博客

  • 原创科普短剧《这团烟,有多大》:AI 多机位测烟体积

    原创科普短剧《这团烟,有多大》:AI 多机位测烟体积

    时长 01:18 · 分辨率 1280×720 · 倍特威视原创科普短剧 · 2026-11-09

    一缕烟能有多大?单台摄像机只能看到它的一个侧面。五机位同步捕捉 + 无人机补厚度,AI 安全助手逐帧记录、回溯计算——哪怕烟已经散了,也能测出它那一刻的体积与持续时间。

    这部短片讲的是什么

    「这团烟有多大?」看似是个简单问题,实际很难回答:烟是三维的、流动的、随时在消散的。人站在地面看它,只有一眼的侧面;单台摄像机拍它,只有一个角度的投影。等消防或安全人员赶到,烟可能早就散了——痕迹没了,证据也没了。

    片中给出的答案是:别用一只眼睛看,用一组眼睛看。地面五台摄像机从不同侧面同步捕捉,激光网格实时贴合烟雾轮廓,拼出它那一刻的完整立体形状;无人机从上方补一眼,厚度信息也有了。多路数据实时汇入 AI 安全助手,体积与持续时间即刻得出。

    而全片真正的「科技含量」藏在最后一句台词里:烟散了,也能测。AI 安全助手会把每一帧都记下来,推理计算可以回溯——哪怕烟已经被风吹散,系统依然能还原它消散前的形态,量化它的体积与持续时间。这让「烟到底有多大」从一个靠经验估计的问题,变成一个有数据、可追溯的测量结果。

    片尾还补了重要的一笔:这套多机位测体积是「进阶能力」,日常更多场景里,AI 安全助手也可以给单个摄像头赋能,做烟火识别、常规烟雾报警——同一套平台,从「看得见」到「算得清」。

    片中的技术要点

    • 多机位同步捕捉:地面多台摄像机从不同侧面同步拍摄,重建烟雾的立体形态。
    • 激光网格贴合轮廓:网格实时贴合烟雾边界,把「一缕模糊的白烟」变成可计算的数据。
    • 无人机补厚度:空中视角补上第三维信息,立体体积测量更完整。
    • 逐帧记录 + 回溯计算:AI 安全助手留存每一帧数据,烟散后仍可回溯还原与量化。
    • 体积与持续时间即刻得出:为火情研判、处置决策提供定量依据。
    • 单摄也能用:同一平台可给单个摄像头赋能,做烟火识别与常规烟雾报警。

    常见问题

    问:烟都散了还能测准吗?
    答:可以。多机位同步捕捉记录了烟雾每一帧的形态,AI 安全助手会把每帧数据留存下来做推理计算,即使烟被风吹散了,也能对消散前的画面进行回溯计算,还原它那一刻的体积与持续时间。

    问:多机位测烟具体是怎么做的?
    答:地面多台摄像机从不同侧面同步拍摄,激光网格实时贴合烟雾轮廓,拼出那一刻的完整立体形状;无人机从上方补拍,补上厚度信息。多路数据实时汇入 AI 安全助手,计算烟雾体积与持续时间。

    问:这套能力和普通烟火识别有什么区别?
    答:普通烟火识别是给单个摄像头赋能,识别画面里有没有烟和明火并及时报警;多机位测体积是更进一步的能力,能定量回答「烟有多大、持续了多久」,为火情研判和处置决策提供数据。两种能力 AI 安全助手都具备。

    问:视频里的场景是真实功能吗?
    答:本片为倍特威视原创科普短剧,小狗和小猫为艺术演绎,多机位烟雾体积测量与 AI 安全助手的技术路径依据真实工程实践。

  • 凌晨3:07,测温枪读数37度,但它报警了

    凌晨3:07,测温枪读数37度,但它报警了

    【场景再现】

    凌晨三点,配电室。

    老周举着测温枪,沿着一排低压柜逐一打点。“嘀”、“嘀”、“嘀”——一切正常。走到 3 号进线柜前,他没打点,习惯性伸出右手,用指尖蹭了一下柜门接缝。

    四十多分钟后,控制室的小林推门进来:周哥,报警了。三柜,接头。

    老周没回头:我刚测过,三十七度。没事。

    小林把平板转过来:它测的不是度数。它测的是温差——同一个点,两小时内升了十二度六。

    拆开柜门的时候,绝缘层已经炭化发黑,一圈一圈,像烧焦的树轮。铜鼻子烧得发蓝。

    老周沉默了半分钟,说了一句话:再晚四个小时,这排柜子就没了。

    ——这个故事来自倍特威视原创短剧《0.1℃》。剧本里的细节是设计的,但这类场景本身,在每一个有配电室的厂区里都在发生。

    ▶ 观看《0.1℃》完整版
    前往视频中心观看 →
    如在微信内无法播放,请点右上角「···」选择「在浏览器中打开」

    为什么“摸着不烫”是最危险的判断

    老周不是不专业。三十年工龄,他是厂里的活地图,靠手感、靠鼻子、靠经验判断过无数隐患。问题在于,电气过热在早期根本不产生能被人体感知的信号。

    具体有三层:

    第一层:手感和测温枪测的都是“表面”。
    低压柜关门运行,热量被封闭在柜内。你摸到的柜门温度,和柜内电缆接头的实际温度,可能相差几十度。手持测温枪隔着柜门测,读到的是柜门表面温度。

