一、項目概況
1.項目背景
工廠倉庫管理是企業管理中的一個小部分，但是就企業的財務和生產而言，其重要性是顯而易見的。因為倉庫管理著企業的各類物資，而物資又占著企業流動資產的很大比重。此外，倉儲還是商品流通的重要環節，也是公司的最核心的部分。而在倉庫管理中，做好倉庫的安全管理，是重中之重。但是近年來倉庫火災、爆炸等事件仍然層出不窮。
由于工廠倉庫很多時候往往存放很多生產原料、成品、包裝等一系列易燃易爆物品，導致危險系數很高，一旦發生失火爆炸等事件帶來巨大損失，甚至傷及人命，所以加強倉庫及其物資的安全管理十分有必要。
長期以來，工廠倉庫安全生產事故的預防基本上依賴于企業的管理水平，包括建全規章制度，重視消防與安全防護設施的完善，教育工人嚴格遵守操作規程，提高其素質和應急處置能力等。然而，國際職業安全與事故預防理論和實踐的發展歷史表明：完全依賴人的警惕性來保障生產安全并非萬全之策，因為人可能受到生理、心理以及社會等諸多因素的干擾而出現失誤；還有一些事故致因屬于人的智力和能力難以感知和有效抑制的范疇。縱觀近年來發生的多起重大事故，雖然在調查事故原因時主要歸咎于違章、瀆職等人為責任，但進行深入分析會發現，也與缺乏先進、可靠、全方位的安全監控預警技術設施不無關系。
此外，隨著經濟的發展, 生產的規模、自動化程度、材料與工藝的革新都會導致危險源和隱患的多樣性與復雜性,導致事故模式不斷翻新,導致災害規模不斷擴大，事故災難性后果日益嚴重。因此，對各種事故所采取的預防措施的有效性也在不斷發生變化,安全技術在其中就顯示出越來越重要的地位。事故不可能完全杜絕，安全技術的發展也永無止境。
實踐證明，任何事故或災害的發生都有一個自然發展的過程,在其醞釀伊始直至臨界狀態呈現，都有“端倪”可察、“征兆”可尋。這“端倪”與“征兆”便是危險源的安全狀態信息,在這些信息中,大多數是可觀測的,有些還是可控的。
2.項目簡介
通過建設一套邊緣計算結合5G MEC或者有線網絡的先進、可靠的工廠倉庫監控預警系統, 能夠通過對安全監管系統前端傳感器采集的不同類型的數據進行評估分析，確定各類事物或者行為是否超出預警閾值，并通過相應的控制系統發出預警信息，想必就能避免事故的發生，至少能夠把事故所造成的損失和影響降到最低程度。
3. 項目目標
該系統如果能夠廣泛推廣和使用，需要滿足如下四個條件：
底層技術自主可控，滿足不同工廠的多樣化二次開發需求。
與5G MEC深度融合，不受地域等條件限制。
提高準確率，降低誤報率，實現降本增效的目的。
實施及安裝維護成本在企業可控范圍之內。
二、項目實施概況
本次案例，選擇了一個工廠倉庫實際應用場景，針對性提煉倉庫治理、安全監管兩大業務維度，分別進行智能化設計，通過數據自動采集、邊緣處理、集中匯聚、融合分析，打造以數據為驅動的智能安全倉庫，代替原始以人為主要驅動的被動閉環管理，實現管理體系從事后響應到預測性判斷的快速過渡。
1.項目總體架構和主要內容
本期針對倉庫實現安全生產需求，建設一套基于視頻AI分析的智能安全管控系統，有效解決企業倉庫安全生產的痛點與訴求，提升企業安全生產管理水平。
再通過5G、寬帶技術，將識別結果傳輸到云端，可以大大提高效率，極大程度的降低成本。
工廠倉庫目前存在的典型安全問題。
安全制度內容 | 對應的匹配方案 | |
基本安全生產管理制度 |
| |
與人相關 | 勞動防護用品 | AI視覺分析穿戴情況 |
| “三違”行為檢查 | AI視覺分析違規行為 |
| 常規作業操作 | AI視覺分析操作規范 |
| 特種作業 | AI視覺分析操作規范 |
與物相關 | 消防安全 | AI視覺分析火源及消防通道 |
| 危險物品和危險源 | AI視覺分析存放及操作規范 |
| 應急救援器材 | AI視覺分析存放及操作規范 |
與機相關 | 生產設備操作 | AI視覺分析操作規范 |
| 生產設備維護保養 | AI視覺識別設備銘牌 |
