從「看清」到「看懂」到「守護」，容聯(lián)AI視覺賦能化工園區(qū)全解析

　 阿里云優(yōu)惠券 先領(lǐng)券再下單

新基建戰(zhàn)略背景下，以人工智能——視覺智能為核心的新技術(shù)應(yīng)用落地正在助力產(chǎn)業(yè)智能化，尤其在制造業(yè)，化工園區(qū)領(lǐng)域，容聯(lián)視覺AI通過普惠化、充裕的、經(jīng)濟的算力算法和應(yīng)用 降低傳統(tǒng)化工園區(qū)獲取技術(shù)和資源的門檻和成本，快速上馬AI，提高轉(zhuǎn)型能力和經(jīng)營效率。

視覺智能場景也不再局限于傳統(tǒng)意義上的城市大安防產(chǎn)業(yè)，作為國民經(jīng)濟的重要支柱產(chǎn)業(yè)，石化和化學(xué)工業(yè)正在陸續(xù)開啟智能化轉(zhuǎn)型之路，容聯(lián)AI 正在加速機器視覺技術(shù)深入化工園區(qū)的碎片化應(yīng)用場景，諸如園區(qū)、廠房、工地等，進(jìn)而催生出全新的化工園區(qū)安防版圖。

以容聯(lián)目前服務(wù)全國十幾家大型化工園區(qū)的經(jīng)驗而言 ，大多數(shù)園區(qū)較為重視如何通過智能識別和智能檢測做到實時監(jiān)管、監(jiān)管全覆蓋、降低安監(jiān)人員投入 等等問題，包括：

問題一：監(jiān)控路數(shù)較多，無法對每個監(jiān)控實時監(jiān)管，缺少智能提示等先進(jìn)技術(shù)手段

問題二：監(jiān)控內(nèi)容涵蓋多：人員、物品、園區(qū)、設(shè)備等

問題三：現(xiàn)場作業(yè)監(jiān)管過程中，各環(huán)節(jié)相關(guān)管理人員有時會無法到施工現(xiàn)場監(jiān)督

問題四：為了做到全時全域的安全監(jiān)管，園區(qū)在人力巡檢上的投入成本極高

這其中的每一個問題都會對應(yīng)到人員、物品、園區(qū)、設(shè)備四類場景中的幾十個碎片化場景，接下來一一解析。

●打造面向邊、云、端全場景解決方案●

從實現(xiàn)流程上來看，在信息采集端，不限制采集終端品牌，可利舊、可新增，通過攝像頭推流、服務(wù)器接受視頻流，視頻編解碼、傳輸、存儲、抽幀（截圖）模型處理、矯正、比對、識別、輸出結(jié)果，整個過程包括了標(biāo)注、構(gòu)建模型、圖像識別、結(jié)果生成。容聯(lián)AI視覺算力可擴展，算法業(yè)界領(lǐng)先，同時模型生產(chǎn)分析行為均由機器學(xué)習(xí)后自主發(fā)生無需人工干預(yù) ，隨著數(shù)據(jù)積累，識別率和各類算法重復(fù)，有較強的準(zhǔn)確性與可靠性。

在化工園區(qū)領(lǐng)域，從“看清”到“看懂”，中間存在著巨大的鴻溝和不確定性 ，如何準(zhǔn)確有效的監(jiān)測危險品狀態(tài)、辨識評價危險源、觀測生產(chǎn)過程、觀測人員行為等這些都需要數(shù)據(jù)和算法的積累，容聯(lián)視覺智能為化工園區(qū)提供兩種解決方案的落地：

形態(tài)一：集中式部署智能視覺分析軟件平臺

為化工園區(qū)裝上“慧眼” ，慧眼平臺可以理解為化工園區(qū)的安監(jiān)大腦—“智能督察員”，包含了系統(tǒng)管理、設(shè)備管理、視頻管理、智能檢測、統(tǒng)計分析等等一應(yīng)俱全，通過對人、事、物的精確智能識別，結(jié)合大數(shù)據(jù)BI分析，讓機器看懂業(yè)務(wù) 。

系統(tǒng)管理：賬號關(guān)聯(lián)、權(quán)限分配、管理靈活

設(shè)備管理：設(shè)備檢測、抽幀設(shè)置、模型配置

視頻管理：4分屏、9分屏、違規(guī)條目滾屏、10秒自動切換、允許搜索攝像機

形態(tài)二：邊緣節(jié)點計算、數(shù)據(jù)統(tǒng)一管理

AIbox智能化一體機，內(nèi)置AI業(yè)務(wù)平臺及多種高精度的AI識別算法的小型機。

●守護人、物、場，打通碎片化場景●

“人”