    第二层:真正危险的是“温升速率”,不是“绝对温度”。
    一个接头长期稳定在 45℃,可能多年无事。另一个接头从 37℃ 在两小时内爬到 70℃,这是接触电阻恶化的典型曲线——它在加速。单点读数是 37 还是 45,说明不了趋势;短时间内升了多少度,才说明趋势。

    第三层:巡检是抽样的,不是连续的。
    一个班组要跑几十个点位,一天可能只到某个柜子前面一次。而接触不良导致的温升,往往就发生在两次巡检之间。

    这就是短剧里那句台词的现实含义:很多事故不是没被发现,是被“看着没事”放过去的。

    规范其实早就点明了重点部位

    这不是经验之谈,是有明确条文依据的。

    《火灾自动报警系统设计规范》GB 50116-2013 第 9.3 条对测温式电气火灾监控探测器的设置做了规定:

    9.3.1 测温式电气火灾监控探测器应设置在电缆接头、端子、重点发热部件等部位。

    9.3.2 保护对象为 1000V 及以下的配电线路,测温式电气火灾监控探测器应采用接触式布置。

    9.3.3 保护对象为 1000V 以上的供电线路,测温式电气火灾监控探测器宜选择光栅光纤测温式或红外测温式电气火灾监控探测器。

    条文说明里给出了原因,讲得非常直接:

    “根据对供电线路发生的火灾统计,在供电线路本身发生过载时,接头部位反应最强烈,因此保护供电线路过载时,应重点监控其接头部位的温度变化。”

    换句话说:该盯的位置是明确的(接头、端子、发热部件),规范也写了两种技术路线——接触式和红外式。

    接触式与红外式:两种路线各自的边界

    既然规范给了两条路,选择就有讲究。这不是谁替代谁的问题,而是各自适合什么场合。

    对比项 接触式测温 红外热成像
    安装方式 传感器贴在被测点表面 非接触,看整体温度场
    覆盖范围 装几个点就测几个点 一台覆盖一片区域,画面内所有点位同时可见
    是否能看到“哪里最热” 只能看到已装点的温度 能看出整个柜体的温度分布,异常点自己浮出来
    改造方式 需停电、拆柜、布线 柜外安装,不需停电,不接触带电部位
    适合场景 已知的极重点部位,长期盯守 点位多、柜体密集、不方便停电改造的场合

    实践中常见的组合:既有的接触式探测器继续保留,在柜前或柜侧加装红外热成像,把“已知重点”和“未知异常”都覆盖上。

    ⚠️ 需要说清楚的一点:红外热成像测的是表面温度。隔着关闭的柜门,它看到的是柜门表面;要测到接头本体,需要柜门有红外透窗,或者采用柜内安装。这不是“能不能测”的问题,而是“装在哪里”的工程问题。选型时务必和供方确认安装位置与测得的是哪一层表面,不要想当然。

    持续监测和定期巡检,差的不只是频率

    短剧里最扎人的一个细节,不是报警那一刻,而是老周最后那句:“它不用休息。”

    这句话背后的差别,可以拆成四层:

    ① 从“某一天的某个数”变成“一条连续的曲线”
    人工巡检拿到的是离散的读数点。持续监测得到的是一条曲线,能看出斜率——而斜率才是判断“要不要现在处理”的依据。

    ② 从“人判断”变成“规则判断 + 人确认”
    系统按设定的温升速率或温差阈值触发告警,不受班次、疲劳、注意力的影响。人从“逐点盯”变成“接警后确认处置”。

    ③ 告警自带位置和截图
    值班人员收到的不是“某处温度高”,而是“3 号进线柜、电缆接头、当前温度、趋势上行”,附带画面截图。处置决策可以立刻做出。

    ④ 记录可回溯
    每一条告警、每一次温度变化都留存在平台上。事后复盘、责任界定、隐患整改验证都有据可查。

    AI 安全盒子:让热成像相机“会判断”

    一台红外热成像相机,本身只能输出温度画面。要让它变成能报警的系统,还需要一层判断能力——这就是短剧中那台巴掌大的 AI 安全盒子在做的三件事:

    读温度:从热成像画面中提取指定区域的温度值,形成连续时间序列。

    判趋势:不只看当前温度,还看升温速率和温差变化。短剧里“两小时升了 12.6℃”这个数字,就是这层判断的输出形式——它比“现在 69.1 度”更能说明问题。

    发告警:触发后同步到安全管理平台,弹出告警条、标注位置、附上画面,可按需联动广播或手机推送。

    这套能力可以和厂区现有的其他视频 AI 算法跑在同一套平台上,不需要为温度监测单独建一套系统。

    部署上三个实际问题

    能不能用现有的摄像头?
    不能。红外热成像需要专门的热成像相机,普通可见光摄像头拿不到温度数据。但热成像相机可以沿用现有的安装点位、支架和网络,不需要重新布线到每个柜子。

    要不要停电改造?
    柜外安装不需要停电。这也是红外方案在既有配电室改造中的主要优势。

    数据出不出厂?
    支持本地边缘部署,分析在厂区内部完成,视频与温度数据不上传云端。

    写在后面

    短剧里老周有一句台词,是整部片子最轻、也最重的一句——“九八年,一样的柜子,一样的位置。那时候,没人替我盯。”

