)
# sam2_hiera_small.pt  (176 MB)
# sam2_hiera_base_plus.pt (309 MB)
# sam2_hiera_large.pt  (856 MB)

注意：当前系统磁盘紧张时，建议仅保留 sam2_hiera_tiny.pt，删除其他模型以释放空间。

步骤 5: 可选安装 SAM 3 环境

当前后端不会把 SAM 3 直接装进 seg_server，而是通过独立 sam3 conda 环境执行 backend/services/sam3_external_worker.py。这样可以保留现有 Python 3.11 / SAM 2 环境。

cd ~/Desktop/Seg_Server
./backend/setup_sam3_env.sh

# 如果已把权重放在 sam3权重/sam3.pt，可直接走本地 checkpoint；
# 未配置本地 checkpoint 时，才需要 Hugging Face gated repo 授权和登录。

官方 facebook/sam3 权重约 3.45 GB，当前没有类似 SAM 2 tiny/small/base/large 的官方小权重梯度。当前仓库默认使用本机 sam3权重/sam3.pt，不会提交权重文件；未配置本地 checkpoint 且未获得 gated model 授权时，GET /api/ai/models/status 会把 SAM 3 标为不可用并说明 checkpoint access 不满足。

步骤 6: 配置环境变量

后端通过 backend/config.py 中的 Pydantic Settings 读取 backend/.env。如需覆盖默认值，请编辑以下文件：

backend/.env（数据库/Redis/MinIO/SAM 路径）:

db_url=postgresql://seguser:segpass123@localhost:5432/segserver
redis_url=redis://localhost:6379/0
minio_endpoint=192.168.3.11:9000
minio_access_key=minioadmin
minio_secret_key=minioadmin
minio_secure=false
sam_model_path=/home/wkmgc/Desktop/Seg_Server/models/sam2_hiera_tiny.pt
sam_model_config=configs/sam2/sam2_hiera_t.yaml
sam_default_model=sam2
sam3_model_version=sam3
sam3_checkpoint_path=/home/wkmgc/Desktop/Seg_Server/sam3权重/sam3.pt
sam3_external_enabled=true
sam3_external_python=/home/wkmgc/miniconda3/envs/sam3/bin/python
sam3_timeout_seconds=300
cors_origins=["http://localhost:3000","http://192.168.3.11:3000"]

前端根目录的 .env.example 包含 AI Studio 注入变量和前端 API 配置：

VITE_API_BASE_URL=http://192.168.3.11:8000
VITE_WS_PROGRESS_URL=ws://192.168.3.11:8000/ws/progress

如果未配置 VITE_API_BASE_URL，前端会按当前浏览器 hostname 推导 http://<host>:8000。

步骤 7: 启动后端服务

cd ~/Desktop/Seg_Server/backend
source ~/miniconda3/etc/profile.d/conda.sh
conda activate seg_server
uvicorn main:app --host 0.0.0.0 --port 8000

# 或使用后台模式
nohup uvicorn main:app --host 0.0.0.0 --port 8000 > /tmp/fastapi.log 2>&1 &

后端启动后将自动：

• 创建数据库表（如果不存在）
• 检查 MinIO bucket 是否存在
• 测试 Redis 连接
• 懒加载 SAM 模型；GET /api/ai/models/status 会返回 SAM 2、SAM 3、GPU 和 SAM 3 checkpoint access 的真实可用状态
• /api/ai/predict 支持 AI 参数 crop_to_prompt、auto_filter_background 和 min_score，用于点/框 prompt 的局部裁剪推理、回映射和背景过滤
• /api/ai/propagate 支持从当前帧 seed 区域向视频片段传播：SAM 2 使用 SAM2VideoPredictor.add_new_mask() + propagate_in_video()，SAM 3 通过独立 Python 3.12 helper 调用官方 build_sam3_video_predictor() video tracker

步骤 6.1: 启动 Celery Worker

cd ~/Desktop/Seg_Server/backend
source ~/miniconda3/etc/profile.d/conda.sh
conda activate seg_server
celery -A celery_app:celery_app worker --loglevel=info --concurrency=1

# 或使用后台模式
nohup celery -A celery_app:celery_app worker --loglevel=info --concurrency=1 > /tmp/celery.log 2>&1 &

POST /api/media/parse 只创建 processing_tasks 记录并把任务投递给 Celery；真正的 FFmpeg/OpenCV/pydicom 拆帧由 worker 执行。接口支持 parse_fps、max_frames 和 target_width，用于生成后续 SAM 2 / SAM 3 视频处理可复用的标准帧序列；视频帧按 frame_%06d.jpg 连续命名，帧表会记录 timestamp_ms 和 source_frame_number，任务完成结果会返回 frame_sequence 元数据。worker 每次更新任务状态后会发布到 Redis seg:progress 频道，FastAPI 订阅后转发到 /ws/progress，前端 Dashboard 可实时更新。Dashboard 也可调用 /api/tasks/{id}/cancel、/api/tasks/{id}/retry 和 /api/tasks/{id} 完成任务取消、重试与失败详情查看。

