变电站边缘 AI：告警防抖、去重与抑制策略手册（可执行）

调研日期：约 2026-10-25（Asia/Shanghai）
落盘：/workspace/research/edge-ai-alert-debounce-suppression.md
定位：站端规则引擎统一层——在「误报风暴」与「漏报」之间设可审计闸门；抑制只减上报/通知，不停推理、不挡证据、不改联锁。
衔接：edge-ai-event-schema-acceptance.md、edge-ai-mqtt-hardening-offline-buffer.md、edge-ai-evidence-store-snapshot-retention.md、edge-ai-active-learning-relabel-loop.md、edge-ai-intrusion-e-fence-sop.md、edge-ai-ppe-smoke-fire-model-shortlist.md、edge-ai-observability-logging-metrics.md。
参考实践：边缘 IVA 常见「持续时长门控 + 冷却」、同位置 IoU 抑制（如 CosmoEdge 类实现）、Giraffe 类「按相机×事件类型冷却」；参数以本手册表为准，禁止把厂商默认 6h 冷却原样搬进变电站烟火路径。

0. 一句话结论与红线

分层抑制（检测 NMS → 轨迹稳定 → 事件防抖 → 同类冷却 → 站点规则）只收敛重复告警与夜雾误报；烟火/闯入等高严重度禁止被静默全局抑制；每次抑制须可审计；禁止因抑制停推理或挡证据。

1. 分层架构（写死顺序）

帧 → 检测框 → [L1 NMS] → [L2 轨迹稳定] → 规则(围栏/PPE/烟火)
       → [L3 事件防抖] → [L4 同类冷却] → [L5 站点抑制规则]
       → MQTT events / 证据仓触发 /（可选）104 只读点
旁路：难例采样、telemetry、ops 抑制审计 —— 不受 L4/L5「通知冷却」影响（见 §4）

原则：L1–L2 是感知质量；L3–L4 是业务去重；L5 是运维策略。任何一层失败 → 放行候选并标 quality=suspect，禁止「默默丢掉」。

2. 参数表（按任务差异化）

2.1 通用键

2.2 任务默认值（验收期冻结进《配置基线表》）

25 fps 时：min_hits=5 ≈ 200 ms；烟火 min_hits=10 ≈ 400 ms，再叠加 debounce_ms 做持续确认。

2.3 夜雾 / 雨雾专项（L5 画质门控，不是关模型）

2.4 空间键与 IoU 去重算法（无稳定 track 时）

当跟踪丢失或表计无轨迹时，用空间桶代替 track_id：

1. 将 bbox 归一化中心 (cx,cy) 量化到网格（建议 32×18 @1080p，约 60px 一格）。
2. 键：(cam, event_code, zone_id?, grid_x, grid_y)。
3. 候选与该键下「上次告警框」算 IoU；若 IoU ≥ spatial_iou 且距上次告警 < cooldown_ms → L4 抑制。
4. IoU 低于阈值视为新目标 → 允许告警并更新「上次框」。
5. 时钟：冷却用 ts_mono_ms 差值，避免 NTP 跳变导致冷却「永久」或「瞬间到期」（对齐时间同步手册）。

伪代码：

if track_id known:
  key = (cam, code, zone, track_id)
else:
  key = (cam, code, zone, grid(cx), grid(cy))
last = state[key]
if last and now_mono - last.t < cooldown_ms and iou(box, last.box) >= spatial_iou:
  audit(SUPPRESS, COOLDOWN); return
emit_alarm(); state[key] = {t: now_mono, box}

3. 与 Schema / MQTT / 证据 / 主动学习的关系

3.1 Schema：severity / quality / debounce_ms

MQTT：告警仍走 …/events/{task} QoS1；被 L4/L5 抑制的重复帧不发 events，但可按需发 QoS0 ops 计数（suppress_count）进 telemetry，避免 Broker 风暴。断线缓冲优先级仍按 MQTT 手册：高严重度 events > status > 低优先级帧。

3.2 证据仓触发节流（对齐证据手册）

3.3 主动学习

• 抑制不关闭 LOW_SCORE / HIGH_ENTROPY / RULE_MODEL_MISMATCH 采样。
• 被 L5 票窗降敏的帧：优先进难例池（负样本/授权进场），标签 authorized 或 steam_suspect。
• 人工 HUMAN_REJECT 反馈可调高该 cam×code 的 score_thr，不得自动写「永久 suppress」。

3.4 电子围栏 / PPE / 烟火衔接

4. 可审计抑制（实现清单）

每条抑制记录（本地 SQLite / JSONL，保留 ≥30 天）：

{
  "ts_utc": "2026-10-25T01:02:03.456Z",
  "site": "SS-220-01", "cam": "bay3-camA",
  "task": "smoke_fire", "event_code": "SMOKE_FIRE",
  "track_id": 42, "score": 0.61, "iou": 0.44,
  "layer": "L4", "rule_id": "cooldown:cam+code",
  "suppress_reason": "COOLDOWN_ACTIVE",
  "cooldown_left_ms": 18200,
  "would_severity": "critical",
  "action": "NO_MQTT_EVENT_BUT_INFER_OK"
}

指标（对齐可观测性手册）：alert_emit_total、alert_suppress_total{reason,layer,code}、debounce_pending_gauges；看板告警「抑制比」异常升高 → 查夜雾/阈值漂移，禁止再加长冷却掩盖。

5. 两周落地 + 验收门禁

5.1 两周清单

5.2 验收门禁（不通过不得扩站）

5.3 回放验收用例（最小集）

6. 配置片段（示例）

# config/alert_policy.yaml  — 与 model.ver 解耦，升 config.ver
schema_ver: "1.0.0"
config_ver: "2026.10.25-debounce-v1"
layers:
  nms_iou: 0.45
  tracker: bytetrack
  min_hits_default: 5
tasks:
  ppe:
    event_code: PPE_VIOLATION
    score_thr: 0.50
    require_person: true
    debounce_ms: 2000
    cooldown_ms: 120000
    spatial_iou: 0.30
  intrusion:
    event_code: PERSON_INTRUSION
    score_thr: 0.40
    dwell_ms: 2000
    debounce_ms: 2500
    cooldown_ms: 180000
    exit_clear_ms: 8000
  smoke_fire:
    event_code: SMOKE_FIRE
    score_thr: { fire: 0.45, smoke: 0.50 }
    min_hits: 12
    debounce_ms: 4000
    cooldown_ms: 45000          # 短冷却；禁止 6h
    allow_site_mute: false      # 硬编码红线
  meter:
    debounce_ms: 1000
    cooldown_ms: 600000
site_rules:
  - id: ticket_weld_bay3
    when: "ticket.weld && bay==bay-3"
    action: demote_smoke_to_ops
  - id: fog_gate
    when: "quality.fog < 0.35"
    action: tighten_min_hits:+2

下行仅允许改已备案参数（见 Schema set_threshold）；allow_site_mute 对烟火/闯入恒 false。

7. 常见误区

8. 文档修订