    这句话没有抱怨的意思。它说的是一个事实:经验能让人判断得比别人准,但经验不能替人守夜。

    AI 在这类场景里做的事,不是替代老师傅的手感和判断,而是把“必须靠人赌一把”的那些时刻,变成“不用赌”。

    有些热,人还没感觉到,AI 安全盒子已经看见了。


    倍特威视 · AI 安全盒子 × 红外热成像
    0.1℃ 温差,更早一步
    持续监测 · 异常早期识别
    2011 年起深耕工业场景 | 核心算法自研 | 数据不出厂区

    如果您所在的厂区有配电室、开关柜、电缆沟等电气火灾高风险部位,需要了解红外测温与 AI 识别的具体配置方式,欢迎联系我们获取针对性方案。

    咨询电话:15342781091
    邮箱:fuwu@betvsys.com

  • 原创短剧《0.1℃》:AI看见了人看不见的温度异常

    原创短剧《0.1℃》:AI看见了人看不见的温度异常

    时长 01:53 · 分辨率 1280×720 · 倍特威视原创短剧 · 2026-11-02

    凌晨3:07,配电柜接头温度只有37度,测温枪怎么测都「正常」,但AI还是报了警。0.1℃的温升曲线背后,是一起正在酝酿的电气火灾。

    阅读配套技术文章:凌晨3:07,测温枪读数37度,但它报警了 →

    视频文稿(完整台词)

    【场景一 · 凌晨的配电室】

    凌晨 3:07,配电室一切正常。没有烟,没有味儿。老周举着手持测温枪逐一打点,读到 37 度。

    「一切正常。」他自语,声音很轻。

    【场景二 · 值班控制室的对峙】

    小林推门进来:「周哥,报警了。三柜,接头。」

    老周没回头:「我刚测过,三十七度。没事。」

    小林把平板转过来:「它测的不是度数。它测的是温差——同一个点,两小时内升了十二度六。」

    老周转过身,语气硬了:「机器报我就得信?」

    小林把平板推向他,声音不高:「我没说是它对。我是说您再看一眼。」

    【场景三 · 温度曲线的爬升】

    可见光画面上叠加热成像图层:整个柜体是冷蓝色,唯独 3 号柜底部一小块是刺目的橙红,边缘缓慢向外洇开。

    老周凑近,眯眼:「没烟。没味儿。」

    他直起身:「干了三十年,我看得出来。」

    数字跳了一下:68.4 → 69.1。小林很轻地说:「六十九点一了。」

    平台告警音响起,冷静无情绪:「三号进线柜,电缆接头,七十度八,趋势上行,请立即处置。」

    那条温度曲线一直往上,没有回头。老周停了很久,声音很平:「……倒闸。」

    【场景四 · 柜门打开之后】

    所有环境音突然抽干,只剩一点嘶嘶的电流细响。老周戴上手套,拧开接头护套——绝缘层已经炭化发黑,一圈一圈像烧焦的树轮;铜鼻子烧得发蓝。

    「……再晚四个小时,这排柜子就没了。」他喉结动了一下,嗓子里像有沙子。

    【场景五 · 二十年前】

    走廊上,老周摘下手套,下意识用左手摸了摸右手背那道浅褐色的电弧灼伤疤——他自己都没意识到。

    「九八年。一样的柜子,一样的位置。」他看着自己的手,不是说给小林听,声音很远。

    「那时候,没人替我盯。」

    他抬眼看向走廊天花板角落——那里有一台很小的热成像相机,红灯一闪一闪;旁边挂着一台巴掌大的 AI 安全盒子,运行灯常亮。「它不用休息。」他极轻地说。

    【结尾 · 陈述,不喊口号】

    旁白:每一条告警,都同步在安全管理平台,随时可查。

    有些热,人还没感觉到,AI 安全盒子已经看见了。

    这部短片讲的是什么

    《0.1℃》讲的是一个干了三十年、不信算法的老电工,被一台在墙角蹲了半年的热成像相机,在凌晨三点救了一次——也救了他二十年前没被救下的自己。

    故事的核心矛盾很具体:手持测温枪测的是「此时此刻的绝对温度」,AI 测的是「同一点位在两小时内的温升趋势」。37 度的接头温度单看并不高,达不到多数人心里那条「烫手才危险」的线;但同一个点在两小时内升了 12.6 度,这条斜率的含义完全不同——绝缘层已经在炭化,只是还没来得及冒烟。

    这也是工业现场最容易出问题的一类隐患:不是「已经出事」,而是「正在往出事的方向走」。人靠感官只能感知结果,看不到趋势;而趋势恰恰是唯一还来得及处置的信号。

    片中的技术要点

    • 绝对温度阈值:适用于「已经过热」的判断,反应快,但会漏掉仍在上升的早期阶段。
    • 温升速率(趋势):片中 12.6℃ / 2 小时的场景,靠单一温度读数无法捕捉。
    • 相对温差:同一柜内不同接头的横向对比,能筛出局部异常点。
    • 历史基线:同一点位在不同负载、不同季节下的正常区间,用于抑制误报。
    • 告警闭环:识别结果同步到安全管理平台,可查、可追溯、可派单。

    需要说明的是,红外热成像测的是物体表面温度,不穿透柜门。片中的热成像图层是打开柜体或透窗观测后的效果;实际部署时,镜头角度与视场覆盖需要现场勘察确定。

    常见问题

    问:37 度为什么算异常?
    答:单看 37 度不算异常。异常的是它的变化速度——同一个点位两小时内上升 12.6℃,说明接触电阻在增大、发热在加速。片中的判断依据是趋势,不是绝对值。

