項目背景

該公司目前面臨復雜高風險作業環境，傳統安全管理手段受限，涉及諸多高風險作業環節，如設備安裝、管道鋪設等，一旦發生安全事故，不僅會造成嚴重的人員傷亡和財產損失，還可能對周邊環境產生負面影響。傳統的安全管理手段在面對如此復雜的項目建設時，逐漸暴露出其局限性。為了有效加強高風險作業視頻監控安全管理，該公司決定引入先進的智能巡檢技術，構建一套智能化巡檢系統，從而提升生產作業的整體安全管理水平，保障日常生產順利推進。

項目痛點

實時預警能力欠缺：對危險行為和異常狀況難以及時發現，依賴人工盯守，易因疏忽導致預警延遲，錯過最佳干預時機。

多種違規行為監測困難：現場存在吸煙、短袖短褲作業、翻越圍欄等多種違規行為，現有系統難以同時有效監測。

技術方案

本項目建設內容為寧夏某煤業煤制油化工工程建設安全視頻監控系統服務項目，主要基于圣瞳智巡大模型應用，算法種類為區域入侵、徘徊檢測、吸煙檢測等共計8種。同時算法基于深度學習技術，不斷優化模型，能精準捕捉各類異常行為和違規操作，確保識別的準確性和及時性。以下為算法列表：

部分算法如下：

1、未戴安全帶檢測：對危險作業區域的人員安全帶穿戴情況進行自動識別，尤其是高空作業未帶安全帶場景，對違規情況進行報警。

2、吸煙監測：通過對視頻中的目標進行檢測、跟綜、信息分析，檢測畫面中是否出現抽煙情況，對違規情況進行報警。

3、未戴安全帽識別：安全帽識別基于深度學習的目標檢測、分類及分割算法，自動識別進入作業區域人員安全帽的佩戴情況，對違規情況進行報警。

4、摔倒檢測：檢測畫面中摔倒人員情況，對畫面下出現摔倒情況進行報警。

方案價值

該方案能實時精準識別安全隱患和違規行為并及時預警，有效提升安全管理水平，減少事故發生以保障項目順利推進；通過集中化管理和數據可視化呈現，減輕人工投入，提高整體管理效率；同時減少因事故造成的損失，降低人力成本，提高資源利用率，進而降低整體運營成本。