步骤 7: 安装前端依赖并构建

cd ~/Desktop/Seg_Server

# 安装依赖
npm install

# 类型检查
npm run lint

# 生产构建
npm run build

# 启动前端服务
npm start

# 或使用后台模式
nohup npm start > /tmp/frontend.log 2>&1 &

---

一键启动（推荐）

项目根目录提供了 start_services.sh 脚本，可一键启动所有服务：

cd ~/Desktop/Seg_Server
./start_services.sh

脚本将依次检查并启动：PostgreSQL → Redis → MinIO → FastAPI 后端 → Celery Worker → 前端。

---

访问地址与默认凭证

服务	地址	说明
前端界面	http://localhost:3000	admin / 123456
后端 API 文档	http://localhost:8000/docs	Swagger UI
MinIO 控制台	http://localhost:9001	minioadmin / minioadmin
PostgreSQL	localhost:5432	seguser / segpass123

---

可用命令

前端

npm install       # 安装依赖
npm run dev       # 运行 tsx server.ts，Express + Vite 中间件（端口 3000）
npm run build     # 生产构建（输出到 dist/）
npm run lint      # TypeScript 类型检查
npm run test      # Vitest watch 模式
npm run test:run  # Vitest 单次运行
npm start         # Node.js 运行 server.ts（生产静态服务 / 旧版 mock API）

后端

# 在 conda seg_server 环境中
cd backend
pip install -r requirements-dev.txt                         # 安装后端测试依赖
pytest tests                                                # 后端接口测试
uvicorn main:app --host 0.0.0.0 --port 8000 --reload    # 开发模式（热重载）
uvicorn main:app --host 0.0.0.0 --port 8000             # 生产模式
celery -A celery_app:celery_app worker --loglevel=info --concurrency=1  # 后台任务 worker

---

常见问题

Q1: 磁盘空间不足导致 PyTorch / sam2 安装失败

现象: OSError: [Errno 28] No space left on device

解决:

# 1. 清理系统包缓存
sudo apt autoremove -y && sudo apt clean

# 2. 清理 conda 缓存
conda clean --all -y

# 3. 仅保留最小模型
rm ~/Desktop/Seg_Server/models/sam2_hiera_large.pt
rm ~/Desktop/Seg_Server/models/sam2_hiera_base_plus.pt
rm ~/Desktop/Seg_Server/models/sam2_hiera_small.pt

# 4. 如需安装 sam2 包，确保有 >5GB 可用空间后再执行

Q2: SAM 2 推理返回 dummy polygons（矩形框）

原因: sam2 Python 包未安装，或模型权重路径不正确。

解决:

# 1. 确认模型文件存在
ls ~/Desktop/Seg_Server/models/sam2_hiera_tiny.pt

# 2. 安装 sam2（需 >5GB 磁盘空间）
cd /tmp
git clone --depth 1 https://github.com/facebookresearch/segment-anything-2.git
cd segment-anything-2
pip install -e . --no-build-isolation

# 3. 重启后端服务

Q3: MinIO 报 XMinioStorageFull

原因: 系统磁盘可用空间低于 MinIO 默认阈值。

解决: 清理解析产生的临时帧文件或扩展磁盘空间。

Q4: 前端无法连接后端 API

检查清单:

1. 后端是否已启动（curl http://localhost:8000/health）
2. backend/.env 中的 cors_origins 是否包含 http://localhost:3000
3. 前端是否配置了正确的 VITE_API_BASE_URL；未配置时会按当前浏览器 hostname 推导 http://<host>:8000

Q5: 如何验证 AI 推理或 COCO 导出接口

当前状态:

• 前端 predictMask() 已发送后端需要的 image_id、prompt_type、prompt_data，并把后端 polygons 转成 Konva pathData。
• 工作区点选/框选会使用当前帧的数据库 frame.id 调用 /api/ai/predict。
• 工作区“传播片段”会使用当前选中区域或当前帧第一个区域作为 seed，调用 /api/ai/propagate，并在完成后刷新已保存标注。
• 前端 exportCoco() 已对齐到 /api/export/{projectId}/coco。
• 工作区“导出 JSON 标注集”和“导出 PNG Mask ZIP”按钮已绑定下载流程；导出前会先保存当前待归档的前端 mask。
• 工作区“导入 GT Mask”按钮已绑定 /api/ai/import-gt-mask，导入后会刷新并回显已保存标注和 seed point。
• 工作区“结构化归档保存”按钮会把当前项目未保存 mask 写入 POST /api/ai/annotate，并把 dirty mask 写入 PATCH /api/ai/annotations/{id}。
• 工作区“清空遮罩”会通过 DELETE /api/ai/annotations/{id} 删除当前帧已保存标注，并清空当前帧本地 mask。

验证:

curl http://localhost:8000/health
curl http://localhost:8000/api/export/1/coco
curl http://localhost:8000/api/export/1/masks

---

开发团队

本项目基于 Google AI Studio 模板构建，经全栈化改造后用于工业级语义分割场景。

---

如需添加新功能或修复问题，请遵循项目根目录 工程分析/代码编纂工作流.md 中定义的代码编纂流程。