    问:AI 会不会误报太多,最后没人看?
    答:误报是工业视觉落地的主要障碍。实际部署中通常用多层规则叠加来约束:绝对阈值 + 温升速率 + 相对温差 + 持续时间,单一条件触发不告警,多个条件同时满足才推送。具体阈值需按现场负载和季节标定。

    问:老厂房的摄像头能直接用吗?
    答:普通可见光摄像头看不到温度,需要红外热成像镜头。可见光与热成像可以双光融合,但测温必须依靠热成像通道。

    问:视频里的场景是真实案例吗?
    答:本片为倍特威视原创工业安全短剧,情节改编自配电室接头过热的典型隐患场景,人物与具体时间为艺术处理。

    相关阅读

    技术文章:凌晨3:07,测温枪读数37度,但它报警了 —— 配电柜接头过热的四类判据

  • 船舶修造安全专项整治启动,倍特威视用视频AI补强过程监管

    一、发布会点名船舶修造三个高风险环节

    2026 年 10 月 16 日,应急管理部举行季度例行新闻发布会。新闻发言人、新闻宣传司司长申展利在通报“深化重点行业领域治本攻坚”时表示,开展船舶制造修理企业安全专项整治,督促各地各有关部门对各类船舶制造、修理企业全面排查,重点整治有限空间作业、起重吊装、危化品储存使用等高风险环节问题隐患。

    同一场发布会还提到,四季度历来是事故高发期,部分企业容易抢工期、赶进度和超能力超强度生产;检查将采用明查暗访、“四不两直”突击检查等方式。对企业而言,安全管理不能只停留在制度和口头承诺上,过程也要拿得出记录。

    二、船厂安全管理的难点,在于过程很难被看见

    船舶修造是典型的重装离散制造场景。露天船台、密闭舱室、涂装库房和码头舾装同时存在,作业面随船体推进不断变化,人员、设备与物料高度交叉。制度可以写得很完整,但监护人是否守在舱口、吊物下方是否有人、库房通道是否被占用,往往只能靠现场巡检和事后回忆。

    这些风险并不抽象:有限空间怕人员滞留超时和监护缺位,起重吊装怕警戒区被闯入、吊物下方站人,危化品储存使用则怕违规吸烟、烟火初起和通道堵塞。真正需要被及时发现的,是人的位置、人的状态和现场环境的变化。

    三、视频AI补的是过程记录,不是替代专业设备

    针对上述场景,视频 AI 的价值在于把“看不见的过程”变成可回溯的画面和数据。系统可在既有制度之上增加一层持续监督:舱口区域识别人员滞留与监护离岗,吊装警戒区识别人员闯入,库房区域识别抽烟、烟雾明火以及通道和消防设施占用。

    需要明确边界的是,视频 AI 不替代气体检测仪,不替代吊装力矩限制器,也不替代作业票审批。它负责发现影像中可见的风险,并记录时间、点位和事件类型;专业设备和管理流程仍然是安全底线的核心。

    四、倍特威视是谁:专注工业场景的视频AI公司

    倍特威视成立于 2011 年,专注工业场景的 AI 视频分析,拥有 8 大类自研识别算法和 6 大行业解决方案。公司能力覆盖安全帽、防护服、反光衣识别,烟雾明火检测,抽烟识别,人员倒地、离岗睡岗与区域入侵等场景。

    面向船舶修造,倍特威视可提供舱口监护、人员滞留计时、吊装警戒区闯入、吊物下方滞留、抽烟识别、烟火检测、通道与消防设施占用等算法组合,对应发布会上点名的三个高风险环节。

    五、存量摄像头怎么用起来

    船厂通常已有大量视频监控设备,全部更换成本高,施工窗口也难协调。倍特威视支持 GB28181 / RTSP 利旧接入,可在边缘侧部署分析盒就近处理,也可在中心侧统一管理多路视频;同时支持私有化部署,视频与告警数据可以不出厂区。

    一条视频流可同时运行多种算法,关键风险点位优先配置,一般区域继续复用存量设备。这种方式更适合生产节奏紧、整改时间明确的船厂,也便于按风险等级分批推进。

    六、用可核验的记录回应“全面排查”

    专项整治要求全面排查、重点整治。对船舶修造企业来说,除了完善制度和现场整改,还要回答:检查时拿什么证明三个高风险环节确实管住了?

    视频 AI 提供的是一组可核验的过程记录:舱口有没有人守、吊物下方有没有人、库房里有没有烟火苗头、通道是不是通畅,每一条都对应时间、点位和抓拍画面。它不解决所有问题,却能把过去依赖人盯的部分变成持续运行的管理数据。

    关于三类高风险环节的算法边界、落地路径和船厂场景常见问题,可查看倍特威视 AI 能力站全文。

  • 原创短剧《那双没走的眼睛》:水泥厂料仓冒灰预警实录

    原创短剧《那双没走的眼睛》:水泥厂料仓冒灰预警实录

    时长 01:19 · 分辨率 1280×720 · 倍特威视原创短剧 · 2026-10-29

    料仓高处粉尘持续外溢,人在下面走,那双「眼睛」一直在看。水泥厂冒灰顽疾,被一套AI冒灰识别系统管住了。

    阅读配套技术文章:水泥厂料仓冒灰怎么管? →

    视频文稿(完整台词)

