图像标注开源软件：BlackBatFlower 的 AI 辅助标注与 YOLO11 数据集链路
计算机视觉项目的瓶颈常常不在模型训练，而在训练数据的生产链路。图片、视频、历史 LabelMe 数据集和现场摄像头流通常来自不同入口，若标注工具只能处理离线图片，数据导入、人工标注、模型辅助和数据集导出便容易断开。BlackBatFlower 采用 Python 3.x 构建，后端使用 Flask 3.1.2，前端由 HTML5、CSS3 与 JavaScript 组成。该组合将标注工作台、文件管理、模型配置和数据集导出放在浏览器界面中，降低了标注人员使用本地脚本或多个独立工具的门槛。数据入口覆盖图片文件夹、视频文件和 LabelMe 格式数据集，适合将既有标注资产接入统一工作台。对于视频分析场景，BlackBatFlower 还支持 RTSP 流和网络摄像头输入，使现场画面可以进入标注流程。不同输入类型最终需要归并为一致的标注对象和类别管理逻辑，才能避免训练集在来源切换时丢失上下文。
