|
最近,微筑科技聯合產學研團隊的重要成果——基于擴散模型的化工安全智能監控框架,正式發表于權威期刊《Engineering Applications of Artificial Intelligence》(EAAI,JCR Q1)。該技術以“場景深耕+實戰落地”為核心,憑借精準高效的定制化解決方案,成功破解化工園區安全監控領域的核心難題。
化工場景的安全風險呈現“人員-環境”因素交織的復雜特征:工人違規吸煙、未按規范佩戴防護裝備等行為,與設備泄漏、隱蔽火情等環境隱患相互疊加,加之真實危險場景樣本稀少、標注數據匱乏,傳統監控系統與通用AI方案往往表現不足——或依賴人工巡檢易產生遺漏,或因關鍵場景數據缺失導致誤判,這些問題長期制約著化工行業安全管理的智能化升級。
針對真實危險場景數據稀缺的行業痛點,微筑科技提出了利用AI生成訓練數據的新思路:通過整合Stable Diffusion 3.5與Chat-UniVi多模態模型,生成貼合化工場景的文本與圖像樣本;結合ControlNet模塊、六層提示模板及搭載P2特征層的YOLOv11n-P2檢測器,實現了小目標精準檢測與復雜監控場景的高質量復現,并在邊緣設備端達到每秒130幀的處理速度與8.1ms的超低延遲。該框架能夠準確識別6類工人危險行為與2類環境隱患,最高檢測準確率達98.1%,性能顯著優于現有同類數據集方法。
從“AI生成場景”到“AI識別風險”,微筑科技始終專注于化工安全場景的技術研發,摒棄通用AGI“大而全”的泛化路徑,聚焦工業場景“專而精”的實際需求。未來,團隊計劃將該技術拓展至電力、煉油等其他高危工業領域,持續以場景化AI技術為支撐,筑牢工業安全生產的智能化防線。
|