    【场 1-1 · 安全运营中心 · 现在】

    巨大的监控墙前,孙管理盯着屏幕,眼神一凝。屏幕上,熟料线料仓顶部的画面被一个狙击镜式的红框死死锁定,红色告警条猛烈闪烁。

    广播(画外音):各岗位请注意,熟料线料仓顶部检测到冒灰预警,请就近岗位人员立即前往确认处置。

    孙管理抓起对讲机,语气果断:「熟料线料仓顶部,冒灰预警,你这边最近,先过去看一下。」

    他紧盯屏幕,自语:「这种高处死角,AI 还真能揪出来?」

    【场 1-2 · 熟料线廊道 · 3分钟前】

    巨大的工业厂区内,灰白粉尘从高处法兰缝隙呈丝状外溢,但在远景中,几乎与漫天扬尘融为一体。

    老周穿着蓝色工装,停下脚步,眯起被阳光晃花的眼睛仰望高处——逆光下,只有一片模糊的光影。他掏出手机拉近焦距,照片里同样糊成一团,根本看不清。

    小李好奇地抬头:「老周,什么情况?要不要上去看看?」

    老周放下手机,叹气:「太高了,不好上。而且真要查,得把整条生产线停下来,这损失太大了。」

    小李迟疑:「那……就这么不管了?」

    老周目光沉重,带着一丝无奈:「我就确认一眼——才大检查过没多久,先记着,等下次停机检修再看吧。」

    小李理解地点头:「行,那走吧,要检查的地方还多着呢。」两人转身,沿着长长的廊道走远。

    【字幕:下一次停机检修,是 90 天后。】

    【场 1-3 · 安全运营中心】

    镜头从两人离开的空场,切回静静值守的厂区摄像头。摄像头镜头里,AI 算法悄然介入,一道红框精准框住了法兰处的丝状粉尘。

    监控墙前,孙管理收到现场人员的反馈,紧绷的神经放松下来:「收到,持续关注。」

    他滑动鼠标,监控墙画面快速切换:熟料线、粉磨站、粉料仓、除尘区。「扬尘识别」「漏料识别」「皮带跑偏识别」「烟火识别」的算法图标依次点亮。

    孙管理面向镜头:「没有扬尘、漏料,皮带运行正常没有跑偏,也没有可疑明火,一切正常。」

    「这个 AI 安全助手,利用现有摄像头,一次部署,扬尘、漏料、皮带跑偏、烟火全盯住——数据不出场,突发及时预警。」

    这部短片讲的是什么

    《那双没走的眼睛》讲的是一个在水泥厂里天天发生、却几乎没人真正解决的矛盾:高处料仓的法兰缝隙在往外冒灰,人看得见大概位置,却确认不了;确认不了就没法处置;要确认,就得停整条生产线。

    片子里老周的判断,是任何一个干了多年的巡检工都会做的判断——不是偷懒,是算过账:停机一趟的损失、爬高作业的风险、而此刻看到的只是一缕「跟环境扬尘差不多」的白烟。于是他选择「先记着,等下次停机检修再看」。

    而片尾那句字幕是整部片子最重的一句话:下一次停机检修,是 90 天后。这 90 天里,那个法兰缝隙会一直漏,粉尘会一直逸散,除尘器会一直超负荷,环保数据会一直往上走——没人盯着。

    片子真正的转折不是技术炫技,而是:两个人走了以后,那台摄像头没有走。它不会累、不会权衡成本、不会等 90 天。它把「人做不到的那次确认」变成了「系统持续在做的事」。

    片中的技术要点

    • 利用现有摄像头:不需要重新布线、换设备,接入厂区原有视频流即可(兼容 GB28181 / RTSP)。
    • 扬尘/冒灰识别:针对丝状、羽状粉尘的形态与运动特征建模,能在远景、逆光、环境扬尘干扰下区分「持续外溢」与「背景噪声」。
    • 漏料识别:料仓、皮带落料点的物料逸散检测。
    • 皮带跑偏识别:皮带边缘位置偏移超限时告警,防止撕裂与撒料。
    • 烟火识别:烟雾与明火在初起阶段识别,早于传统烟感温感。
    • 边缘分析盒 + 厂区闭环:视频流在厂区内的边缘设备完成分析,数据不出场,满足工业数据安全要求。
    • 三路联动:告警同时触发广播、短信、对讲调度,形成「发现—通知—处置—反馈」的闭环。

    需要说明的工程限制:冒灰识别依赖成像条件。逆光、强扬尘、镜头积灰会显著影响识别率,实际部署需考虑补光、镜头清洁周期与拍摄角度;夜间与雨雾天气的表现需要单独验证。

    常见问题

    问:为什么一定要停机才能确认?
    答:熟料线料仓顶部通常是高空、密闭、带粉尘的区域,人员进入属于受限空间高处作业,需要停机、办票、搭设防护。片中的取舍是真实存在的现场逻辑,不是剧本夸张。

    问:AI 能代替人上去确认吗?
    答:不能完全代替。AI 解决的是「发现和定位」,把「有没有异常、在哪个点位」先确定下来;最终的现场处置、检修仍需人员按规程执行。它省掉的是一次次无谓的攀爬和停机排查。

