• <button id="x3o1e"></button>
    <li id="x3o1e"><acronym id="x3o1e"></acronym></li>
    <li id="x3o1e"><acronym id="x3o1e"></acronym></li>
    <button id="x3o1e"></button>
  • |

    國內領先的AI+云服務解決方案賦能者

    電話400-6869-365            

    股票代碼300479

    • 01 工業安全巡檢輔助預警
    • 02 ?;钒踩a風險監測預警
    • 03 油氣管線沿線安全防護

    工業安全巡檢輔助預警

    結合邊緣計算模組及場景化定制算法,針對人機物單一、人機物混合、安全行為等多場景進行智能識別,實現安全著裝規范識別、履職行為與異常行為分析、生產設備安全控制、火焰與煙霧監測以及人員通行異常等情況全面監控預警,構建工業安全巡檢輔助預警應用系統,實現工業安全巡檢閉環管理,有效提升安全生產管理效能,助力工業企業安全生產。
    • 人機物單一識別
    • 人機物混合識別
    • 安全行為識別
    • 著裝規范
      安全帽
      煙霧
      禁非區防控
    • 運行狀態檢測及闖入
      作業區闖入
      設備安全控制
      行吊高度控制
    • 劇烈運動
      抽煙
      倒地
      靜電消除行為
    針對“工業互聯網+安全生產”場景,神思電子依托具有自主知識產權的智能視頻監控技術,為工業安全生產場景研制一套包括邊緣計算模組、人員異常智能分析模型、作業環境和異常狀態識別分析模型,以及智能視頻輔助預警平臺和智能巡檢系統,并通過工業APP賦能工業行業安全生產,加速安全生產從靜態分析向動態感知、事后應急向事前預防、單點防控向全局聯防的轉變,提升工業生產本質安全水平。

    ?;钒踩a風險監測預警

    以智能化平臺為基礎,將AI、多維感知等新一代信息技術與?;钒踩a深度融合,打造?;菲髽I的場景物聯以及系統間數據融合,提升安全生產的風險感知評估、監測預警和響應處置能力,幫助企業排查化解潛在風險,以信息化手段推進?;菲髽I的數字化轉型與智能化升級。
      風險監測預警
      雙重預防機制信息化
      特殊作業全過程信息化
      人員自動定位
      智能視頻監控
      全要素管理信息化
    為滿足省應急廳?;钒踩a信息化建設與應用工作方案要求,以實現?;菲髽I全要素數字化管理為目標,建設集安全生產風險監測預警系統、雙重預防機制信息化系統、特殊作業全過程信息化管理和視頻監控系統、人員自動定位系統、智能視頻監控系統、企業安全生產全要素管理信息化系統、加油站智能視頻監控系統等于一體的?;钒踩a風險監測預警信息化管理平臺,助力?;菲髽I實現信息化管理,提升監管效率。

    油氣管線沿線安全防護

    將激光攝像技術與高精度目標檢測及跟蹤技術深度融合,結合邊緣計算模組,采用激光攝像機預置點位巡航方式實現油氣管線沿線全面覆蓋,對油氣管線沿線區域內人員徘徊、逗留情況以及吊車、混凝土泵車、攪拌車、攪拌機等工程車輛進行檢測, 有效解決用戶在輸油氣管線安全監管工作中存在的耗時費力、發現滯后、監管效率低、取證難度大等問題,保障管道設施安全穩定運行。
    • 激光攝像機多預置點位巡航

    • 激光攝像機多預置點位巡航

    • 工程車輛檢測(壓路機)
    • 工程車輛檢測(挖掘機)
    • 工程車輛檢測(推土機)
    • 火情檢測(明火)
    • 火情檢測(煙霧)
    • 煙火檢測與人員檢測
    依托國家地理信息公共服務平臺服務,平臺通過一張圖對管線全要素可視化管理,可實時顯示管道位置、視頻巡檢狀態、實時告警信息,構建快速感知、實時監測、超前預警、聯動處置、系統評估新型能力體系,從靜態分析向動態感知、事后應急向事前預防、單點防控向全局聯防的轉變,提升管網智能化管控水平。

    工業安全·核心技術

    文本

    模型輕量化技術

    基于稀疏高效的流卷積操作與自動網絡架構搜索技術,構建輕量化流卷積圖像分類網絡(FGNet),在ImageNet圖像分類數據集上,FGNet相比ResNet參數量明顯下降,Top1精度明顯提升。

    文本

    高性能目標識別技術

    融合輕量化分類網絡FGNet與目標檢測框架YOLO,采用多尺度紋理隨機化處理的數據增強操作,相比YOLOv5s參數量明顯下降,mAP50精度明顯提升。

    文本

    實時可靠的邊緣加速技術

    基于GPU與NPU芯片自主研發高性能嵌入式計算模組,通過對算法模型和核心系統做大量計算優化,在攝像機前端實現目標識別和系統整體控制,顯著降低了網絡帶寬壓力和后臺服務器計算壓力。

    文本

    PuzzleNet 快速檢測技術

    基于PuzzleNet實現融合處理多幀間的冗余信息以及加速推理,支持創建高效視頻信號流模型,并進行高效的運動目標特征提取,極大提升目標快速檢測精度。

    文本

    低誤報率識別技術

    基于深度學習技術,采用不依賴背景的算法,參考大腦神經工作方式,對特征進行抽象提取,極大提升視頻識別的準確率。

    文本

    邊緣計算技術

    將目標識別算法、高精度聯動技術、低誤報率技術植入攝像機前端芯片,實現1080p高清視頻信號實時分析識別,確認目標后再向服務器傳遞報警信息,有效降低網絡帶寬成本。

    • 模型輕量化技術

    • 高性能目標識別技術

    • 實時可靠的邊緣加速技術

    • PuzzleNet 快速檢測技術

    • 低誤報率識別技術

    • 邊緣計算技術

    工業安全·應用案例

    貴陽經開區工業互聯網
    中航油
    泉州水務
    廣汽汽車
    奇瑞萬達
    山東省應急廳
    x