中软国际 · 模型工场

甘电投37个AI场景 · 深度解决方案分析

13

高匹配度场景

5

★★★ 强烈推荐

50+

已落地案例

95%+

核心指标准确率

🏭 皮带监测 - 完全一致案例 👷 人员安全 - 煤矿+钢铁跨行业验证 🔍 智能巡检 - 95%+准确率 💬 智能问答 - 10+问答案例 📊 预测性维护 - 能源行业经验

🖥️ CV视觉安全平台

皮带监测 · 人员行为 · 巡检 · 设备安全 · 施工 · 环境

6个场景 · 97%+

💬 NLP知识办公平台

智能问答 · 培训 · 写作 · OCR · 语音助手

5个场景 · 10+案例

📊 设备全生命周期

智能巡检 · 预测性维护 · 故障诊断

3个场景 · 闭环方案

🎯 为什么选择中软国际？

🏭

能源行业深耕：国家管网/山能/中石油/海螺水泥50+落地案例

🔬

全栈AI能力：CV + NLP + 预测，从算法到工程到运维

💰

打包交付低成本：三大平台复用，13个场景边际递减

🛡️

华为生态保障：昇腾+盘古+Atlas自主可控

📦 打包策略

🖥️

CV安全一体化：皮带+人员+施工+环境+设备 → 共享算力底座

💬

NLP知识办公：问答+培训+写作+语音+OCR → 共享知识库

📊

设备全生命周期：巡检+预测+诊断 → 闭环管理

CV 视觉检测

⚙️ 皮带监测（撕裂、跑偏、堵煤、异物等）

基于AI视觉的皮带智能监测系统，实时识别撕裂、跑偏、堵煤、异物，预防设备损坏导致的停机事故。

🔴 业务痛点

停机损失巨大：单次撕裂停产6-48h，损失100万+
人工巡检疲劳：夜班漏检率30%+
故障发现滞后：毫米级裂纹肉眼难察觉
多故障交织：撕裂/跑偏/堵煤/异物/打滑5类并发

🟡 技术难点

煤尘水雾干扰：低画质下保持高准确率
4K实时处理：单路算力消耗巨大
多算法并发：4种算法同一边缘执行
负样本稀缺：严重类别不平衡

🟢 方案设计

多模型级联：YOLO→分割→姿态估计
双光融合：可见光+热成像穿透煤尘
Atlas边缘推理：16路4K实时(INT8)
分级告警联动DCS：预警→告警→停机

📱 业务使用流程 — 轻量小应用，无需登录大平台

📹

实时监控

手机/PAD查看
皮带实时画面

→

🔔

智能告警

异常自动推送
企微/钉钉通知

→

📋

事件处置

一键确认/派单
拍照回传闭环

→

📊

统计看板

日/周/月报表
趋势分析导出

→

⚙️

模型调优

误报反馈标注
模型自动迭代

💡 独立小应用，非大平台 | 📱 企微/钉钉小程序+H5 | 🖥️ 轻量Web看板，可嵌入现有系统

🎯 可切入：皮带跑偏检测大块煤/异物检测堵煤/卡堵检测

✅ 中软国际可交付

● 智能监测管理平台 LMinfo

● AI模型服务平台 LMOPS

● 数据标注平台 LMDAP

● 目标检测/图像分割算法

● 边缘检测/形状匹配算法

● 告警联动/日志/监控查询

🔗 需引入第三方能力

● 热成像摄像机（海康/大华）

● 防爆摄像机（海康/宇视）

● AI训推服务器（华为Atlas）

● 边缘计算盒子（Atlas 300I）

● 激光器/光学CCD（专业厂商）

● DCS/PLC控制系统（现有系统）

YOLO v8语义分割热成像融合Atlas 300I ProModelArtsDCS联动

CV 视觉检测

📐 皮带跑偏检测 — 产品设计方案 💡 算法说明

边缘检测+形状匹配算法，实时监测皮带偏移量，四级分级告警，替代人工巡检实现7×24小时监测。

🎯 场景痛点

• 皮带跑偏占输送故障60%以上
• 夜班/无人值守漏检率30%+
• 跑偏→撕裂→停机6-48小时，损失100万+

⚙️ 技术方案

• Canny边缘检测 + Hough变换 + 形状匹配
• 四级分级：<20mm / 20-50 / 50-80 / >80mm
• 检测帧率 5-10fps，延迟 <200ms

📦 硬件与交付

• 普通工业摄像头 + Atlas 300I 推理卡
• 算法成本最低，单路摄像头即可覆盖
• 交付：算法模型/看板/告警/报表/API/文档/培训

AI PIPELINE 皮带跑偏检测 · AI算法处理流程

📷

1. 图像采集

工业摄像头
1920×1080
5-10fps 抽帧

→

🔲

2. 预处理

灰度化 + 高斯滤波
ROI区域裁剪
自适应亮度归一化

→

🧠

3. Canny边缘检测

双阈值提取皮带边缘
Sobel梯度计算
非极大值抑制 + 滞后阈值

→

📐

4. Hough直线变换

检测皮带边缘直线
拟合左右两侧基准线
计算偏移角度与距离(mm)