| 特種設備操作及保養 | AI視覺識別設備銘牌 |
其他安全生產管理制度 |
| |
行為相關 | 巡回檢查 | 物聯網技術及軌跡回查 |
| 車輛及廠內交通管理 | 車牌識別及車速軌跡分析 |
| 用電安全 | AI視覺分析操作規范 |
| 動火作業 | AI視覺分析操作規范 |
| 高空作業 | AI視覺分析操作規范 |
| 動土作業 |
|
安全教育管理制度 |
| |
| 安全教育 |
|
| 安全作業證 |
|
| 上崗關聯 | 培訓系統與門禁系統聯動 |
應急演練管理制度 |
| |
| 應急救援預案制定 | 基于實景三維圖制定 |
| 模擬演練制度 | 基于實景三維圖模擬演練 |
2）安全生產管理需求：
基于視頻AI技術的火焰檢測識別技術
基于視頻AI技術的抽煙等違章行為檢測技術
基于視頻AI技術的電子圍欄功能。
基于視頻AI技術實現人員雙崗識別功能。
基于邊緣計算技術和領先的算法，把安全生產管理的火焰、抽煙、電子圍欄、人員雙崗等實現實時、現場的精準識別之后，再通過4G/5G或者寬帶傳輸到云端，既可以節省大量的帶寬及云端CPU/GPU資源，又可以實現實時告警，節省大量的人力、物力。
基于邊緣計算的智能工廠安全管控，在各類工廠，圍繞人、機、料、法、環等各個公共安全，具有廣泛的使用前景。
針對企業倉庫在運營過程中存在的問題，通過部署智能化設備，解決倉安全生產管理的核心需求，目標如下：
基于現有視頻AI分析技術，新增或者利用現有智能攝像頭，在倉庫內部署智能安全管控系統，通過視頻智能分析識別，深入倉庫安全生產各環節，全面實現生產安全管控，使人遠離危險、提醒人、保護人、保護企業物資安全，徹底解決倉庫安全生產問題。
2.具體應用場景和應用模式
針對企業工廠倉庫在運營過程中存在的問題，通過部署智能化設備，解決倉庫安全生產管理的核心需求，目標如下：
基于現有視頻AI分析技術，新增智能攝像頭，在工廠倉庫內部署智能安全管控系統，通過視頻智能分析識別，深入工廠倉庫安全生產各環節，全面實現生產安全管控，使人遠離危險、提醒人、保護人、保護企業物資安全，徹底解決倉庫安全生產問題。
2.2.1方案總體架構
視頻智能分析系統針對倉庫安全生產的需求和挑戰，從信息化、智能化角度提出了一整套端到端的解決方案。
視頻智能分析系統由智能攝像頭、邊緣智能分析盒、智能交互管控平臺、告警設備組成：
智能攝像頭：用于采集實時圖像畫面。
邊緣智能分析盒：支持接入各種類型的攝像機，通過人工智能深度學習技術、強化學習技術、視頻解碼技術、流媒體技術、數字矩陣技術、聯動控制技術等，對獲取到的視頻內容進行實時檢測、分析，把異常情況或違規情況實時反饋出來，在平臺上通過彈框展示出來。
智能交互管控平臺：管理用戶信息和每個邊緣智能分析盒的配置及禁區定義，同時實時展示監控畫面和記錄、推送違規信息。平臺隸屬于本期智能安全綜合管控系統的一個模塊。
告警設備（可選）：如音響、警報器等，當發現嚴重違規行為時，智能交互管控平臺通過聯動告警設備對違規信息進行告警。
視頻智能分析系統打通監控與安防，讓傳統的安全監控系統和安全防護系統不再割裂，形成一體兩面。
視頻智能分析系統的建設基于互聯網的智能終端將應用和服務推向用戶，提供智慧的線上、線下應用，主要包含桌面應用、移動端應用和現場告警設備。
基于人工智能、云計算、邊緣計算等技術，搭建視頻智能分析系統，從安全流程管理、可視安全監管、監管自動化等方面構建支持系統。智能算法引擎做為“大腦”在收到告警信息的時候，通知攝像頭啟動錄像功能，同時通過4G、5G或有線網絡把消息第一時間推送給管理員。
視頻智能分析系統具備安全、靈活、穩定、易用的數字中臺，可提供安全管理信息接口和第三方服務接口，可與企業其他模塊交互。
2.2.2系統功能
1)實時監控預覽
實時監控采用全數字架構，前端攝像頭視頻數據接入邊緣智能分析盒，匯聚后經核心交換機統一傳送到監控中心進行存儲和顯示。
