日期:2026-08-07
我们进的这个工业园区,原来安全巡检靠人拿着表走,隐患靠纸单上报,发现的问题层层转,等传到能处理的人手里常常已经过了最佳时机。摄像头不少,但都是事后调录像,没人实时看。传感器也接了一些,温度、烟雾、气体浓度各自为政,数据不打通,出了异常没人第一时间串起来判断。
这个项目的想法是用大模型把视频和传感这两类数据融起来做风险识别,识别出来不是止于报警,而是直接拉起处置协同,让预警能闭环。底层是在 AI 私有化部署底座上跑多模态模型,再和工单系统打通。我们一开始设想得很满,后来发现数据质量和处置流程才是真正的拦路虎。
落地四条线。视频与传感多模态风险识别,摄像头看明火、违规作业、人员未戴护具,传感器看温度烟感气体,模型把两边信号融合判断。分级预警,按风险等级发不同级别告警,严重的直接打电话给责任人。处置工单协同,预警自动生成工单派给对应班组,处理完回写闭环。闭环复盘,每次处置完归档,定期复盘哪类风险高发、哪类处置慢。
试点选了园区里风险最高的两块区域,化工仓储和动火作业区。上线前我们花了不少时间和园区一起理清楚"谁来处理什么",不然预警发出去没人认领,等于白响。
第一个挑战是误报。视频模型一开始把影子当明火、把正常蒸汽当烟雾,告警刷屏,值班的人直接无视,反而漏了真的。我们加了传感交叉验证,视频疑似加传感器异常才升级为高警,单模态疑似只进观察列表,误报率一下下去了,真警也不再被淹没。
第二个是识别精度和数据质量。园区摄像头老的居多,夜里画质差,模型认不准。我们没急着换模型,先规范取流和画质增强,把关键区域补了几个高清点,再训练时重点加夜间样本,精度才上来。
第三个是闭环不掉链。预警生成工单后,如果班组不处理,系统不能干等。我们设了升级路径,超时未处理自动上抛一级,并留处置记录,谁卡住的清清楚楚,安全这事不能靠自觉。
案例片段(已脱敏): 融合识别规则片段(YAML 示意):
alert_rule: - name: fire_risk triggers: [video:open_flame, sensor:smoke_high] logic: "any" # 任一即高警 level: high - name: gas_leak triggers: [sensor:gas_high, video:no_vent] logic: "all" # 需同时命中 level: critical处置日志一例:动火区某日气体浓度越线且视频识别到未开启通风,触发 critical 级告警并电话通知责任人,工单 8 分钟内派至班组,处置完回写,闭环总时长 26 分钟,未升级。
两块试点区域跑了一个季度,我们拉了数据。风险识别率,对比纯人工巡检时期,隐患发现从主要靠人变成立体覆盖,识别率从约 60% 提升到约 91%,尤其夜间和死角提升明显。预警提前期,从人工发现常滞后几小时,变成平均提前约 40 分钟,给处置留了时间。处置闭环率,工单超时升级机制上线后,从约 70% 提到约 95%,没再出现预警石沉大海。漏报率,融合策略下控制在约 3% 以内,主要是极端画质下个别没认出。
老实讲误报没降到零,雨天摄像头起雾那类还是偶发,但我们把它压在低级别观察列表里,不扰人也不漏真警,这个平衡比追求零误报更实际。
安全预警千万别只信单模态,视频误报能把人逼疯直到无视真警,加传感交叉验证才靠谱,我们刷屏那几天差点把系统关了。数据质量先于模型,老摄像头画质差硬上大模型是浪费,先补点高清和夜间样本,钱花在刀刃上。闭环要有升级路径,预警发完没人理就等于零,超时上抛加留痕,安全不能靠自觉。误报清零不现实,把它压在低级别不扰人,比硬追求零误报更稳。
后续园区想把设备预测性维护和这套预警打通,设备异常提前融进来,风险识别能更早一步。
预警闭环跑顺后,园区把数据用到了管理上。我们按区域和时段汇总风险分布,哪块区域夜间高发、哪类作业最易出事,一张图摆出来,安全投入该往哪投一目了然,不再是凭感觉撒网。还有个延伸,预警数据回灌进培训,把典型隐患案例做成班组学习材料,比念制度有人听。不过也要说实话,模型对新型违规动作的识别滞后于现场花样,新的违规方式出来,得先积累样本再补训练,这段时间靠规则和人工兜着。安全生产这事儿,技术能提效,但替代不了现场管理和人的责任心,我们一直跟园区讲清楚这个边界,不夸大。
我们把预警也接进了园区的月度安全例会,用数据说话,哪类风险多、哪班处置慢,直接摆出来,比念制度有说服力。设备侧后来也并了一部分信号进来,比如某台设备温度异常,提前融进风险判断,识别能更早一步。不过要提醒,模型识别的是已知模式,现场新花样得靠人发现再补样本,这个闭环我们和园区安全科固定了双周复盘。安全生产数字化,技术是放大器,放大好的管理也放大漏洞,所以系统上线同时我们坚持把处置流程和责任先理清楚,再谈智能。