場景一：脫崗、離崗、睡崗檢測

脫崗、離崗、睡崗，以及在崗抽煙、喝酒等都會造成災(zāi)難性事故，容聯(lián)AI視覺可以替代人工監(jiān)督，及時糾正在崗人員的不合安全規(guī)范的行為，降低安全事故發(fā)生概率。

尤其是在睡崗的檢測上更體現(xiàn)出細(xì)節(jié)，睡崗檢測可分為四階段級聯(lián)檢測分析。設(shè)定崗位區(qū)域，首先根據(jù)人員檢測模型檢測出人員信息；第二步通過區(qū)域比較算法初步篩選出在一定時間內(nèi)未發(fā)生明顯移動的人員；第三步通過訓(xùn)練好的分類模型對識別結(jié)果進(jìn)分類識別，選出真正在睡覺的人員，減少誤報 ；第四步識別出上述人體骨骼點，加一定的約束條件，可以進(jìn)一步篩選出睡崗的人員。

場景二：群體聚集、入侵檢測

配合邊界安防攝像頭，自動識別重點警戒區(qū)域的人員闖入行為。使用人體檢測算法對預(yù)設(shè)區(qū)域內(nèi)人員進(jìn)行分網(wǎng)格狀識別，統(tǒng)計預(yù)設(shè)區(qū)域內(nèi)人員數(shù)量，并計算人員分布的密集程度。

“物”

場景一：工服、安全帽、手套、反光衣檢測

安全帽安全服等防護設(shè)備識別基于大規(guī)模安全帽數(shù)據(jù)識別訓(xùn)練，配合現(xiàn)場攝像頭，實現(xiàn)自動識別現(xiàn)場作業(yè)人員的安全帽佩戴情況，準(zhǔn)確率高于90%，達(dá)到高效率監(jiān)督監(jiān)管。

場景二：物料堆放、雜物識別

檢測目標(biāo)區(qū)域內(nèi)是否出現(xiàn)超高、超量堆放物料的現(xiàn)象、對通道中的亂堆放的雜物進(jìn)行識別，降低消防的安全隱患。

“廠”

場景一：煙霧、火災(zāi)、有色氣體液體檢測

對高危危險源進(jìn)行檢測和預(yù)警，最大限度保障人員安全?；诖笠?guī)?；鹧鏀?shù)據(jù)識別訓(xùn)練，實時識別監(jiān)控區(qū)內(nèi)明火情況，立刻發(fā)出警報，提醒監(jiān)控室查看，適用于室內(nèi)外多種復(fù)雜環(huán)境。

場景二：高空瞭望安全檢測

高空瞭望和熱成像結(jié)合，第一時間發(fā)現(xiàn)異常的位置，并形成預(yù)警。

以某個起火場景舉例：

（1）高空瞭望出現(xiàn)報警；

（2）通過對高空瞭望媒體流進(jìn)行后端視覺識別定位，發(fā)現(xiàn)報警位置在某區(qū)域；

（3）研判儀表盤中根據(jù)定位的區(qū)域，將周邊的監(jiān)控畫面的目錄、物聯(lián)傳感器的目錄列出來，利用可視化工具將有人員跑動、聚集的和物聯(lián)傳感明顯變化的設(shè)備數(shù)據(jù)自動顯示在儀表盤上，還有該位置預(yù)警預(yù)案中的相關(guān)傳感器列出來。

場景三：卡口、罐區(qū)、裝卸點檢測

卡口監(jiān)管：車輛數(shù)、車類型（渣土車、?；奋嚕┑陌踩O(jiān)管

?；穫}庫監(jiān)管：區(qū)域警戒-變動（白天、黑夜）、采集攝像頭的溫度以及勞保用品安全帽的智能識別；物品遺留、物品移動、物品移動等變動情況、溫度攝像機的OCR識別

罐區(qū)監(jiān)管：區(qū)域警戒-變動（白天、黑夜）固定點的安全帽、明火的安全監(jiān)管、人員、車輛區(qū)域檢測、明火檢測

裝卸點監(jiān)管：車輛和人員有無、數(shù)量的監(jiān)督

在某化工園區(qū)項目案例中，容聯(lián)AI視覺將以上人、場、物的全場景解決方案接入 ，以CV替代人工檢測，以CV提高產(chǎn)品品控 ，針對園區(qū)的人、場、物進(jìn)行全面監(jiān)管檢測，減少了人力成本，降低了事故發(fā)生頻率，大幅度提升了經(jīng)營效率。

容聯(lián)視覺智能深耕化工園區(qū)，目前在化工園區(qū)領(lǐng)域積累了大量的算法模型、成熟的應(yīng)用級模型，從AI新基建的角度，降低人工智能使用門檻，真正釋放AI生產(chǎn)力，幫助傳統(tǒng)化工園區(qū)實現(xiàn)技術(shù)升級。

申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！