在主機房部署監控管理平臺和媒體匯聚設備，管理前端攝像機及視頻監控數據的錄制、存儲、播放和回放。
網絡傳輸子系統由接入層、匯聚層和核心層組成；由光纖接入網絡或者5G CPE組成前端攝像機的接入網；一級核心管理平臺承載在核心網絡上。
管理員可在管理平臺上通過傳輸網絡對所有攝像點、媒體存儲匯聚點、管理平臺及監控中心進行管理。
監控中心支持本地和云端部署服務器。
2)設備管理
配置、管理攝像頭監控設備，并根據監控畫面在每個攝像頭配置相應的算法。依托我司在監控算法業務領域長期的技術積累，為智能安全管控系統提供高并發、低延遲、高清流暢、安全可靠的視頻監控體驗。
配置、管理現場告警設備，監控到違規情況即觸發現場相應的音響或警報設備，及時提醒在場人員。
監控設備、告警設備、手機端能實現信息流快速分發，服務質量有保證，通信業務具備電信級品質保證能力。
3)告警管理
實時數據庫負責告警的判斷、通知和存儲。監測到違規情況，即時進行記錄并彈出界面、推送告警消息至管理員，管理員第一時間了解違規時間、類型、地點等信息，并可查看相關影像。
支持郵件、短信、微信、App協作工具等多種通知方式，告警必達。
包含事件和告警的分類、聚類、異常發現等多種人工智能場景，形成告警信息報表，通過數據查閱和組合分析，實現安全情況的全面掌控，通過對歷史告警記錄的分析，形成全面的安全管理洞察，為后續安全管理培訓的知識沉淀提供強大支持。
2.2.3智能終端
1)移動終端
提供告警通知接口，支持發送信息至郵件、短信，也可對接手機APP，將告警信息即時推送至管理員。
2)監控終端
平臺統一承載所有監控終端、智能視頻分析盒，節省網絡布線，降低網絡運維難度，為部署提供理想的終端解決方案和面向未來的服務支撐能力。
3)告警終端
除了信息通知告警，平臺還支持現場實時的語音告警。觸發告警后，聯動相應的音響對違規情況附近的人員發出語音信息，提示在場人員。
其他亮點
商業模式先進性：
產品標準化，調參個性化：即使是同一細分場景下的同一算法模型，也可以針對不同時間段、不同光照情況、工人不同工服、不同角度等，實現個性化調參。
邊緣集群化，算法SAAS化：與目前基于中心服務器AI統一建模方式對比，可以極大的提升視頻攝像頭識別的效率與效果，真正實現數字化提升與降本增效。
技術方面先進性：采用自主研發的終端AI推斷框架和邊緣集群控制核心技術，自研PCB板，軟硬件高度融合，先從計算機視覺長尾場景切入，競爭較小，適應性強。
可復制推廣性：從最有成長前景的各類計算機視覺工業安全生產與經營長尾場景切入，特別是自主研發的一體化邊緣智能服務器，軟硬件深度融合，實現了工具化、模塊化的軟件算法和架構模型，解決了各種長尾應用場景的痛點，并實現了高效、快捷、低成本的個性化定制，具有極強的代表性，可涵蓋智慧交通、智慧工廠、智慧軍工、智慧能源、智慧制造、智慧校園等諸多高價值智慧場景與領域，具有廣闊的市場前景。
三、下一步實施計劃
視頻智能分析系統將AI分析、邊緣計算、5G等先進技術和安全生產管理有機結合，針對企業安全和隱患的風險特點，與生產運營對接，精準解決安全生產風險實時監控和科學化決策等最具挑戰的安全管理難題，全面有效地幫助企業解決安全生產中的典型難題和困惑。
北京海航中軟科技有限公司“猿人行走”品牌產品-邊緣智能分析盒是基于視頻流打造的智能圖像識別系統，利用最新的深度學習技術，代替人眼，自動識別各種違規或異常行為，為安全生產保駕護航。產品以平臺為基、數據為體、流程為相、服務為本的思路建設全感知、全融合、全智能的智能安全體系。全面整合倉庫各區域、各主體的視頻監控，呈現全局安全態勢和告警事件。當違規或異常情況發生時，系統聯動攝像機自動分析違規行為，并發布告警到系統平臺和現場聲光告警設備。系統平臺，集成告警、邊緣盒子、攝像頭等子系統，通過視頻分析盒智能算法，實現倉庫無盲區、全天候、智能化覆蓋。產品基于視頻分析、物聯網、大數據、AI等新技術，構建倉庫安全體系，使倉庫安全管理從傳統的被動追溯轉變為主動預防，實現精準、智慧、一體化安全管理體系。
