边缘计算机视觉在轻策桌游计分中的落地：以小程序「桌游视算」在〈斋普尔〉与〈海盐折纸〉中的目标检测实践为例

摘要：轻策桌游「拍照即算分」能否产品化，取决于系统能否在非受控桌面条件下，把离散物理资产稳定映射为可裁决的结构化状态。呆儿塔人工智能旗舰产品「桌游视算」在《斋普尔》与《海盐折纸》上的落地表明：以旋转目标检测承担感知、以规则引擎承担裁决、以合成数据与验证集阈值校准作为质量护栏，可在普通手机采集条件下形成可商用闭环。

1. 问题重定义：离散状态估计，而非端到端「看图出分」

桌游计分常被简化为 OCR 或通用视觉问答。真实约束更苛刻：组件可旋转、可近邻粘连；角标尺度小、透视形变显著；光照与桌面材质高度非受控。产品真正需要的不是自然语言描述，而是进入规则引擎的离散标签集合——例如筹码面值实例列表，或角标类别及其所属分区（桌面/手牌）。

因此，「桌游视算」将任务显式拆为实例级检测与规则算分。分数必须可解释、可纠错、可审计；感知误差应停留在资产层，而不得直接污染裁决层。

2. 感知选型：旋转框检测作为桌面场景的默认几何先验

水平包围框在桌面俯拍中会系统性引入背景噪声：当组件相对图像坐标轴发生旋转时，框面积膨胀，近邻实例更易重叠，小目标信噪比被稀释。旋转框（Oriented Bounding Box）沿实例主方向贴合目标，使「一个检测框 ≈ 一个物理件」更接近成立，从而为后续 NMS、计数与分区提供更干净的几何输入。

• 斋普尔：终局筹码面值实例检测 → 累加总分与面值明细，支撑双人轮流对局流程。
• 海盐折纸：卡牌角标多类别检测 → 桌面/手牌分区与轮次状态进入规则引擎，完成分数胜利与特殊胜利判定。

推理部署采用可自建的服务端架构，支持 CPU/GPU；采集端始终是普通手机摄像头。对品牌方与门店而言，这意味着边缘可部署：算力可下沉到靠近用户的自有服务器，而不绑定终端侧专用芯片。

3. 数据与阈值：用闭环替代拍脑袋

桌游组件组合空间巨大，纯依赖实拍标注难以覆盖长尾。训练侧以可控合成扩样，系统覆盖旋转、尺度、光照与遮挡等分布；部署侧以验证集驱动的阈值搜索平衡漏检与误检。产品层同步提供「反馈并调分」，使真实纠错样本回流——识别可以错，分数最终以规则引擎为准。

4. 架构原则：感知产出状态，裁决产出分数

• 感知层：图像 → 旋转框检测 → 类别/实例集合（及可选分区）。
• 裁决层：结构化状态 → 桌游规则引擎 → 总分、明细、特殊胜利标志。

解耦带来可验证的工程收益：规则变更无需重训感知模型；模型迭代不必改写计分用例；对局战报可分别审计「看见了什么」与「算成了什么」。海盐折纸的轮次制与特殊胜利，正是裁决层复杂度显著高于感知层的典型案例。

5. 工业指标视角：什么叫「可商用」

呆儿塔人工智能以业务可验收指标而非单一学术榜单定义成功：对局流程可走通、分数可解释、纠错可闭环、部署可自建。在轻策场景中，这意味着终局/轮次级识别稳定进入规则引擎，并在门店配件核验等延伸场景中复用同一检测栈。

6. 路线图：从二维离散资产到复杂盘面语义

《斋普尔》与《海盐折纸》验证了二维离散资产路径。《森森不息》攻坚嵌套遮挡与边缘角标；《自然和弦》面向三维构筑与多层指示物；《方舟动物园》挑战高密度板件与长流程状态。方法栈将扩展，但产品哲学不变：先得到可信盘面状态，再谈算分。

7. 结语

边缘计算机视觉进入桌游，目的不是制造「更酷的拍照效果」，而是把高频、易错、不可规模化的人工环节——算分与盘点——沉淀为可重复的数字流程。轻策落地只是第一站；当感知栈学会读懂更复杂的盘面，桌游数字化才能从单品工具演进为基础设施。