    问:厂里已经有摄像头了,还要加什么?
    答:多数情况只需增加边缘分析盒(或接入已有算力平台),不需要更换现有摄像头。这也就是片中说的「利旧」。

    问:数据真的不出厂吗?
    答:片中采用的是厂区内边缘部署方案,视频流与分析结果都在厂区网络内完成闭环,不上传公有云。具体部署形态可按企业网络与合规要求选择。

    问:视频里的场景是真实案例吗?
    答:本片为倍特威视原创工业安全短剧,情节取材于水泥厂料仓冒灰的典型场景,人物与时间为艺术处理,技术路径依据真实工程实践。

    相关阅读

    技术文章:水泥厂料仓冒灰怎么管?—— AI 视频识别让粉尘泄漏无处遁形

  • 水泥厂料仓冒灰怎么管?AI视频识别让粉尘泄漏无处遁形

    水泥厂料仓冒灰怎么管?AI视频识别让粉尘泄漏无处遁形

    【场景再现】

    水泥厂熟料线、料仓高处,灰白色粉尘从法兰缝隙持续外溢。量不大,近景能看出来是泄漏,但配合水泥厂本身的带灰尘环境,远处看不太清晰。

    巡检工老周仰头望着高处点位,努力想通过观察看清楚——但确实太高了,看不太清。

    同事问:”老周,什么情况,要不要上去看看?”

    老周边走边说:”太高了不好上去,而且要先全部停机。我就确认一眼,才大检查过没多久,等下次再上去检查吧。”

    “那走吧,要检查的地方还多着呢。”两人逐渐离开。

    ——这套对话,几乎每天在无数个水泥厂里重复。

    ▶ 观看本集实拍视频

    第1集《那双没走的眼睛》完整版已在官网视频中心上线,可直接在页面内播放。

    前往观看视频 →

    如在微信内无法播放,请点右上角「···」选择「在浏览器中打开」

    看不见的泄漏,才是最难管的

    冒灰这类问题有几个特点,让传统巡检很难奏效:

    • 位置高:料仓、熟料线、除尘器顶部,人上不去,上去要先全线停机
    • 量不大:不是爆管式的明显泄漏,靠肉眼远看很难判断
    • 环境干扰强:水泥厂本身粉尘浓度高,背景”本来就有灰”,泄漏点与正常工况难以区分
    • 巡检有空窗:一个班组要跑几十个点位,不可能长期盯住某一处

    泄漏持续下去的代价不只是环保风险:粉尘无组织排放会被处罚,长期积灰在设备上还有积热、短路的安全隐患,原料也在白白损耗。

    AI 摄像头替人”盯”住每一个高处点位

    在上面那段短剧里,两个巡检工离开之后,高处料仓处一台摄像机依然静静盯着粉尘外溢处。当粉尘开始持续外溢时,画面中出现狙击镜式的红色警示框,精准框住外溢点。

    这不是概念演示,而是冒灰智能识别预警系统的日常工作方式:

    1. 识别:AI 算法分析视频画面中粉尘扩散的特征形态,把它与正常雾气、水汽、背景灰尘区分开
    2. 定位:在画面中标出泄漏位置,值班人员一眼就知道是哪个点位
    3. 预警:管理平台弹出警告条,厂区广播同步播报,管理员手机收到信息推送
    4. 处置:管理员在平台上快速切换监控,确认情况后指挥相关人员处理

    整个链路从泄漏发生到收到通知,压缩到几秒之内——而人工巡检,可能要等到下一次大检查。

    一套系统,管住五类产线风险

    冒灰只是其中一项。同一套 BVS-AI 安全助手还能同时运行其他算法,覆盖水泥厂常见的产线隐患:

    冒灰识别:本文的重点,专门针对料仓、法兰、管道等点位的粉尘持续外溢,把量不大但持续不断的泄漏从背景灰尘中区分出来。

    扬尘识别:针对堆场、装卸区、开放性作业面的扬尘扩散,与冒灰(设备缝隙泄漏)互为补充。

    漏料识别:识别皮带下方积料、落料口堵塞等情况,减少原料损耗,避免堵料导致的停机。

    皮带跑偏识别:实时检测皮带边缘位置,跑偏早期就报警,防止皮带撕裂这类大损失。

    烟火识别:对火焰与烟雾进行早期识别,覆盖产线、堆场、配电区域等重点部位。

    在管理平台上,熟料线、粉磨站、粉料仓、除尘区四个区域的算法图标依次点亮——这就是管理员在监控中心看到的样子:没有扬尘、没有漏料,皮带运行正常没有跑偏,也没有可疑明火,一切正常。

    用厂里原有的摄像头,数据不出厂

    这套系统接入的是厂区现有的摄像头,不需要重新布线、不更换摄像机,通过一台边缘分析盒即可完成本地算力部署:

    现有摄像头 → 边缘分析盒 → 厂区闭环

    三个特点值得说清楚:

    • 不换摄像头:利用既有监控资源,改造成本低,落地快
    • 边缘计算:分析在本地完成,不依赖外网带宽,响应更快
    • 数据不出厂:视频数据在厂区内部闭环,不上传云端,满足工业企业的数据安全要求

    写在后面

    巡检工老周那句”等下次再上去检查吧”,是现实——人力不可能覆盖所有点位、所有时刻。AI 视频识别做的不是替代巡检工,而是替他们把每一处看不到的高处点位,持续地盯住。

