01、背景与挑战 制造行业亟需提升安全生产能力

近几年，随着全球技术的创新活跃，以智能化为核心的新一轮工业革命席卷国内外，制造行业正从规模化走向定制化、快速柔性响应化，工厂数字化、智能化已然成为未来制造业转型升级的必然趋势。在工业4.0、工业互联网、物联网、云计算等热潮下，全球知名制造企业都开展了智慧工厂建设实践。2020年，工业和信息化部印发《关于进一步加强工业行业安全生产管理的指导意见》中指出“管行业必须管安全、管业务必须管安全、管生产经营必须管安全”，应不断加强安全生产管理，并通过技术改造促进企业提升本质安全水平，推进化工园区绿色安全发展，为工业高质量发展提供强有力保障。生产安全和生产效率是建设智慧工厂的重要目标。作为企业经营过程中的头等大事，智慧工厂需要解决生产安全的问题并且改变传统的生产方式，提高生产效率。

传统的设备和人员安全生产管理存在诸多问题，具体表现在：生产人员数量多，分散在不同作业区域，无法实时掌握危险区域的人员出入情况，造成潜在安全隐患；无法实时、全面的监管员工的着装穿戴，在一些危险作业区域时常发生因着装不规范而产生的意外事故，人员人身安全得不到保障；无法自定义限制区域，当不符合要求的人员闯入危险作业区域时，易造成伤害事故；针对不同的生产阶段的不同着装要求，企业缺乏有效的管理手段进行实施监督，导致事故发生等挑战。

02、解决方案 智慧工厂安全监测解决方案

智慧工厂安全监测主要围绕工装检测、工业车辆安全驾驶领域，基于AI技术和视频流数据，利用人工智能模式识别算法，对工人的着装情况，操作情况进行全方位、全时段的智能监测及自动预警，对工业车辆盲区进行识别监测并主动介入，保证企业的人员和财产安全。

人员身份识别

系统可以通过摄像头捕捉人员的面部特征进行人脸识别，以核实人员身份信息。生产人员身份识别支持人脸识别。人脸识别主要分为人脸数据获取、人脸检测、特征提取、人脸识别和识别结果处理等五个部分。人脸识别主要是通过截取5G摄像头视频流数据，获得图像数据，利用卷积神经网络算法在图像中准确标定出人脸的位置和大小，使用AI算法提取检测到的人脸特征，并将人脸特征信息与已存在人脸数据库的员工分别计算相似度。通过设定一个阈值，当相似度超过这一阈值，则识别出员工的身份信息，完成身份验证。否则身份认证失败，并发出身份识别失败警告。

穿戴规范识别，确保人员安全作业

通过穿戴规范识别，可以判断员工是否严格按照要求穿戴。例如，为了安全生产，电池厂要求工人佩戴特殊的头盔、衣服、手套和鞋子。该系统可以检测每个工人着装是否符合要求。生产人员穿戴规范识别实现方式：首先，通过5G摄像头采集工作车间视频流数据，把视频流数据传回给智能识别终端；然后，智能终端对图像进行解码和预处理，再输入到人形框提取模型进行人形框提取；最后，把人形框数据输入工装属性检测模型进行检测，同时把结果通过5G CPE上传给边缘服务器或本地实时显示。

安全围栏识别，解决危险区域安全隐患

安全围栏识别根据用户需求构建电子围栏，可以监控电子围栏区域内的员工身份或穿戴是否符合要求。生产车间安全围栏识别实现方式：首先，通过5G摄像头采集工作车间视频流数据，把视频流数据传回给安全围栏智能识别终端；接着，进行两方面的工作：一方面，智能终端接收鼠标输入数据，通过算法生成电子围栏，另一方面智能终端对图像进行解码和预处理，输入模型对安装围栏内的目标进行识别；最后，结合安全围栏和目标识别结果，对违法行为进行判断，同时把结果通过5G CPE上传给边缘服务器或本地实时显示。

不同生产阶段识别，满足不同检测需求

不同生产阶段的人员穿戴规范识别，可以根据不同阶段的着装检测需求选择不同的AI模型来识别员工的穿着，以规范人员操作，保障人员人身安全。

不同阶段的生产人员穿戴规范识别实现方式：首先，要按照不同阶段的安全生产要求采集数据、构建工装识别模型库；其次，通过摄像头或其他传感器对不同阶段进行识别；最后，根据识别的不同阶段去工装识别模型库匹配相应的模型，利用相应的模型对工人工装进行自动检测，判断工人的工装是否符合此阶段的安全生产流程，把识别结果通过5G CPE上传给边缘服务器或本地实时显示。

生产人员产线动作识别

生产人员产线动作识别实现方式：首先，通过5G摄像头采集工作车间视频流数据，把视频流数据传回给产线动作识别终端；然后，智能终端对视频流数据进行解码，并对解码后的图像数据进行预处理；随后，结合人体骨架提取模型和目标检测模型提取人体骨架信息和目标物体；最后，通过动作识别模型识别出产线人员动作，并对违规动作进行警示，同时把结果通过5G CPE上传给边缘服务器或本地实时显示。