→

📊

5. 偏移量计算

像素→mm标定转换
形状匹配验证
滑动窗口平滑滤波

→

🚨

6. 分级告警

四级阈值判断
连续3帧确认防误报
推送DCS/企微/看板

💡 核心优势传统CV算法，无需训练数据，部署即用，算力消耗低，单路仅需0.5TOPS

⚡ 性能指标端到端延迟 <200ms · 精度 ±2mm · 全天候可用 · Atlas 300I推理

📹 实时监控 — 3号皮带机头部

在线

偏移 32mm ↑

皮带边缘检测

FPS: 10分辨率: 1920×10802026-03-31 14:32:05

左侧偏移

32mm

右侧偏移

8mm

当前状态

⚠ 预警

运行时长

6.2h

📈 偏移量趋势（近24小时）

● 正常● 预警● 告警

📏 四级偏移分级标准

<20mm

正常

仅记录，无需处理

20-50mm

预警

推送通知，计划检修

50-80mm

告警

声光报警，立即排查

>80mm

紧急停机

联动DCS，自动停带

🔎 跑偏原因智能分析

42%

托辊损坏/卡死

28%

给料不均偏载

18%

皮带接头不正

12%

张力不足/其他

💡 基于历史告警数据AI自动统计，辅助定位跑偏根因

🏭 皮带状态总览

1号皮带

12mm

2号皮带

5mm

3号皮带

32mm

4号皮带

15mm

5号皮带 停机维护中

🔔 最近告警

查看全部 →

紧急 3号皮带偏移72mm 10:32

预警 3号皮带偏移35mm 09:15

预警 1号皮带偏移28mm 昨日

📊 今日统计

检测次数

12,847

告警次数

3

最大偏移

72mm

在线率

99.2%

📱 移动端告警推送

AI

皮带智能监测 刚刚

【紧急告警】3号皮带跑偏72mm，已超过告警阈值。
建议立即检查托辊及调偏装置。

查看视频确认处理派发工单

OpenCVCanny边缘检测Hough变换Atlas 300ILMinfo看板企微/钉钉推送

CV 视觉检测

🪨 大块煤/异物检测 — 产品设计方案 💡 算法说明

YOLOv8目标检测模型，识别皮带上的铁器、石块、大块煤等异物，在进入破碎机前预警拦截，避免设备损坏。

🎯 场景痛点

• 铁器/石块混入→损坏设备，维修数十万元
• 人工目视难以在高速皮带上识别异物
• AI可提前3-5秒预警，避免设备损坏

⚙️ 技术方案

• YOLOv8 多类别检测（铁器/石块/大块煤/木材）
• mAP精度 95%+，仅需 300-500 张标注
• 实时推理 30fps / 8路 并发

📦 硬件与交付

• 4K工业摄像头 + 补光灯 + Atlas 300I
• LMDAP标注平台加速样本积累
• 交付：检测模型/抓拍系统/DCS联动/报表/API

AI PIPELINE 异物检测 · YOLOv8深度学习处理流程

📷

1. 高清采集

4K工业相机
30fps连续采集
LED补光消除阴影

→

🔲

2. 预处理增强

Resize 640×640
Mosaic数据增强
颜色空间归一化

→

🧠

3. YOLOv8 Backbone

CSPDarknet特征提取
C2f模块多尺度融合
SPPF空间金字塔池化

→

🔍

4. Neck + Head

PANet特征金字塔
Decoupled解耦检测头
多尺度(P3/P4/P5)输出

→

🎯

5. 后处理

NMS非极大值抑制
置信度阈值0.6过滤
BBox坐标还原

→

🚨

6. 分类联动

铁器→紧急停机
石块→告警减速
抓拍留证+DCS信号

💡 模型训练 LMDAP标注 300-500张 → ModelArts训练 → Atlas 300I部署，mAP 95%+

⚡ 性能指标推理 30fps · 8路并发 · 端到端 <100ms · 支持增量学习持续优化

📹 AI检测画面 — 2号转运站

● REC 30fps

铁器 98.3%

大块煤 95.7%

石块 91.2%

YOLOv8 | Atlas 300I检测目标: 3个2026-03-31 14:32:05

📸 异物抓拍记录

导出报表 →

铁器

14:32:05

大块煤

14:32:05

石块

14:32:05

铁器

13:08:22

📊 本周异物检出统计

5

周一

2

周二

8

周三

3

周四

1

周五

4

周六

6

今日

🏷️ 检测类别 & 联动规则

! 铁器 → 紧急停机

! 石块 → 告警减速

i 大块煤 → 预警提示

i 木材 → 告警清除

📊 今日检测数据

检测帧数

86,400

检出异物

6

检测精度

97.3%

误报率

0.8%

🎯 本月异物类型分布

● 铁器 30%

● 大块煤 20%

● 石块 15%

● 木材 8%

⚡ DCS联动状态

破碎机急停信号已连接

皮带减速信号已连接

声光报警器已连接

YOLOv8目标检测LMDAP标注Atlas 300IDCS联动抓拍留证

CV 视觉检测

⛏️ 堵煤/卡堵检测 — 产品设计方案 💡 算法说明

语义分割+区域变化检测，监测落煤管/溜槽的物料堆积程度，四级阈值告警，与DCS联动防止堵塞停机。

🎯 场景痛点

• 人工清堵存在重大安全风险
• 传统料位开关灵敏度差、误报率高
• 堵塞→停机清理→影响全线产能

⚙️ 技术方案

• DeepLabV3 / DDRNet 语义分割
• 面积占比四级：<30% / 30-60 / 60-85 / >85%
• 时序分析防误报，连续N帧确认

📦 硬件与交付

• 共用边缘盒子，边际成本最低
• 多点位监测，一台设备覆盖4+点位
• 交付：分割模型/多点监控/工单/DCS联动/报表

AI PIPELINE 堵煤检测 · DeepLabV3语义分割处理流程