    如果您的水泥厂、钢铁厂、火电厂也有类似的冒灰、扬尘、漏料、皮带跑偏困扰,欢迎联系我们获取针对性的方案与实拍演示。

    咨询电话:15342781091
    邮箱:fuwu@betvsys.com

  • 安责险事故预防服务费怎么花对,倍特威视给出三条判断标准

    距离年底还有两个月出头。对高危行业的企业来说,这不只是一年收官的冲刺期——还有一笔钱必须在今年花出去,而且要花得有据可查:安全生产责任保险的事故预防服务费。

    今年 9 月 29 日,应急管理部办公厅、金融监管总局办公厅、国家矿山安监局综合司联合印发《关于2026年精准开展安责险事故预防服务 助力重点高危行业领域企业提升安全生产管理水平的通知》(应急厅函〔2026〕352 号)。10 月 16 日,应急管理部季度例行新闻发布会上,安全生产监察专员孙文德对该文件作了解读。

    文件聚焦矿山、危险化学品、烟花爆竹、金属冶炼四个行业,其中有两个数字企业尤其要留意:今年底事故预防服务支出至少达到 10%,三年内投入预算达到 20%,同时年底所有高危行业领域企业实现投保全覆盖。

    安责险事故预防服务费流向图,展示从保费到服务费再到四类服务内容的资金去向

    实际推进中,企业卡住的通常不是”要不要做”——文件已经明确必须做,而是这笔钱怎么花才算数。

    过去常见的花法是:集中培训一场、签到拍照了事;现场检查一次、交份报告结束;发一批手册和宣传品,发出去即视为落实。这些做法谈不上错,但共同问题是过程不留痕、事后难复核。而这一轮要求里,”在线监测”和”评估”是两个绕不开的关键词——服务过程要能被系统看到,结果要能拿出东西接受检查。

    按《安全生产责任保险事故预防服务规范》的分类,事故预防服务主要包括四类:隐患排查、风险评估、教育培训、应急演练。其中前两类天然需要持续性,因为现场风险是动态变化的。

    视频 AI 对应的正是隐患排查与风险评估这两类。安全帽与防护装备识别、烟火与抽烟识别、区域入侵与越线检测、人员倒地与离岗睡岗、跑冒滴漏与皮带跑偏——这些都属于隐患排查;告警频次统计、隐患热力分布、趋势变化则属于风险评估。

    它适配的关键在于交付物形态:系统持续运行,自动产出带时间戳的告警记录、含画面证据的隐患抓拍、可导出的台账与统计报表。这三样恰好是评估时最想看到的东西——能证明什么时间、什么位置、发生了什么、后续有没有处理。

    需要说明的是,视频 AI 是服务清单里的一项,不是全部。它做不了教育培训,做不了应急演练,也替代不了制度建设;温度、压力、气体浓度这类物理量仍然要靠传感器和检测仪。

    如果要在年底前把这笔费用花得合规、有效,建议按三步推进:先翻保单和服务条款确认额度与范围,再把可查证的交付物写进合同,最后优先选择能对接监管系统、数据在线的方案。

    延伸阅读:事故预防服务的交付物长什么样:从一次性报告到持续台账|船舶制造修理企业安全专项整治:三大高风险环节,视频 AI 怎么接得住

  • 四季度低温雨雪冰冻风险上升,倍特威视视频 AI 覆盖厂区四防关键环节

    10 月 16 日,应急管理部党委书记、部长张成中主持召开党委会议,强调加强第四季度各类安全风险分析研判,紧盯重点行业领域、重点场所,并要求坚持极限思维、底线思维,综合考虑超强厄尔尼诺事件影响,做好强降雨、森林草原火灾、低温雨雪冰冻等防范应对。此前 10 月 8 日的党委会议已指出,进入第四季度各类安全风险交织叠加。

    随着冷空气南下,多地降温幅度达到 10℃ 至 16℃,部分地区出现降雪。对工业企业而言,低温带来的压力同时落在三个层面:设备上,露天管线、阀门、仪表引压管冻裂后引发跑冒滴漏;人员上,穿戴厚重、道路结冰导致滑倒风险上升;值守上,夜长昼短叠加节前排班,恰恰是巡查最容易打折的时段。

    风险最高的时段,往往也是人盯得最少的时段。

    围绕冬季”防冻、防滑、防火、防中毒”四项重点,倍特威视在视频分析侧的对应能力如下:

    冬季安全生产四防与视频AI能力映射,含防火防冻防滑防中毒四类场景、对应算法与能力边界

    防冻方面,跑冒滴漏检测可对管道、阀门区域做实时分割,识别液体痕迹与地面异常积液,配合仪表读数识别,用于发现冻裂后果。需要说明的是,温度与压力仍需传感器测量,摄像头看的是”冻之后”,不是”冻之前”。

    防滑方面,人员倒地识别配合滞留检测,用于发现滑倒后长时间无法起身的情况。实际部署中最大的挑战是误报——弯腰作业与倒地的姿态高度接近,需要叠加”人体中心点短时间骤降”和”倒地持续超时未起身”两条规则约束,误报率才会降到可用水平。

    防火方面,烟雾与明火识别可在初起阶段报警,比传统烟感、温感更早;抽烟识别覆盖禁烟区域,消防通道占用检测与消控室离岗睡岗识别则守住两条管理线。

    防中毒方面,区域入侵、滞留计时、人员倒地与防护装备识别可以管住”擅自进入””单人滞留””超时未出”等流程性隐患。但气体浓度是否达标只能靠检测仪判定,视频分析不能替代”先通风、再检测、后作业”。

