项目背景
该公司目前面临复杂高风险作业环境，传统安全管理手段受限，涉及诸多高风险作业环节，如设备安装、管道铺设等，一旦发生安全事故，不仅会造成严重的人员伤亡和财产损失，还可能对周边环境产生负面影响。传统的安全管理手段在面对如此复杂的项目建设时，逐渐暴露出其局限性。为了有效加强高风险作业视频监控安全管理，该公司决定引入先进的智能巡检技术，构建一套智能化巡检系统，从而提升生产作业的整体安全管理水平，保障日常生产顺利推进。
项目痛点
实时预警能力欠缺：对危险行为和异常状况难以及时发现，依赖人工盯守，易因疏忽导致预警延迟，错过最佳干预时机。
多种违规行为监测困难：现场存在吸烟、短袖短裤作业、翻越围栏等多种违规行为，现有系统难以同时有效监测。
技术方案
本项目建设内容为宁夏某煤业煤制油化工工程建设安全视频监控系统服务项目，主要基于圣瞳智巡大模型应用，算法种类为区域入侵、徘徊检测、吸烟检测等共计8种。同时算法基于深度学习技术，不断优化模型，能精准捕捉各类异常行为和违规操作，确保识别的准确性和及时性。以下为算法列表：
部分算法如下：
1、未戴安全带检测：对危险作业区域的人员安全带穿戴情况进行自动识别，尤其是高空作业未带安全带场景，对违规情况进行报警。
2、吸烟监测：通过对视频中的目标进行检测、跟综、信息分析，检测画面中是否出现抽烟情况，对违规情况进行报警。
3、未戴安全帽识别：安全帽识别基于深度学习的目标检测、分类及分割算法，自动识别进入作业区域人员安全帽的佩戴情况，对违规情况进行报警。
4、摔倒检测：检测画面中摔倒人员情况，对画面下出现摔倒情况进行报警。
方案价值
该方案能实时精准识别安全隐患和违规行为并及时预警，有效提升安全管理水平，减少事故发生以保障项目顺利推进；通过集中化管理和数据可视化呈现，减轻人工投入，提高整体管理效率；同时减少因事故造成的损失，降低人力成本，提高资源利用率，进而降低整体运营成本。