📷

1. 多点位采集

4路摄像头轮询
落煤管/溜槽/仓口
2-5fps低帧率即可

→

🔲

2. 预处理

Resize 512×512
ROI区域裁剪
直方图均衡化增强

→

🧠

3. DeepLabV3编码

ResNet-50骨干网络
空洞卷积(rate 6,12,18)
ASPP多尺度特征提取

→

🎨

4. 像素级分割

逐像素分类(煤/背景)
上采样恢复原始尺寸
Softmax概率图输出

→

📊

5. 面积占比计算

煤区像素数/总像素
连通域分析聚合
时序滑窗N帧防误报

→

🚨

6. 四级告警

<30% 正常
30-60% 预警减速
>85% 紧急停机+工单

💡 算法特点语义分割 vs 目标检测：无需框选标注，直接像素级分类，天然适合"面积占比"度量

⚡ 性能优势 DDRNet轻量替代方案 4路仅需1TOPS · 共用边缘盒子 · 边际成本最低

📹 多点位堵煤监测 4/4 在线

18%

1号落煤管正常

52%

⚠ 预警

2号溜槽预警

10%

3号导料槽正常

78%

🚨 告警

4号煤仓入口告警

📈 堆积面积趋势（4号煤仓入口 · 近6小时）

📋 处置工单

全部工单 →

4号煤仓入口堵煤告警

堆积面积78% · 13:45触发 · 已派单给王师傅

处理中

2号溜槽堵煤预警

堆积面积52% · 11:20触发 · 已自动恢复

已解除

📏 堵塞分级阈值

正常

<30%

预警

30-60%

告警

60-85%

紧急

>85%

⚙️ 阈值可在管理后台自定义配置，支持按点位单独设置

📊 今日运营数据

监测点位

4

告警次数

2

最高堆积

78%

自动恢复率

65%

📅 月度堵煤报表

点位	告警	清堵	自恢复
1号落煤管	2	1	1
4号煤仓入口	12	8	4
2号溜槽	6	2	4
3号导料槽	1	0	1

💡 4号煤仓入口为高频堵塞点，建议优化给料方式

⚡ 联动控制

给煤机减速/停止已连接

皮带减速信号已连接

振动器启动信号待调试

DeepLabV3语义分割区域变化检测多点位监测DCS联动工单系统

CV 视觉检测

👷 人员异常行为检测（安全帽、安全带、入侵、倒地等）

智能视频分析自动识别作业人员安全穿戴、违规行为、区域入侵等安全事件。中软国际在煤矿、钢铁等行业已有成熟落地。

🔴 业务痛点

人员三违管理难：现场违规行为难以及时发现
危险区域管控难：周界入侵、可疑人员依赖人工巡查
安全穿戴监管难：安全帽护具佩戴缺乏自动检测
按时到岗难核查：人员到岗靠人工点名效率低

🟡 技术难点

场景覆盖广：需覆盖采、掘、机、运、通等50+场景
小目标检测：远距离安全帽等穿戴物仅几十像素
遮挡多姿态：矿井/车间环境复杂，遮挡频繁
多类型行为：需同时识别穿戴、违规、入侵等

🟢 方案设计

CV大模型服务：覆盖煤矿50+场景视觉检测
目标检测+姿态：YOLOvX + open-pose
语义分割：DDRNet + DeepLabV3精细分割
平台支撑：LMOps + LMDAP + LMinfo

📱 业务使用流程 — 轻量小应用，无需登录大平台

📹

视频接入

多路摄像头
RTSP/GB28181

→

🧠

AI识别

穿戴检测
行为+入侵识别

→

🔔

实时告警

违规即时推送
截图+视频存证

→

📋

事件处置

一键确认/派单
整改回传闭环

→

📊

统计考核

违章热力图
考核报表导出

💡 独立小应用，非大平台 | 📱 企微/钉钉小程序+H5 | 🖥️ 轻量Web看板，可嵌入现有系统

✅ 中软国际可交付

● 智能监测管理平台 LMinfo

● AI模型服务平台 LMOps

● 数据标注平台 LMDAP

● 人员三违/穿戴检测算法

● 周界入侵/区域管控算法

● 告警联动/存证/考核报表

🔗 需引入第三方能力

● 高清摄像机（海康/大华）

● 防爆摄像机（海康/宇视）

● AI训推服务器（华为Atlas）

● 人脸识别门禁（海康/旷视）

● 边缘计算盒子（Atlas 300I）

● 广播/声光报警（现场联动）

▲ 智能矿山大模型 — CV覆盖50+场景（人员三违/安全帽/周界入侵/到岗检测），点击放大

▲ 皮带智能监测 — 含人员入侵监测+违规作业识别，LMinfo/LMOps/LMDAP三大平台，点击放大

▲ 视觉大模型使能钢铁生产 — 安全作业监测场景，模型精度可提升至98%，点击放大

🎯 AI切入点：安全穿戴检测区域入侵检测异常行为识别

YOLOvXopen-poseDDRNetDeepLabV3Atlas 300ILMOps

CV 视觉检测

🪖 安全穿戴检测 — 产品设计方案 💡 算法说明

YOLOv8目标检测，自动识别安全帽、安全带、反光衣、防护手套等穿戴物佩戴情况，未佩戴即时告警。

🎯 场景痛点

• 电厂现场安全帽佩戴率监管困难
• 高空作业安全带佩戴无法实时核查
• 人工巡检覆盖率低，夜班漏检严重

⚙️ 技术方案

• YOLOv8 目标检测 + 分类头多标签输出
• 检测类别：安全帽/安全带/反光衣/手套
• 检测帧率 10-15fps，延迟 <150ms

📦 硬件与交付

• 高清摄像机（海康/大华）+ Atlas 300I
• LMDAP标注平台辅助数据迭代
• 交付：算法模型/看板/告警/报表/API/培训

AI PIPELINE 安全穿戴检测 · AI算法处理流程

📹

1. 视频接入

多路摄像头
RTSP/GB28181
10-15fps 抽帧

→

👤

2. 人员检测

YOLOv8先检测
画面中所有人员
裁剪人员区域

→

🧠

3. 穿戴物检测

YOLOv8多类别
安全帽/安全带/反光衣
mAP@0.5 > 95%

→

🔗

4. 人-物关联

IoU匹配穿戴物
与对应人员绑定
判断"未佩戴"

