本表只统计各快照 upstream/ 中保留下来的 Python 相关文件。每个项目的原始链接和固定提交见 SOURCE_INFO.yaml，实际文件数量以 FILES_SHA256.txt 为准。
| 项目 | Python 入口/内容 | 场景定位 |
|---|---|---|
ultralytics |
ultralytics/、examples/、pyproject.toml、数据 YAML |
YOLO 训练、验证、预测、跟踪和导出框架 |
fire_detection_pedbrgs |
detect.py、temporal/、scripts/ |
明火检测与跨帧处理，直接匹配 |
fire_smoke_detection_talha |
Python 推理脚本和数据配置 | 明火、烟雾，直接匹配 |
dfire_dataset |
数据整理/切分脚本 | D-Fire 火焰与烟雾数据工具 |
pyronear_temporal_model |
src/、api/、测试 |
火灾时序确认，直接匹配 |
bytetrack |
yolox/、tools/、跟踪实现 |
人员、车辆和其他目标跨帧跟踪 |
aow_yolo_smoking |
Ultralytics 派生 Python 代码、训练配置和 Notebook | 人员吸烟、香烟小目标，直接匹配 |
hotwork_monitor_yolov8 |
backend/、配置和检测脚本 |
动火区域、气瓶距离、灭火器和连续帧告警 |
industrial_extinguisher_yolov8 |
HACKFEST.ipynb |
灭火器、工具箱、氧气瓶训练 Notebook |
industrial_safety_vision |
src/、配置、评测和测试 |
工厂区域、危险行为和安全规则参考 |
inventory_verification |
verify_and_train.py、backend/ |
箱体、托盘和库存识别，物料堆近似参考 |
先读 ultralytics 了解 YOLO API，再按场景阅读明火/烟雾、吸烟、动火和灭火器项目；最后用 pyronear_temporal_model、bytetrack、industrial_safety_vision 对照跨帧和区域规则。附录原型中的 Detection、RuleEngine 和 AlertManager 只是整理者编写的接口示例。
快照中的 Markdown、网页资源、图片、视频、C/C++/CUDA、Shell、Docker、缓存和模型文件已移除。Notebook 保留是因为它们以 Python 单元为主，并且对训练流程有阅读价值；Notebook 输出不代表本仓库提供了权重或数据集。