在安全生产环境如何应用？

自2020年《安全生产法》修订草案提出，到2021年9月正式颁布，安全生产的信息化管理被越来越多的企业所重视。然而在传统IT技术的帮助下，尽管企业的生产场地都安装了安防摄像头，在风险排查与问题检出的环节，仍然只能通过在中控室安排人员查看视频的方式从监控屏幕上实时观察。人力监控难免有所疏漏，而基于AI的视频分析技术，则可提高监控的问题检出率与有效时长，做到7x24小时无间断、高一致性的品质服务。

传统的信息化技术，并不能有效解决安全生产管理所面临的问题。首先，客户的信息化系统多采用【服务器+软件平台】的传统业务模式，由于安全管理的业务场景发生在生产现场，受传输带宽、系统延迟等技术条件的限制，客户原有的信息化系统架构，无法满足生产现场的应用要求。因此，如何提供实时的视频分析结果，做到早发现、早报警、早处理，成为解决客户问题的首要挑战。其次，实际应用场景中，由于业务场景数量大、安装环境复杂、条件严苛，施工多有不便，因此客户亟需一个低成本、易部署、易维护的方案，以降低施工与运维的难度与成本。

为解决上述问题，一般在现场采用具备的编解码与AI推理运算能力的边缘计算设备，每台边缘计算设备上支持多路摄像头灵活接入、多种算法灵活配置的功能，为不同场景、不同应用规模提供统一的架构；同时，需要对设备接入、远程管理、任务配置等边缘设备全生命周期的管理功能，基于应用镜像的远程部署与管控方案，进一步提高部署效率，降低降低设备成本；同时，系统需具备快速迭代、持续开发交付的模式，在提供持续服务的过程中，不断增加识别精度，降低人力成本。

在企业的高危岗位，我们可以通过机器视觉以及其他技术，来实现设备自动化运维及设备联动等功能以实现代替人工的目的。

安全生产属于安全巡检范围，它主要包含厂区管理、安全生产、环境监控三个方面内容，以及在这些场景中对于人、车、设备等安全状态的检查，排查异常情况，及时解决问题和安全隐患。

传统安全巡检主要依靠人工，无论在巡检确定性、效率和及时性方面，都存在较为严重的问题：

1、人工员管理问题：巡检人员未按规定巡检，隐患未能及时上报，遗漏巡检点，纸质记录巡检情况；

2、巡检效率问题：受限检测点位、安全性服装等场景限制，导致人员巡检时需要更换工具及辅助设备，效率低；

3、及时性低：受限于安全人员数量以及厂区面积，无法做到安全隐患没有被及时发现，一旦发生问题如火灾等极端情况。

部分巡检开始使用固定和移动摄像头代替人工进行远程巡检，但整体智能化程度低，用于监管安全生产的摄像头和传感设备智能化程度较低，未能全面覆盖生产的主要风险点，能够采集到的生产数据有限，数据分析、监测预警等智能化应也尚未开展，不能很好地满足企业安全生产监管的需求。

5G+AI 视觉识别的智能安全巡检方式，通过现场高清设备进行采集，借助 5G 网络进行图像数据回传，通过深度学习训练 AI 模型，实时监控现场安全状态，从而实现对于现场的自动化安全巡检。针对人员管理、车辆管理、安全着装规范识别、生产机械安全监控、危险行为监测和环境监控 6 个大的场景，该方案都可以达到较高的准确率，消除人工巡检存在的隐患。

安全生产是一个非常典型的视频应用的场景，采用GPU加速是行业很成熟的解决方案，建议参考英伟达DeepStream框架去快速构建一个视频应用，代码和Demo都可以到NGC访问 https://docs.nvidia.com/metropolis/index.html