→

⏱️

5. 时序确认

连续5帧未佩戴
才触发告警
滤除误检干扰

→

🚨

6. 告警推送

截图+视频存证
推送企微/看板
形成违章工单

💡 核心优势 YOLOv8成熟方案，煤矿50+场景验证，可直接迁移电厂

⚡ 性能指标端到端延迟 <150ms · 准确率 >97% · 支持多路并发推理

📹 实时监控 — 锅炉房2层入口

在线

✓ 安全帽 98%

✓ 反光衣

✗ 未戴安全帽

✗ 未穿反光衣

✓ 安全帽 96%

检测人数: 3违规: 1人2026-03-31 14:32:05

📊 今日穿戴检测统计

1,247

检测总人次

23

未戴安全帽

8

未穿反光衣

97.5%

合规率

🔥 各区域违规热力

38%

锅炉房区域

25%

煤仓转运层

22%

汽机房区域

15%

化水车间

⚙️ 检测规则配置

🪖 安全帽检测 已启用

🦺 反光衣检测 已启用

🔗 安全带检测 已启用

🧤 防护手套检测 未启用

⚙️ 按区域配置检测规则，不同区域可启用不同穿戴检测项

🔔 最近告警

查看全部 →

违规锅炉房 — 未戴安全帽 14:32

违规煤仓 — 未穿反光衣 13:15

已处理汽机房 — 未戴安全帽 11:20

📈 近7日违章趋势

📱 移动端实时推送

⚠ 安全穿戴违规告警
📍 锅炉房2层入口 · 14:32:05
👤 未佩戴安全帽、未穿反光衣
📎 查看截图 | 确认处理 | 忽略

CV 视觉检测

🚧 区域入侵检测 — 产品设计方案 💡 算法说明

YOLOv8人员检测 + 多边形电子围栏规则引擎，实时监测危险区域/禁入区域的人员入侵事件，联动声光告警。

🎯 场景痛点

• 高压区/旋转机械区误入风险极高
• 传统红外对射误报率高、易被绕过
• 施工期间临时禁区无法灵活管控

⚙️ 技术方案

• YOLOv8 人员检测 + 多边形区域规则
• 可视化画区域，灵活调整电子围栏
• 检测帧率 15fps，入侵响应 <500ms

📦 硬件与交付

• 高清摄像机 + 声光报警器联动
• 可对接现有视频监控平台
• 交付：算法模型/围栏配置/告警/报表

AI PIPELINE 区域入侵检测 · AI算法处理流程

📹

1. 视频流接入

多路摄像头
RTSP流解码
15fps 关键帧

→

📐

2. 围栏加载

加载预设
多边形围栏坐标
支持多区域

→

🧠

3. 人员检测

YOLOv8检测
所有人员位置
输出bbox坐标

→

📍

4. 位置判断

bbox底部中心点
与围栏多边形
做点-多边形包含判断

→

⏱️

5. 驻留计时

跟踪停留时长
区分"经过"和"驻留"
可配置触发阈值

→

🚨

6. 联动告警

声光报警联动
广播语音喊话
截图存证+推送

💡 核心优势可视化画围栏，无需重新训练模型，现场人员即可配置

⚡ 性能指标入侵响应 <500ms · 准确率 >98% · 支持多围栏并行

📹 实时监控 — 高压配电室入口

布防中

⚠ 入侵!

停留 12s

安全区

围栏: 3个区域当前入侵: 1人2026-03-31 14:35:12

📐 电子围栏配置

⛔ 高压配电室 禁入 | 0s触发声光+广播

⚠ 旋转机械区 限入 | 10s触发推送告警

ℹ 临时施工区 监控 | 30s触发记录+推送

🖱️ 可视化在视频画面上直接拖拽画围栏，无需技术人员介入

📊 今日入侵统计

5

入侵事件

3

已处理

12

监控点位

0.3s

平均响应

🔔 入侵告警记录

查看全部 →

紧急高压配电室入侵 14:35

预警旋转机械区停留超时 13:42

已处理临时施工区进入记录 11:20

🏭 围栏区域状态

高压配电室 1人入侵

旋转机械区 安全

临时施工区 安全

煤仓顶部 已撤防

🔊 联动设备状态

🔴 声光报警器 × 6台全部在线

📢 IP广播 × 4台全部在线

🚪 电子门禁 × 3套 1套离线

📱 入侵告警推送

🚨 紧急：区域入侵告警
📍 高压配电室 · 14:35:12
👤 检测到1人进入禁入区域，已停留12秒
🔊 声光报警已触发 · 广播喊话已播放
📎 查看实时画面 | 确认处理

CV 视觉检测

🏃 异常行为识别 — 产品设计方案 💡 算法说明

YOLOv8 + OpenPose 人体姿态估计，识别倒地、攀爬、打架、奔跑等异常行为，及时发现人员安全隐患。

🎯 场景痛点

• 人员突发疾病/中毒倒地无人发现
• 违规攀爬设备/管道极易发生事故
• 打架斗殴等行为监控回看滞后

⚙️ 技术方案

• YOLOv8 人员检测 + OpenPose 骨骼关键点
• 17个人体关键点姿态估计
• 时序动作分类：倒地/攀爬/奔跑/打架

📦 硬件与交付

• 高清摄像机 + Atlas 300I 推理卡
• 姿态估计算力需求较高，需GPU推理
• 交付：行为模型/看板/告警/存证/报表

AI PIPELINE 异常行为识别 · AI算法处理流程

📹

1. 视频接入

多路摄像头
RTSP流解码
10fps 抽帧

→

👤

2. 人员检测

YOLOv8定位
画面中所有人员
输出bbox

→

🦴

3. 骨骼提取

OpenPose提取
17个关键点坐标
头/肩/肘/手/膝/脚

→

📊

4. 姿态分析

骨骼角度计算
肢体相对位置
时序特征提取

→

🏷️

5. 行为分类

LSTM/Transformer
时序动作分类
倒地/攀爬/打架

→

🚨

6. 事件告警

分级告警
视频片段存证
推送+工单闭环

💡 核心优势骨骼关键点分析，不受衣着/光线影响，泛化能力强

⚡ 性能指标行为识别延迟 <1s · 倒地检出率 >95% · 误报率 <3%

📹 实时监控 — 汽机房1层通道

在线

正常行走

⚠ 倒地! 已3s

正常站立

检测人数: 3异常: 1人倒地2026-03-31 14:38:20

📊 本月异常行为统计

3

倒地事件

7

攀爬违规

2

奔跑事件

0

打架事件

🦴 行为判定逻辑

倒地检测
头部关键点Y坐标 > 髋部Y坐标
且身体水平展开角 > 60°

攀爬检测
双手关键点高于头部
且双脚不在地面水平线上

奔跑检测
连续帧位移速度 > 阈值
且步幅（双脚间距）异常大

打架检测
两人bbox高度重叠
且双方肢体速度同时剧烈变化

⚙️ 行为检测规则

🧑‍🦽 倒地检测 3s触发

🧗 攀爬检测 即时触发

🏃 奔跑检测 5s触发

🤼 打架检测 即时触发

🔔 最近异常事件

查看全部 →

紧急汽机房 — 人员倒地 14:38

违规锅炉房 — 攀爬管道 13:55

已处理煤仓 — 异常奔跑 11:10

📈 近7日检测量趋势

📱 紧急事件推送

🚨 紧急：人员倒地告警
📍 汽机房1层通道 · 14:38:20
👤 检测到人员倒地，已持续3秒
🎬 查看视频片段 | 派人查看 | 误报

CV 视觉检测

🔬 人员行为检测 — 业务流程各环节优势深度分析

针对「视频接入→AI识别→实时告警→事件处置→统计考核」五大环节，逐一分析中软国际的核心竞争力与不可替代性。

1

📹 视频接入 — 多路摄像头 / RTSP / GB28181

将现场摄像头视频流统一接入AI分析引擎

🏭 行业实战验证

中软国际已在山能煤矿、海螺水泥等项目实现多路高清视频接入，支持RTSP/GB28181/ONVIF三大协议，兼容海康、大华、宇视等主流品牌摄像机，无需替换甲方现有设备。