工业车辆高级驾驶辅助系统

ADAS(Advanced Driving Assistant System)高级驾驶辅助系统，是利用安装在工业车辆上的摄像头进行感应和探索车辆周围环境，进行静态、动态物体的识别、侦测和追踪，提前让驾驶员察觉到可能发生的危险，有效提升驾驶安全性。通过安装在工业车辆上的边缘视觉处理终端，实现工业车辆的行人检测、防撞预警、盲区监测、视频记录等能力，并通过声光告警、主动制动等方式防止安全事故的发生。

技术先进性

• 能够根据不同业务需求自动切换识别模型；

• 能够进行身份识别和着装不规范识别；

• 能够对自定义区域进行检测；

• 模型准确率>90%；

• 检测速度<1秒；

• 摄像头和边缘推理端分离的部署架构，方便后期模块扩展；

• 支持平台化管理、可视化大屏展示；

英特尔® Movidius™ 视觉处理器以超低功耗为现代计算机视觉和人工智能应用的严苛工作负载提供支持，非常适合具有功耗、规格和成本限制的摄像机和网络摄像机，支持小内存占用网络，只需最少的软件更改，即可实现单芯片到多芯片的解决方案。通过Intel® VPU的性能优势，帮助爱动科技实现人工智能识别准确率提升，识别速度大大缩短，为解决方案的应用提供支撑和保障。

03、成功案例 汽车生产企业安全管理应用案例

某汽车生产厂拥有大量作业区域和上千员工，因其行业作业的特殊性，对员工的着装和操作有非常严格的规定，组织了相应的管理人员对员工穿戴进行监督，但近年来由于员工不断增多，使得传统管理显得力不从心，员工穿戴不符合作业规定的情况时有发生，不仅影响产品质量，生产事故也难以避免。通过为其部署网络摄像头、路由器、AI边缘主机，通过AI识别技术，为其实现了人员身份识别、穿戴规范识别、不同生产阶段员工穿戴识别、电子围栏识别等功能，并将识别结果通过大屏进行呈现，用户可以随时进行可视化查阅，为管理者提供分析和决策支撑通过在工厂内实施智慧工厂产线安全监测方案，部署一系列硬件设备，对重要生产环境进行全面监测管理，实现了智能工厂的数字化管理，有效提高了员工的自我保护意识，降低了生产事故率。

汽车生产企业安全管理应用案例

北京某物流企业的顺义区仓库，主要业务是进行仓储物流分配。据仓库负责人称，仓库存在的主要运输车辆是叉车，共计72台，员工有165人。据现场调查了解，他们在行进过程中往往会因为场内较乱的环境和驾驶视野盲区的情况，发生轻微的剐蹭等。在2019年，该仓库内发生的大小事故共58起，严重事故造成车辆损坏无法使用的高达5起；2020年上半年，爱动对该仓库进行了工业车辆主动安全解决方案的相关部署，截止至2020年10月1日，该仓库发生重大碰撞事故0起，发生剐蹭等小型事故2起，帮助企业节省10w+运营成本。

04、应用展望 开源应用赋能行业同发展

行业未来的发展不仅在于人和设备的智慧化管理，各平台和工业互联网应用之间的互联互通也是重中之重，爱动自主研发的人员安全管理、设备安全管理、数据可视化应用正式基于这一远景研发，目前我们已经实现SaaS应用订阅服务+硬件终端使用费，按需付费；支持web、Android、iOS应用程序和其他管理应用程序系统；将人工智能算法部署到边缘侧，以获得更快速和准确的识别结果；自主开发的工业互联网网关可以实现各种传输协议的兼容、数据采集和互联，未来希望能够提供更多开源应用，赋能行业共同发展。

爱动超越人工智能科技(北京)有限责任公司是专注于为工业互联网领域提供基于人工智能的资产管理解决方案的科技企业，系国家高新技术企业、中关村高新技术企业、中关村金种子企业、中关村瞪羚企业、北京市“专精特新”中小企业。拥有AIoT、边缘计算、云计算、工业智能和大数据等技术储备，为工业领域用户提供最具竞争力的产品和解决方案，牵头和参与了4项工业设备上云相关国家和行业标准制定。

2020年爱动入选第十批清华科技园“钻石计划企业”，“重点工业设备上云解决方案应用推广公共服务平台”中标工信部工业互联网创新发展工程重大专项。其拥有自主知识产权的“基于人工智能的工业车辆互联网平台”入选2020工信部“支撑疫情防控和复工复产的工业互联网平台解决方案”，“2019年制造业与互联网融合发展试点示范项目”等，并获得北京市科信局科技计划项目、人社局优秀创业项目支持，拥有超过20多个行业700余家头部客户，累计接入设备近100000台，形成行业标杆效应。未来，爱动将继续深耕智能制造产业，聚焦更多数字经济应用场景的技术研发，不断扩充业务经营领域，持续助力“新基建”高质量发展。