每日 LLM 健康检查报告显示 10 台摄像头中有 8 台当天崩溃次数达到数百次。 追查下去，根因是两台婴儿监控摄像头、一个 go2rtc 重连窗口，以及一次 vaapi 级联崩溃——没有一个环节是直接显而易见的。以下是完整的排查与修复过程。
问题是如何发现的 # 我在搭建一个每日家庭健康代理——一个定时脚本，查询所有家庭服务（Frigate、Home Assistant、Paperless、arr 媒体栈），然后将数据交给本地 LLM 分析。核心思路是：不再手动逐个检查仪表盘，而是每天早上收到一份摘要，自动标出异常项。
Frigate 的检查项查询 /api/stats，提取每台摄像头的崩溃次数。某天早上，报告返回了这样的数据：
1 2 3 4 5 6 nanit_adelia: 2228 次崩溃 nanit_leonard: 2228 次崩溃 backyard: 847 次崩溃 front_door: 391 次崩溃 side_a: 203 次崩溃 ... 如果没有健康检查，我根本不会注意到——Frigate 容器本身从未重启，Web UI 上各摄像头仍然显示"在线"，也没有任何告警弹出。
根因：崩溃级联 # 顺着日志往前追，每天上午 9 点的事件链如下：
将 Frigate 默认的 SSD MobileNet 检测器替换为 YOLOv9t（tiny），通过 OpenVINO 运行在 Intel N97 的核显上。涵盖模型导出、正确的 Frigate 配置，以及一个会导致 100% 误报的关键坑。
环境 # 服务器： Intel N97（Debian 13），8 路摄像头 Frigate： 0.17，Docker 运行 检测器： OpenVINO GPU（/dev/dri/renderD128） 原模型： SSD MobileNet v2（内置，300×300） 新模型： YOLOv9t ONNX（320×320，8.3 MB） 为什么换 YOLOv9t？ # Frigate OpenVINO 镜像自带的 SSD MobileNet v2 速度快、资源占用低，但对画面边缘目标和部分遮挡目标的识别能力较弱。YOLOv9t（tiny）在精度上有明显提升，计算量却相差不大——在 320×320 输入、N97 核显约 18ms 推理速度下，跑 8 路摄像头完全够用。
在 Debian 服务器（Intel N97）上部署 Frigate NVR，替代传统 NVR 的检测功能。 涵盖 Docker Compose、go2rtc 流配置、硬件加速、HA 集成、推送通知及基于区域的告警。 VLAN 间流量经由主路由器（UCG Ultra）转发。
硬件与背景 # 服务器： Intel N97 迷你主机（debian.lan，10.0.10.11），Debian 13 摄像头： 8 台 Reolink PoE 摄像头（摄像头 VLAN，10.0.40.0/24），2 台 Nanit 婴儿监控器（IoT VLAN，10.0.20.0/24） 现有 NVR： 保留运行，负责持续录像；Frigate 专注于检测和事件片段 Home Assistant： 位于 IoT VLAN（10.0.20.10），已运行 MQTT Broker 存储设计 # 录像存储在 NAS 专用共享目录，避免占用本地 NVMe。