⚡ 边缘计算优势

基于华为Atlas 300I Pro边缘盒子，单台可处理16路4K实时视频流（INT8量化推理），部署在现场配电室即可，无需额外建机房，大幅降低网络带宽需求。

🔌 即插即用接入

自研LMinfo智能监测管理平台内置视频接入管理模块，支持批量摄像头注册、在线状态监控、画面预览，1天内可完成100+路摄像头接入配置。

🛡️ 防爆合规

在煤矿等危险场景积累了防爆摄像机接入经验（矿用本安型），电厂高温高压环境下的特种摄像机接入方案已有成熟实践。

⚠️ 竞品短板：多数AI创业公司只关注算法，视频接入依赖第三方SDK拼装，遇到非标摄像头/特殊协议就踩坑。中软国际在工业场景摸爬滚打50+项目，踩过的坑已转化为标准化接入方案。

2

🧠 AI识别 — 穿戴检测 / 行为识别 / 入侵识别

这是整个流程的核心引擎，也是中软国际最强壁垒

🏆 核心壁垒：自研三大平台 + CV大模型

中软国际模型工场拥有完整的AI工程化平台链：
① LMOps（模型服务平台）— 一站式模型训练/部署/监控，支持华为昇腾+盘古CV大模型
② LMDAP（数据标注平台）— 2D图像标注+自动标注+主动学习，降低数据标注成本70%+
③ LMinfo（智能监测管理平台）— 统一的视频AI应用管理、告警管理、模型管理
三大平台已在国家管网、山能、中石油、海螺水泥、广汽等头部企业落地验证。

🎯 50+场景覆盖

中软国际在煤矿行业已训练覆盖采、掘、机、运、通等50+个CV场景的视觉大模型，包括：安全帽检测、安全带检测、反光衣检测、人员倒地、区域入侵、离岗检测、人员聚集等，大量已训练好的模型可直接复用或微调。

🔬 算法技术栈

• 目标检测：YOLOv8/YOLOvX 系列，支持小目标增强
• 姿态估计：open-pose 人体关键点检测
• 语义分割：DDRNet + DeepLabV3 精细分割
• 行为识别：时序动作检测+多帧关联分析
检测精度在钢铁行业达到98%，煤矿行业95%+。

♻️ 数据闭环自进化

通过LMDAP标注平台打通「误报反馈→自动标注→增量训练→模型更新→重新部署」闭环。模型越用越准，不需要每次花钱请厂家来调优。这是中软与「交付即跑路」型公司的本质区别。

🔗 华为生态深度绑定

中软国际是华为战略合作伙伴（HK上市公司00354），AI训练使用华为ModelArts，推理使用华为Atlas昇腾，基础模型使用盘古CV大模型，完全满足信创自主可控要求。中软国际连续11年入选中国信息服务百强企业TOP15。

📊 已验证的行业案例

• 山能煤矿：人员三违行为检测，覆盖50+识别场景
• 海螺水泥：粒径检测精度97.8%
• 钢铁行业：安全作业监测精度可达98%
• 煤矿：猴车载物违规检测98.9%

⚠️ 竞品短板：一般竞品只能交付单点算法（如仅安全帽检测），缺乏平台化能力。模型部署后如需调优只能「叫厂家、等排期、再付费」。中软国际交付的是平台+算法+数据闭环，甲方可自主迭代。

3

🔔 实时告警 — 违规即时推送 / 截图+视频存证

AI识别后秒级触达相关人员，并自动固化证据

⚡ 秒级推送通道

LMinfo平台内置多通道告警引擎：
• 企业微信：消息卡片+截图推送
• 钉钉：小程序+H5消息通知
• 短信/电话：紧急事件升级通知
• 声光报警：现场联动广播/警示灯
从AI识别到推送通知，端到端延时＜3秒。

📸 自动存证机制

每条告警自动保存：
• 违规截图（标注检测框+置信度）
• 违规前后15秒视频片段
• 时间/地点/摄像头/人员元数据
存证数据符合安全生产执法要求，可直接作为安全考核和事故调查的数字化凭证。

🔀 分级告警策略

支持三级告警联动：
• 提醒级：推送通知，班组长确认
• 告警级：现场广播+推送+自动派单
• 紧急级：联动DCS/PLC停机保护
在皮带监测项目中已实现与DCS系统的联动停机。

🧹 智能去重降噪

通过时空聚合算法对重复告警去重：同一区域内同一类型违规在设定时间窗口内只触发一次告警，避免「告警风暴」导致关键信息淹没。误报抑制率达到85%+。

⚠️ 竞品短板：大量AI厂商的告警就是简单的邮件/短信发送，无去重、无存证、无分级。中软国际的LMinfo告警引擎经过了工业场景大量告警的「暴力测试」，成熟可靠。

4

📋 事件处置 — 一键确认/派单 / 整改回传闭环

确保每条告警有人管、有结果、可追溯

📱 轻量小应用模式

中软国际采用「轻量小应用」而非「大平台」的交付策略。现场班组长通过企微/钉钉小程序即可：
• 一键确认告警真实性
• 一键派单给责任人
• 查看违规截图+视频回放
无需安装APP，无需登录复杂系统，降低一线人员使用门槛。

🔄 闭环管理流程

完整的PDCA闭环：
告警 → 确认 → 派单 → 整改 → 拍照回传 → 销号
每个节点有时间戳+操作人+照片存证，支持超时自动升级通知。在国家管网项目中已实现了完整的事件闭环管理。

