Tiger AI 平台图像分割全栈落地实战｜完整双引擎 RF-DETR/MobileSAM、前后端 Flask-Vue 工程、API 异步视频推理、多行业分割落地

目录一、前言二、图像分割模块整体架构与双引擎能力定义2.1 模块路由与分层调用链路2.2 双分割引擎核心能力对照表2.3 项目完整目录（分割相关核心文件）三、全栈技术栈完整明细3.1 前端技术（Vue3 生态）3.2 后端 Python 技术栈3.3 环境硬件与存储配置四、环境一键部署完整脚本4.1 Python 后端依赖安装4.2 前端依赖启动4.3 环境校验完整代码（env_check.py）五、后端推理核心完整工程代码（inference.py）六、后端 Flask 路由完整代码（ai_model.py）七、前端 Vue 完整分割页面（index.vue）八、模型权重管理与预置配置8.1 seed.py 平台预置模型配置（启动自动注册）8.2 权重拉取逻辑九、三大行业完整落地实战案例案例 1：工业零部件实例分割（RF-DETR）案例 2：电商商品抠图（MobileSAM 点交互）案例 3：航拍遥感全自动分割（Mobile Auto）十、高频报错与平台优化方案十一、平台拓展升级方向十二、全文总结一、前言当前一站式 AI 视觉管理平台已成为企业智能化刚需，Tiger AI Platform 集成目标检测、追踪、姿态、分割、NLP、语音等 16 类 AI 任务，统一权重拉取、在线推理、可视化测试能力。其中图像分割模块是平台核心视觉功能，区别于单一分割脚本，平台采用双引擎并行架构：RF-DETR 面向 COCO 通用实例批量分割、MobileSAM 面向交互式任意目标抠图，同时支持图片同步推理、大视频异步后台处理、前端 Canvas 点选交互、结果掩码导出全链路能力。多数开发者仅单独跑分割模型，缺少完整平台化工程方案：无前后端交互规范、无异步任务调度、无模型权重统一管理、无标准化接口返回格式。本文基于 Tiger AI Platform 开源工程完整拆解，独立原创无前文关联，全覆盖模块架构、分层技术栈、权重拉取机制、全套可运行前后端代码、接口文档、工业落地案例，无碎片化小代码，从零复刻平台图像分割完整业务流程，可直接集成自有 AI 管理系统。