建设地下电力管廊是当今城市新型电力系统的重要举措，其施工安全监测与预警是确保工程顺利进行和保障后期运维安全的关键环节。 系统采用 Transformer、YOLO 以及人脸识别等多种人工智能视觉技术，结合物联网、大数据、边缘计算等，实现对施工现场全时段、无死角的实时精准监控， 做到全面智能监测与即时预警、实时数据汇聚与立体可视化、高效数据管理与可靠信息支持。
基于Bento网格布局的模块化功能设计，清晰展示系统各核心模块
平台通过安装在地下管廊内的多个监控和传感设备，实时采集现场数据，提供24小时不间断的监控画面，确保每一个环节都在监控之下。
今日报警
12
处理率
91%
专注于呈现与报警信息相关的违规行为，通过直观的图像展示相应的违规事件照片，迅速发现问题所在。
基于AI视觉、物联网等技术，实现地下电力管廊的全方位、无间断实时监控
系统采用先进的目标检测、实例分割、人体姿态识别及特征匹配等AI视觉技术，实现了对人员工装、安全帽佩戴、灭火器摆放、人员越界及抽烟等关键安全要素的全面智能监测。
基于PyTorch深度学习框架，结合Transformer架构，提升模型对复杂场景的理解能力和检测精度。融合目标检测算法能够在复杂环境中准确识别人员、设备和安全设施。
在前端部署边缘计算设备，实现本地实时分析和预警，降低网络传输压力，提高系统响应速度。
通过模型压缩、量化和知识蒸馏等技术，优化AI模型在边缘设备上的运行效率，保证实时性能。
采用先进的AI视觉技术，准确识别各类安全隐患，降低误报率。
发现安全隐患立即发出警报，推送至管理人员移动端，确保及时处理。
对监控数据进行深度分析，生成报表和趋势图，辅助管理决策。
模块化设计，支持功能扩展和系统集成，适应不同规模的管廊项目。
减少人工巡检成本，降低安全事故发生率，提高施工效率和安全性。
系统能够智能识别多种安全隐患，及时发现并预警潜在风险
系统能够识别每位工作人员是否正确佩戴安全帽，确保每个人都在安全保护之内。通过AI视觉算法，实时检测施工现场人员的安全帽佩戴情况，发现未佩戴安全帽的人员立即发出警报。
今日检测人数
128
未佩戴人数
3
合规率
97.6%
报警次数
5
立体呈现管廊施工状态，汇聚前端感知数据，帮助管理人员快速掌握现场全局
基于真实管廊数据构建数字孪生模型，实现物理世界与数字世界的实时映射，支持全方位查看和交互。
集成各类传感器数据，包括温度、湿度、气体浓度、设备状态等，在3D模型中直观展示，支持数据筛选和分析。
当检测到异常情况时，系统会在3D模型中高亮显示问题区域，并提供详细的异常信息和处理建议。