🔌 可嵌入现有系统

事件处置模块提供标准API接口，可嵌入甲方现有的OA系统、安全管理系统、MES系统。如果甘电投已有安全管理平台，中软国际可以直接对接，不需要替换现有系统。

📊 误报反馈联动

一线人员「标记为误报」的告警会自动回流到LMDAP标注平台，作为模型优化的负样本。这意味着每次现场操作都在帮助AI变得更聪明——运营即训练。

⚠️ 竞品短板：只做AI识别不做处置闭环的厂商，最终导致「AI检测到了但没人管」，系统沦为摆设。中软国际从煤矿安全管理中深知闭环管理才是AI真正产生价值的关键。

5

📊 统计考核 — 违章热力图 / 考核报表导出

用数据驱动安全管理决策，让安全考核有据可依

🗺️ 违章热力图

基于GIS/平面图展示违章事件空间分布，一眼看出哪个作业区域、哪个班组是安全高发区。支持按时段/班组/违章类型多维度筛选，辅助安全管理决策。

📈 多维度报表

自动生成日报/周报/月报：
• 各类违章趋势曲线
• 班组安全排名对比
• 整改及时率/完成率
• 同比/环比分析
支持一键导出Excel/PDF，直接对接安全管理考核制度。

🎯 KPI考核联动

可配置安全考核规则引擎：按违章类型/严重程度自动计算扣分，对接甲方安全生产考核体系。从「人治」走向「数治」，让安全管理数字化可量化。

🖥️ Web看板可嵌入

统计看板以轻量Web组件形式交付，可直接嵌入甘电投现有的生产管理大屏、安全管理系统。支持iframe嵌入和API数据对接两种方式，无需重复建设。

⚠️ 竞品短板：多数AI公司不做业务应用层，报表要么没有、要么需要额外购买BI工具。中软国际的LMinfo平台自带统计看板，开箱即用。

5/5

全环节自主覆盖

50+

已落地项目

98%

最高检测精度

3大

自研平台支撑

TOP15

信息服务百强

CV 视觉检测

🔍 智能巡检（仪表读数、缺陷检测、异物入侵）

基于视觉大模型及无人机技术，对仪表读数、叶片裂纹/变形、光伏面板热斑等进行远程AI巡检。

匹配度

极高 ★★★

🔴 业务痛点 PAIN

人员严重不足：偏远场站巡检人员招募困难
读数误差3-5%：肉眼读数+手工记录，无法追溯
微小缺陷不可见：毫米级裂纹高空肉眼无法发现
巡检纸质化：手写巡检单无法联动分析

🟡 技术难点 DIFFICULTY

仪表种类繁多：指针/数字/液晶/指示灯各需适配
拍摄角度不可控：无人机每次角度距离不同
缺陷微小多样：仅占画面0.1%，形态千变万化
多模态数据：可见光+红外+紫外需对齐分析

🟢 方案设计 SOLUTION

通用仪表OCR：先检测类型，再针对性识别读数
多尺度缺陷检测：FPN+多尺度Anchor策略
中心训练-边缘推理：ModelArts训练→Atlas实时推理
数据闭环自学习：新缺陷自动标注→增量训练

95.5%

仪表读数准确率

95%+

缺陷检测准确率

91%

粒级识别准确率

OCRFPN实例分割缺陷检测红外分析边缘-云协同

🏆

为什么选择中软国际？

✅ 仪表读数+缺陷检测是核心能力 📊 煤矿仪表读数 95.5% 🔩 中石油焊缝缺陷检测 95%+ 🔄 中心训练+边缘推理架构成熟 ♻️ 数据闭环保障持续进化

NLP 知识问答

💬 智能问答（生产知识 + 人资政策）

为电力生产人员提供安全规程、设备资料精准检索与决策支持；为员工提供人资政策智能问答。

匹配度

极高 ★★★

🔴 业务痛点 PAIN

知识散落"孤岛"：200+规程/300+手册，查找均耗时15-30min
专家知识断层：老师傅退休带走30年经验，新人培训周期长
应急响应慢：故障时翻书翻文件夹跟不上紧急需求
跨部门壁垒：生产/安全/检修/人资知识不互通

🟡 技术难点 DIFFICULTY

专业术语：通用大模型对电力术语理解不足
幻觉致命：错误指导可能引发安全事故
多格式文档：表格/流程图/公式/扫描件难以提取
权限安全：人资薪酬等敏感信息需多级控制

🟢 方案设计 SOLUTION

RAG混合检索：向量语义+BM25关键词，双保险
幻觉三重防线：检索约束+来源标注+置信度过滤
多模型融合：DeepSeek R1+盘古38B，路由最优模型
知识库分域：各域独立管理、权限隔离、版本控制

6+

直接案例数

97%

故障排查问答

90%

安全生产问答

91%

急救指导问答

DeepSeek R1盘古38BRAG向量数据库知识图谱LMOps

🏆

为什么选择中软国际？

✅ 6+能源行业直接案例 📊 故障排查问答 97% 🛡️ 幻觉三重防线杜绝错误指导 🔧 RAG+多模型路由架构成熟 🏭 国家管网/山能经验直接复用

预测大模型

📊 预测性维护

对汽轮机、发电机、锅炉等关键设备进行实时状态监测、健康量化评估、故障预警与剩余寿命预测。

匹配度

极高 ★★★

🔴 业务痛点 PAIN

过度维护浪费：60%+设备状态良好无需检修，造成不必要停机
突发故障代价巨大：单次非计划停机损失数百万至千万
老化趋势不可见：参数缓慢漂移难以人工发现
维护经验难量化：凭"听声音摸温度"无法沉淀为模型

🟡 技术难点 DIFFICULTY

故障样本极稀缺：年故障率<0.1%，正常数据占99.9%
多源异构融合：振动/温度/压力时间尺度差异巨大
退化非线性：突变点和多模式退化路径
工况干扰：需区分"正常变化"vs"早期退化"

🟢 方案设计 SOLUTION

盘古预测大模型：预训练于海量工业数据，小样本微调适配
多传感器融合：统一对齐→多尺度特征→注意力机制
健康指数量化：Health Index(0-100)，实时可视化
RUL预测+CBM：Transformer+生存分析，推荐最优维护时间