邊緣計算與人工智能這兩種高速發展的新技術之間存在著彼此賦能的巨大潛力。
信通院 2020 年 5 月調研數據顯示，中國企業中僅有不足 5% 使用了邊緣計算，但計劃使用的比例高達 44.2%。
根據艾瑞咨詢測算， 2020 年中國邊緣云計算市場規模為 91億元，其中區域、現場、IoT 三類邊緣云市場規模分別達到 37 億元、 38 億元及 16 億元。預計到 2025 年整體邊緣云規模將以44.0% 的年復合增長率增長至 550 億元
通過邊緣計算技術，與云技術和人工智能、物聯網結合，可以極大程度提升社會的智能化水平。
該方案的價值在于從最接地氣的各類公共安全長尾場景切入，具有極強的代表性，具有廣闊的市場前景。
邊緣計算與人工智能這兩種高速發展的新技術之間存在著彼此賦能的巨大潛力。通過邊緣計算技術，與云技術和人工智能、物聯網結合，可以極大程度提升社會的智能化水平。該方案的價值在于從最接地氣的各類公共安全長尾場景切入，具有極強的代表性，具有廣闊的市場前景。
四、項目創新點和實施效果
1. 項目先進性及創新點
該方案集合了人工智能、圖像識別、邊緣計算等關鍵核心技術。應用智能算法將非結構化的數據轉為結構化，通過邊緣智能分析盒進行智能分析，實現主動監控。
北京海航中軟科技有限公司的邊緣智能分析盒，與市面上絕大多少基于開源及芯片組開發的方案完全不同，是基于完全自主研發的邊緣深度學習底層框架技術，同時支持開源算法框架，并將軟件、硬件極致融合，達到效率的提升與成本的大幅降低。
該方案可以與5G MEC等緊密融合，作為邊緣端的重要支撐與補充。支持INT8/INT16/FP16混合運算，完美兼顧性能、功耗及運算精度，支持TensorFlow、Caffe、ONNX、Darknet等框架的網絡模型轉換，具備快速模型訓練能力，準確率高、識別速度迅速，構建全棧式人工智能的產品服務體系，在AIoT（人工智能物聯網）領域提供完整的運營服務體系。
智能盒子采用嵌入式設計原理，內嵌基于深度學習的結構化算法，集成高性能模塊，搭載工業級嵌入式神經網絡處理器（NPU），雙Cortex-A72+四Cortex-A53大小核CPU結構，高達1.8GHz的主頻CPU，NPU算力可達3.0TOPs，可擴展至強勁的12T甚至更高的算力。支持局域網內所有智能盒子集群，算法服務、服務注冊中心、系統服務、流媒體服務、錄像存儲服務、關系型數據庫等，在邊緣終端集群聯動管理。支持H265/H264視頻解碼，外圍接口豐富，擁有超強擴展性，支持對多路攝像頭進行視頻結構化識別和分析。產品安全性高，內置加密芯片，對數據、磁盤、網絡接下加密，數據不出本地，安全合規，采用工業級設計，100%安全保障。通過AI算法，利用圖像識別技術對視頻進行高效、快速的分析處理，具有輕量化、高性能、低功耗、通用性強、接入方便等特點，廣泛應用于AI態勢感知、行為分析等各個領域。
多個邊緣智能場景之下，可以通過獨具特色的邊緣集群技術，實現負載均衡，集群聯動，邊緣學習。
邊緣集群技術架構圖，具體如下：
2. 實施效果
1)開發提升40%工作效率：通過自主研發的技術，大大縮短了算法模型開發的周期，120天縮短為50天，提升40%工作效率；
2)兼容性達95%以上：通過虛擬化和容器技術的兼容、適配、納管等方式打通了各種軟硬件之間的“通”與“融”難題，兼容性達95%。同時可直接接入包括海康、華為、宇視、大華等主流品牌攝像機的視頻流。
3)識別準確率95%以上：通過自研技術，識別準確率三個月時間達到95%以上，比業內六個月的時間縮短一倍。
4)節省近三分之二的人工成本：解決了傳統人工巡檢以及24小時人工監控的問題，大大降低了人員的成本；
5)違規行為下降60%：采用了本方案之后，全規范化作業，24小時智能識別和告警，違規行為下降了60%；