AI视频智能分析依托人工智能技术，建设由事后回溯到事前或事中预警的智能监控系统，运用目标检测、目标分割、目标跟踪等技术，不断迭代优化算法模型，提升模型准确率，为一线工业安全管控实际需求量身定制，实时识别人员违章、环境隐患、设备异常等安全隐患，实现复杂工业场景下对危险行为及危险状况的预警，实现对安全生产的智能化管理，减少危险事故的发生，智改数转，切实提升安全生产管理水平和管理效率。
基于深度学习的实时视频目标检测技术应用到安全管控系统。
a、将WebRTC技术应用于工业监控领域，实现无插件、低延迟的视频播放，打破视频播放路数限制。
b、结合目标检测与图像分类构建面向智能安全管控的多任务目标检测方法，提升模型部署的灵活性。
c、基于正常样本与图像重建算法的无监督设备异常检测技术，提高异常检测的准确率。
d、建立面向稀疏标注的鲁棒模型训练框架，增强算法模型的泛化能力。
实时人员、设备、环境异常风险预警。
AI视频智能分析能够对实时视频流中的异常进行提取和筛选，并及时发出告警，将传统被动式事后查证转变为主动式事前预警，改变了传统监控只能靠人值守轮播查看的被动状态。利用AI技术精准识别异常，在充分利旧的前提下，将安全管理关口前移，实现安全管理从事后追溯到事中管控的转变。
AI视频分析与自控系统联动，提升控制系统智能化水平。
AI视频智能分析系统可与现场控制系统紧密结合，控制系统按需启动AI识别算法，并根据识别结果进行下一步操作。系统响应时间可达毫秒级。
能感知、可进化、有温度。
建立人员、设备、环境异常检测智能识别算法模型。通过单阶段目标检测、色域变 换、几何变换、模型压缩方法，实现了复杂场景中异常目标的快速、准确检测。
通过视频智能分析，对工作人员是否正确佩戴安全帽、安全带、工作服、救生衣，是否违章抽烟、进入禁区等行为进行识别，实现对违章行为的安全管控，并及时在系统和现场实现双重预警，保证人员和生产安全。
未佩戴安全帽、未正确穿戴工作服、未穿救生衣、未佩戴安全带、反光衣识别、人员空岗识别、人员摔倒识别、人员越界、人员计数、违章打手机、违章吸烟、违规清仓识别 |
利用深度学习技术，分析摄像头可视区域内物的不安全情况。根据训练好的深度学习模型对获取的视频图像进行比对、检测分析，及时发现现场不安全问题，系统自动产生告警提示和现场语音播报，以此杜绝安全隐患的发生。
设备破损识别、设备运行状态识别、防鼠板识别、工器具遗留识别、车牌识别、车辆识别、警示牌破损识别、跑冒滴漏识别 |
应用视频分析和深度学习算法技术，全天24小时实时识别环境异常，当监控摄像头可视区域内发现异常情况，迅速定位异常发生区域，并进行安全告警，提升风险辨识与处置能力。
| 明火识别、烟雾识别、积水识别、物品摆放杂乱识别、地面不整洁识别 |
利用深度学习、机器视觉技术，代替人眼，实现大量表计器的自动数据采集和数据处理。通过实时获取表计读数，可以实现用电异常检测、电费计量、能源消耗统计管理、电力节能管理等功能，节省企业人力资源和时间成本。
| 指针表计识别、数字表计识别、刀闸开关状态识别、油位表计识别、压力表计识别、液位表计识别、SF6表计识别、油温表计识别、避雷器相关表计识别 |
通过AI智能算法分析输煤皮带撕裂、跑偏、堵煤、撒煤、异物、大煤块、自燃等物料异常现象，精准识别异常点，提高物料纯度，避免皮带意外损伤，保障输送带安全有序生产。算法检测到皮带异常，及时告警，减少皮带等设备维护和停工造成的损失。
| 大块煤识别、大面积撒煤识别、皮带异物检测、皮带撕裂检测、皮带跑偏检测、皮带空转检测 |
在钢厂产线生产过程中启动实时异常检测算法，智能识别活套位置异常、坯料弯曲、炉门卡钢、轧件堆钢、切头切尾掉落及吐丝异常等关键异常工况，实现异常状态的快速预警与响应。
| 活套位置异常识别、坯料弯曲异常识别、炉门卡钢异常识别、轧件堆钢异常识别、切头切尾掉落异常识别、吐丝异常识别 |
在钢厂产线的关键位置部署摄像头，由PLC主动触发AI视频分析算法。具备钩号、线卷倾斜与居中、线卷散乱、提升机弯钢、上料台架有/双钢、辊道钢坯数量等关键目标的智能识别能力，实现全过程作业状态精准感知。
| 钩号识别、线卷倾斜识别、线卷散乱识别、上料台架双钢识别、提升机弯钢识别、辊道钢坯数量识别 |