88%

中石油预测准确率

78%

国家管网准确率

2个

能源行业案例

盘古预测大模型TransformerLSTM生存分析数字孪生IoT

🏆

为什么选择中软国际？

✅ 2个能源行业验证案例 📊 中石油预测 88% 🧠 盘古预测大模型小样本微调 🔄 数据→预测→维护决策全链 ⚡ 可直接迁移至火电设备

NLP 智能诊断

🔧 智能故障诊断

利用历史故障案例、专家经验库及故障处理手册，实现故障智能分级、分析、两票生成。

匹配度

高 ★★

🔴 业务痛点 PAIN

依赖少数专家：80%复杂故障靠"老专家"经验
报告编写耗时：每次故障分析报告平均4-8小时
历史案例沉睡：10年+故障记录无法自动匹配
两票编制慢：工作票/操作票人工编写1-2小时

🟡 技术难点 DIFFICULTY

故障模式复杂：故障树节点数百个，同现象多根因
多轮诊断建模：需模拟专家"提问→排除→确认"
案例非结构化：用词不统一需语义归一化
安全性极高：错误诊断可能导致二次故障

🟢 方案设计 SOLUTION

故障树向量化：结构化→向量化→语义相似检索
多轮Agent：收集现象→诊断→排查→确认→推荐方案
大模型+知识库：推理+事实互补消除幻觉
两票自动生成：关联设备台账+安全规程自动填充

97%

山能故障排查

92.1%

广汽故障诊断

2个

完整案例

故障树推理Agent编排知识库检索多轮对话两票生成

🏆

为什么选择中软国际？

✅ 广汽+山能 2个跨行业案例 📊 山能故障排查 97% 🤖 Agent多轮对话模拟专家诊断 📋 两票自动生成提升效率

CV 文档识别

📝 内容识别（两票/财务OCR识别）

OCR技术+AI模型，对工作票、操作票、财务票据自动化识别、关键信息提取与结构化存储。

匹配度

高 ★

🔴 业务痛点 PAIN

手工录入错误率3-5%：关键字段错误致安全遗漏
合规校验靠人：安全交底逐项人工核对，耗时易疏忽
财务效率低：月末结账高峰期加班严重
查询追溯困难：纸质归档查找难

🟡 技术难点 DIFFICULTY

手写+印刷混排：签名日期为手写需混合识别
复杂表格：多层嵌套、合并单元格还原难
印章干扰：红色印章叠加在文字上
多版式适配：不同场站格式不同

🟢 方案设计 SOLUTION

版式自适应OCR：模板匹配+自由版式双模式
表格结构还原：深度学习表格检测+单元格分割
NLP语义校验：与安全规程知识库比对校验
联动知识问答：结构化数据入库联动问答系统

95%+

文字识别率

联动

问答系统打通

OCR引擎表格检测手写识别NLP校验知识库联动

🏆

为什么选择中软国际？

✅ 国家管网文档OCR已验证 🔗 与智能问答系统联动打通 📊 识别率 95%+

NLP 知识管理

🎓 智能培训

整合知识，结合员工技能短板动态生成定制化培训内容，与智能问答/写作共享底层平台。

匹配度

高 ★

🔴 业务痛点 PAIN

千人一面：所有人学一样内容，资源浪费
脱产困难：7×24h倒班，集中培训需调班
考完就忘：应试培训效果差
新人成长慢：独立值班需6-12个月

🟡 技术难点 DIFFICULTY

个性化路径：岗位+经验+短板动态规划
掌握度评估：客观量化技能点掌握程度
仿真场景：3D建模+物理引擎成本高
效果追踪：培训→考核→实操全链度量

🟢 方案设计 SOLUTION

知识图谱驱动：映射"岗位→技能→知识点"
AI智能出题：大模型自动生成场景化题目
碎片化学习：移动端微课适配倒班碎片时间
复用知识问答：与#23共享知识库，一套两用

