# ============================================================
# 龙亭新水岛 水厂配置文件
# ============================================================
# 使用方法：python tool/migrate_yaml_to_db.py --yaml 本文件路径 --force
# 导入后可通过 API（:8080）在线修改，无需再编辑此文件
# ============================================================

# ----------------------------------------------------------
# 水厂列表
# ----------------------------------------------------------
plants:
- name: 龙亭新水岛                   # 水厂名称
  enabled: true                     # 是否启用
  project_id: 1450                  # 平台项目 ID

  # 流量 PLC 映射（泵名称 -> PLC 地址）
  flow_plc:
    高压泵1流量: ns=3;s=1#RO_JSFLOW_O
    高压泵2流量: ns=3;s=2#RO_JSFLOW_O

  # 泵状态 PLC 点位（val=1 运行, val=0 停机）
  pump_status_plc:
    段间泵:                          # pump_name（与 rtsp_streams.pump_name 对应）
    - point: ns=6;s=P_1#RODJB_RFB
      name: 1#RO段间泵
    - point: ns=6;s=P_2#RODJB_RFB
      name: 2#RO段间泵
    高压泵:
    - point: ns=6;s=P_1#ROGYB_RFB
      name: 1#RO高压泵
    - point: ns=6;s=P_2#ROGYB_RFB
      name: 2#RO高压泵

  # RTSP 拾音器流（每个流 = 一台拾音器）
  rtsp_streams:
  - name: 龙亭一层冲洗泵区域5         # 显示名称
    url: rtsp://rtsp:newwater123@192.168.70.11:31016/cam/realmonitor?channel=5&subtype=0
    channel: 5                       # 通道号
    device_code: LT-5                # 设备编码（唯一，训练数据/模型目录名）
    pump_name: 段间泵                # 关联泵名称
    model_subdir: LT-5              # 模型目录（默认 = device_code）
  - name: 龙亭一层高压泵区域
    url: rtsp://rtsp:newwater123@192.168.70.11:31016/cam/realmonitor?channel=2&subtype=0
    channel: 2
    device_code: LT-2
    pump_name: 高压泵
    model_subdir: LT-2

# ----------------------------------------------------------
# 音频采集参数
# ----------------------------------------------------------
audio:
  sample_rate: 16000                 # 采样率 Hz（必须与训练一致）
  file_duration: 60                  # 每个音频文件时长（秒）
  segment_duration: 60               # FFmpeg 切片时长（秒）
  auto_cleanup:
    enabled: true
    delete_normal: true
    keep_recent_count: 100

# ----------------------------------------------------------
# 异常检测参数
# ----------------------------------------------------------
prediction:
  batch_size: 64                     # 推理批大小
  check_interval: 1.0               # 检查新文件间隔（秒）
  default_threshold: 0.01           # 默认阈值（模型未加载时）
  voting:                            # 滑动窗口投票
    enabled: true
    window_size: 5                   # 5 个周期约 5 分钟
    threshold: 3                     # 5 次中 3 次异常才报
  frequency_history:
    enabled: true
    history_minutes: 10
  energy_detection:                  # 音频能量检测（无 PLC 时判断启停）
    enabled: true
    skip_when_stopped: true
  save_anomaly_audio:
    enabled: true
    save_dir: data/anomaly_detected
    cooldown_minutes: 15
    context_capture:
      enabled: true
      pre_minutes: 2
      post_minutes: 2

# ----------------------------------------------------------
# 推送通知
# ----------------------------------------------------------
push_notification:
  enabled: false                     # 总开关（false = 不推送任何消息）
  alert_enabled: false               # false = 只推心跳不推告警
  push_base_urls:
    - label: "外网"
      url: "http://120.55.44.4:8900/api/v1/dumu/push-msg"
    - label: "内网"
      url: "http://192.168.60.8:8900/api/v1/dumu/push-msg"
  timeout: 30
  retry_count: 2
  cooldown_minutes: 15
  cooldown_same_type_hours: 24
  cooldown_diff_type_hours: 1
  alert_aggregate:
    enabled: true
    window_seconds: 300
    min_devices: 2

# ----------------------------------------------------------
# 项目模式调度（参观/检修/调试模式下自动暂停异响检测）
# ----------------------------------------------------------
project_mode:
  base_url: http://120.55.44.4:8900    # 平台 API 根地址
  poll_interval: 60                     # 查询间隔（秒）
  request_timeout: 10                   # 请求超时（秒）

# ----------------------------------------------------------
# SCADA/PLC 接口
# ----------------------------------------------------------
scada_api:
  enabled: true
  base_url: http://120.55.44.4:8900/api/v1/jinke-cloud/db/device/history-data
  realtime_url: http://120.55.44.4:8900/api/v1/jinke-cloud/device/current-data
  jwt_token: eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJJRCI6NywiVXNlcm5hbWUiOiJhZG1pbiIsIkRlcCI6IjEzNSIsImV4cCI6MTc3NjExOTExNCwiaXNzIjoiZ2luLWJsb2cifQ.0HTtzHZjyd2mHo8VCy8icYROxmntRMuQhyoZsAYRL_M
  timeout: 10

# ----------------------------------------------------------
# 人体检测抑制
# ----------------------------------------------------------
human_detection:
  enabled: false
  db_path: /data/human_detector/detection_status.db
  cooldown_minutes: 5

# ----------------------------------------------------------
# 自动增量训练
# ----------------------------------------------------------
auto_training:
  enabled: True                      # 总开关（暂时关闭自动增训）
  data:
    keep_normal_days: 7               # 正常音频保留天数
    keep_anomaly_days: -1             # 异常音频保留天数（-1=永久）
    cleanup_time: "00:00"             # 每日清理时间（0点）
  incremental:
    enabled: true
    schedule_time: "02:00"            # 每日训练时间
    use_days_ago: 1                   # 使用N天前的数据（1=昨天）
    sample_hours: 1                   # 随机采样时长（小时），0=使用全部
    min_samples: 50                   # 最少样本数，不足则跳过
    epochs: 30                        # 训练轮数（配合早停，实际通常更少）
    learning_rate: 0.0001             # 学习率
    batch_size: 32                    # 批大小（降低显存占用）
    early_stop_patience: 5            # 早停耐心值：连续N轮loss无改善则停止
    training_device: auto
    min_gpu_mem_mb: 512               # auto模式下GPU空闲显存低于此值(MB)时回退CPU
  model:
    backup_before_train: true         # 训练前备份
    keep_backups: 7                   # 保留备份数量
    auto_deploy: true                 # 自动部署新模型
    update_thresholds: true           # 训练后更新阈值npy
    rollback_on_degradation: true     # 训练后损失异常时自动回滚到备份
    rollback_factor: 2.0              # 新模型损失 > 旧阈值 * 此因子则判定为退化
  validation:
    enabled: true
  cold_start:
    enabled: true
    wait_hours: 2                     # 等待收集数据时长
    min_samples: 100                  # 最少样本数