宝马bm555线路检测(中国)有限公司

|

国内领先的AI+云服务解决方案赋能者

电话400-6869-365            

股票代码300479

  • 01 工业安全巡检辅助预警
  • 02 危化品安全生产风险监测预警
  • 03 油气管线沿线安全防护
结合边缘计算模组及场景化定制算法,针对人机物单一、人机物混合、安全行为等多场景进行智能识别,实现安全着装规范识别、履职行为与异常行为分析、生产设备安全控制、火焰与烟雾监测以及人员通行异常等情况全面监控预警,构建工业安全巡检辅助预警应用系统,实现工业安全巡检闭环管理,有效提升安全生产管理效能,助力工业企业安全生产。
  • 人机物单一识别

    人机物单一识别

    人机物单一识别
  • 人机物混合识别

    人机物混合识别

    人机物混合识别
  • 安全行为识别

    安全行为识别

    安全行为识别
  • 着装规范
    安全帽
    烟雾
    禁非区防控
  • 运行状态检测及闯入
    作业区闯入
    设备安全控制
    行吊高度控制
  • 剧烈运动
    抽烟
    倒地
    静电消除行为
针对“工业互联网+安全生产”场景,神思电子依托具有自主知识产权的智能视频监控技术,为工业安全生产场景研制一套包括边缘计算模组、人员异常智能分析模型、作业环境和异常状态识别分析模型,以及智能视频辅助预警平台和智能巡检系统,并通过工业APP赋能工业行业安全生产,加速安全生产从静态分析向动态感知、事后应急向事前预防、单点防控向全局联防的转变,提升工业生产本质安全水平。
工业安全生产监控预警平台
以智能化平台为基础,将AI、多维感知等新一代信息技术与危化品安全生产深度融合,打造危化品企业的场景物联以及系统间数据融合,提升安全生产的风险感知评估、监测预警和响应处置能力,帮助企业排查化解潜在风险,以信息化手段推进危化品企业的数字化转型与智能化升级。

    风险监测预警

    双重预防机制信息化

    特殊作业全过程信息化

    人员自动定位

    智能视频监控

    全要素管理信息化

为满足省应急厅危化品安全生产信息化建设与应用工作方案要求,以实现危化品企业全要素数字化管理为目标,建设集安全生产风险监测预警系统、双重预防机制信息化系统、特殊作业全过程信息化管理和视频监控系统、人员自动定位系统、智能视频监控系统、企业安全生产全要素管理信息化系统、加油站智能视频监控系统等于一体的危化品安全生产风险监测预警信息化管理平台,助力危化品企业实现信息化管理,提升监管效率。
工业危化品安全生产风险监测预警
将激光摄像技术与高精度目标检测及跟踪技术深度融合,结合边缘计算模组,采用激光摄像机预置点位巡航方式实现油气管线沿线全面覆盖,对油气管线沿线区域内人员徘徊、逗留情况以及吊车、混凝土泵车、搅拌车、搅拌机等工程车辆进行检测, 有效解决用户在输油气管线安全监管工作中存在的耗时费力、发现滞后、监管效率低、取证难度大等问题,保障管道设施安全稳定运行。
  • 激光摄像机多预置点位巡航

    激光摄像机多预置点位巡航

  • 激光摄像机多预置点位巡航

    激光摄像机多预置点位巡航

  • 工程车辆检测(压路机)

  • 工程车辆检测(挖掘机)

  • 工程车辆检测(推土机)

  • 火情检测(明火)

  • 火情检测(烟雾)

  • 烟火检测与人员检测

依托国家地理信息公共服务平台服务,平台通过一张图对管线全要素可视化管理,可实时显示管道位置、视频巡检状态、实时告警信息,构建快速感知、实时监测、超前预警、联动处置、系统评估新型能力体系,从静态分析向动态感知、事后应急向事前预防、单点防控向全局联防的转变,提升管网智能化管控水平。
天然气管道智能监控系统
模型轻量化技术

模型轻量化技术

基于稀疏高效的流卷积操作与自动网络架构搜索技术,构建轻量化流卷积图像分类网络(FGNet),在ImageNet图像分类数据集上,FGNet相比ResNet参数量明显下降,Top1精度明显提升。

高性能目标识别技术

高性能目标识别技术

融合轻量化分类网络FGNet与目标检测框架YOLO,采用多尺度纹理随机化处理的数据增强操作,相比YOLOv5s参数量明显下降,mAP50精度明显提升。

实时可靠的边缘加速技术

实时可靠的边缘加速技术

基于GPU与NPU芯片自主研发高性能嵌入式计算模组,通过对算法模型和核心系统做大量计算优化,在摄像机前端实现目标识别和系统整体控制,显著降低了网络带宽压力和后台服务器计算压力。

PuzzleNet 快速检测技术

PuzzleNet 快速检测技术

基于PuzzleNet实现融合处理多帧间的冗余信息以及加速推理,支持创建高效视频信号流模型,并进行高效的运动目标特征提取,极大提升目标快速检测精度。

低误报率识别技术

低误报率识别技术

基于深度学习技术,采用不依赖背景的算法,参考大脑神经工作方式,对特征进行抽象提取,极大提升视频识别的准确率。

边缘计算技术

边缘计算技术

将目标识别算法、高精度联动技术、低误报率技术植入摄像机前端芯片,实现1080p高清视频信号实时分析识别,确认目标后再向服务器传递报警信息,有效降低网络带宽成本。

  • 模型轻量化技术

    模型轻量化技术

  • 高性能目标识别技术

    高性能目标识别技术

  • 实时可靠的边缘加速技术

    实时可靠的边缘加速技术

  • PuzzleNet 快速检测技术

    PuzzleNet 快速检测技术

  • 低误报率识别技术

    低误报率识别技术

  • 边缘计算技术

    边缘计算技术

贵阳经开区工业互联网
中航油
泉州水务
广汽汽车
奇瑞万达
山东省应急厅
x
Baidu
sogou