90%

山能安全问答

NLP三件套

打包交付最低

知识图谱AI出题RAG技能画像LMOps

🏆

为什么选择中软国际？

✅ 与问答/写作共享NLP平台 💰 三件套打包边际成本极低 🏭 山能安全培训 90%

CV 视觉检测

🌡️ 设备安全（跑冒滴漏、变型、裂纹等）

对发电核心设备实现跑冒滴漏、结构变形/裂纹、温度/压力异常等实时监测。

匹配度

高 ★

🔴 痛点 PAIN

设备多覆盖广：上百种设备，人工巡检覆盖率<30%
微弱征兆难捕捉：渗出几滴肉眼难发现
环境恶劣：高温200°C+、蒸汽粉尘弥漫
多源数据难关联：各系统独立

🟡 难点 DIFFICULTY

CV+IoT融合：多模态融合分析
微小渗漏：与正常冷凝混淆
高温辐射干扰：妨碍常规视觉
分级标准模糊：需行业标准+AI

🟢 方案 SOLUTION

CV主+IoT辅：表观缺陷+内部参数
多光谱融合：可见光+热成像+紫外
缺陷分级模型：结合行业标准训练
联动预测性维护：发现→评估→预测闭环

97.8%

海螺水泥检测

95.5%

煤矿漏电检测

CV检测热成像紫外IoT融合缺陷分级

🏆

为什么选择中软国际？

✅ 海螺水泥 97.8% 设备监测 🔗 与皮带/人员/巡检共享CV平台 💰 统一交付降低集成成本

CV 视觉检测

🏗️ 施工安全（单人作业、吊物下方人员识别）

对检修/施工现场单人违规作业、吊装作业吊物下方违规有人等高危行为智能识别与即时报警。

匹配度

高 ★

🔴 痛点 PAIN

吊装事故致命：吊物坠落几乎100%致命
单人作业监护难：数十作业面无法覆盖
违章隐蔽：无人监护悄悄干频发
事后追责难：缺乏实时记录和证据

🟡 难点 DIFFICULTY

空间关系推理：2D投影理解3D空间关系
动态场景变化：施工现场频繁变化
遮挡严重：脚手架/设备下人员检测
"单人"定义：暂时离开vs真正单人

🟢 方案 SOLUTION

检测+空间推理：检测吊物/人员+几何投影
动态电子围栏：根据施工计划动态调整
计数+跟踪：DeepSORT持续跟踪人数
共享底座：复用#19检测引擎

98.9%

猴车载物违规

94.1%

区域入侵监测

目标检测空间推理DeepSORT电子围栏

🏆

为什么选择中软国际？

✅ 猴车载物违规 98.9% 🔗 与人员检测共享推理引擎 💰 边际开发成本极低

CV 视觉检测

🔥 环境安全（明火、冒烟、危险区域识别）

对煤场、库房、电缆沟等区域实时监控烟火隐患，并对危险区域进行动态电子围栏管理。

匹配度

高 ★

🔴 痛点 PAIN

火灾发现晚：初期仅微量烟雾，发现时已失控
传统烟感局限：室外大空间场景失效
危险区域靠人管：挂牌拉绳形同虚设
夜间/假期薄弱：监控人员减少时高发

🟡 难点 DIFFICULTY

微弱烟雾检测：初期面积小颜色近似
水蒸气误报：与烟雾视觉高度相似
光照变化：日出日落夜间极端条件
大范围覆盖：数万㎡多摄像头联动

🟢 方案 SOLUTION

视觉+热成像联动：双路交叉验证降误报
运动特征分析：光流方向区分烟雾vs蒸气
多级告警：可疑→预警→确认→报警
复用CV平台：共享边缘节点增加模型

97%+

堵仓预警(可迁移)

共享

CV安全平台

烟火检测热成像光流分析电子围栏

🏆

为什么选择中软国际？

✅ 堆仓预警 97%+ 可迁移 🔗 CV安全一体化平台子模块 💰 共享算力底座无需独立建设

NLP 文本生成

✍️ 写作助手（报表生成等）

AI辅助报表编制、公文写作、数据分析报告生成，提升编制效率和规范性。

匹配度

高 ★

🔴 痛点 PAIN

报表耗时：每份2-4小时手工收集排版校对
格式不统一：各场站风格各异汇总困难
数据搬运出错：手工粘贴环节错误率高
分析深度不足：忙于填数无暇趋势分析

🟡 难点 DIFFICULTY

术语准确性：不能出现模糊表述
格式模板：需精确控制输出格式
多源数据：来自多系统需自动关联
数据安全：经营数据需私有化部署

🟢 方案 SOLUTION

模板+NLP融合：固定数据API填充+AI分析
自然语言查数据：对话式数据检索+可视化
多场景写作：日报/简报/月报/故障报告
私有化部署：全链条内网，数据不出企业

96.8%

广汽报表准确率

87%

山能公文生成

85%

管网办公写作

NLP生成模板引擎数据可视化LMOps

🏆

为什么选择中软国际？

✅ 广汽报表 96.8% 准确率 🏭 山能+管网共 3个案例 🔗 与问答/培训NLP三件套打包

NLP 语音交互

🎙️ 智能安全帽语音助手

通过安全帽语音指令触发问答，动态检索知识库生成操作指引，缩短故障处置时长。

匹配度

高 ★

🔴 痛点 PAIN

双手被占：检修现场无法翻阅手册
噪音环境：80-120dB对讲机效果差
信息获取慢：需回控制室查资料延误处置
知识"离线"：学的知识到现场想不起来

🟡 难点 DIFFICULTY

工业噪声ASR：高噪环境识别率骤降
轻量化部署：安全帽端ARM算力有限
低延迟：用户容忍<3秒等待
硬件适配：防爆防尘抗震集成要求

🟢 方案 SOLUTION

端-边-云三级：安全帽→边缘ASR→云端RAG
华为ASR方案：工业级语音+波束成形降噪
复用RAG核心：与#23共享知识库
中软做AI大脑：华为做硬件+ASR通信

共享

智能问答知识库

分工

中软AI+华为HW

ASRRAGLLM华为端侧波束降噪

🏆

为什么选择中软国际？

✅ 智能问答系统的移动端延伸 🤝 中软AI大脑+华为硬件分工 🔗 复用问答RAG核心零边际成本

📋 全景总结 · 13个高匹配场景一览

中软国际模型工场对甘电投37个AI场景的深度解决方案分析。点击行查看详情。

序号	场景名称	技术	匹配度	核心痛点	方案亮点	推荐
#16	皮带监测	CV	极高	停机损失100万+/次	YOLO+分割+双光融合	★★★
#19	人员行为检测	CV	极高	人员三违管理难、穿戴监管难	CV大模型50+场景+YOLOvX+open-pose	★★★
#22	智能巡检	CV	极高	偏远场站人员不足	通用仪表OCR+缺陷检测	★★★
#23	智能问答	NLP	极高	查规程平均15-30分钟	RAG+幻觉三重防线	★★★
#29	预测性维护	预测	极高	60%检修实际无需维护	盘古大模型+RUL预测	★★★
#31	故障诊断	NLP	高	故障报告编写4-8小时	Agent多轮对话+两票生成	★★
#14	内容识别OCR	CV/NLP	高	录入错误率3-5%	版式自适应+NLP校验	★
#15	智能培训	NLP	高	新人成长6-12个月	知识图谱+AI出题	★
#18	设备安全	CV	高	巡检覆盖率<30%	CV+IoT+多光谱	★
#20	施工安全	CV	高	吊装事故100%致命	空间推理+电子围栏	★
#21	环境安全	CV	高	煤场自燃发现时已失控	视觉+热成像联动	★
#24	写作助手	NLP	高	报表每份2-4小时	模板+NLP+自然语言查数据	★
#36	安全帽语音助手	NLP	高	双手被占查不了资料	端-边-云+华为ASR+RAG	★

📦 打包策略

CV安全一体化：#16皮带+#19人员+#20施工+#21环境+#18设备 → 共享算力底座
NLP知识办公：#23问答+#15培训+#24写作+#36语音+#14 OCR → 共享知识库
设备全生命周期：#22巡检+#29预测+#31诊断 → 闭环管理

🎯 为什么选中软国际？

🏭 能源行业深耕：国家管网/山能/中石油/海螺水泥50+落地案例
🔬 全栈AI能力：CV + NLP + 预测，从算法到工程到运维
💰 打包交付低成本：三大平台复用，13个场景边际递减
🛡️ 华为生态保障：昇腾+盘古+Atlas自主可控