    一天24小时值守覆盖对比,显示上班时段、夜间无人段与凌晨时段的风险窗口

    四季度剩余时间不足两个月,我们建议的落地节奏是三步:先盘点已有点位做利旧接入,再挑两到三个高频高风险场景跑通”识别—告警—处置—反馈”闭环,最后按风险分级把告警推送到能处置的人手里。安全生产数据涉及厂区布局与作业流程,多数企业选择私有化部署,视频流与分析结果不出厂区。

    倍特威视自 2011 年起专注工业场景 AI 视频分析,以安全帽佩戴识别、烟火检测、行为识别等自研算法为核心,兼容 GB28181 / RTSP 接入,支持边缘与中心两种部署方式。

    完整版分析请见:四季度低温雨雪冰冻将至:厂区”四防”,视频 AI 能接住哪几环

    参考来源:应急管理部党委会议新闻稿(2026 年 10 月 8 日、10 月 16 日)

    延伸阅读:冬季厂区做视频分析,我们通常先问这五个问题|倍特威视 AI 视频分析算法中心

  • 船舶修造安全专项整治启动,倍特威视视频 AI 覆盖三大高风险环节

    2026 年 10 月 16 日,应急管理部举行季度例行新闻发布会。新闻发言人、新闻宣传司司长申展利在通报“深化重点行业领域治本攻坚”时表示:开展船舶制造修理企业安全专项整治,督促各地各有关部门对各类船舶制造、修理企业全面排查,重点整治有限空间作业、起重吊装、危化品储存使用等高风险环节问题隐患。发布会同时提示,四季度历来是事故高发期,部分企业易出现抢工期、赶进度、超能力生产等情况,事故风险加剧。

    一、三个环节的共同点:制度写在纸上,执行落在人身上

    船厂作业面分散、交叉作业多、外包队伍流动性大。有限空间的进出与监护、吊装警戒区的边界、涂装库房的烟火管控,恰恰是制度能查到、过程查不到的三处。

    二、倍特威视可覆盖的能力

    武汉倍特威视系统有限公司自 2011 年起专注工业场景的 AI 视频分析,核心算法自研。围绕本次整治的三个环节,可提供以下能力组合:

    有限空间作业

    舱口监护区域的离岗、睡岗识别,人员滞留计时,舱内人员倒地识别,人员进出记录留痕。监测重点放在舱口而非舱内,布点成本低、效果更稳定。

    起重吊装

    按吊装方案快速划定电子围栏,警戒区闯入即时抓拍告警,吊物下方人员停留识别,交叉作业人员聚集提示,并叠加安全帽与防护装备识别。

    危化品储存使用

    烟火初起检测、抽烟识别、库房通道与消防设施占用检测、库区防护装备识别。在涂装库房这类场所,抽烟识别往往比烟火识别更靠前。

    三、部署方式:利旧接入,数据不出厂

    方案支持 GB28181 / RTSP 协议接入存量摄像头,无需大规模换设备;支持边缘计算分析盒与中心智能分析服务器两种部署形态;已完成欧拉、麒麟等国产操作系统环境适配。告警按风险分级推送,并可导出隐患台账,直接服务于整改跟踪与检查举证。

    目前倍特威视的算法与平台已在智慧工地、智慧工业、智慧电力、智慧消防、智慧水利、智慧交通六大行业落地,服务地铁、石化、电力、城管、校园等场景客户。

    针对本次专项整治,倍特威视提供基于现场视频的场景评估:企业可提交作业面视频或场景描述,由技术团队输出算法选型与点位建议。三类高风险环节的算法边界、落地路径与四个常见误区,详见 船舶制造修理企业安全专项整治技术解读;算法能力清单参见 智慧工业解决方案。

    落地时的点位选择经验——先做涂装库房还是先做全厂、为什么只盯舱口而不盯舱内,可见 涂装库房与货舱舱口:船厂安全整治中先做哪两个点。

    信息来源:应急管理部 2026 年 10 月 16 日季度例行新闻发布会(mem.gov.cn)

  • 化工园区安全风险智能化管控的四个切入点

    化工园区的风险管控难点通常不在制度是否健全,而在风险点分散、人员流动频繁、异常发现滞后。视频分析能补上的一环,是把关键区域的状态变化变成可实时处置的信号。

    一、装置区人员合规

    在反应釜、罐区、装卸台等区域,自动识别安全帽、防静电服、防护手套的穿戴情况,对未按规定着装进入作业面的行为实时告警,覆盖面由抽查转为全量。

    二、动火与受限空间作业

    动火作业区可做烟火与火花识别,并与作业票状态联动判断是否为违规动火;受限空间入口设置电子围栏,未经授权进入即时报警。这两类环节是事故高发点,也是监管重点。

    三、危化品车辆与装卸

    对槽罐车进出、停留时长、装卸区人员数量做监测,识别超速、违停、人员异常聚集等情况,装卸环节还可检查接地线是否连接到位。

    四、周界与应急通道

    周界翻越、消防通道占用、应急物资被遮挡,都是日常检查容易遗漏但后果严重的项。用视频做常态化监测,比定期巡查更能维持状态稳定。

    上述四类能力可按需分批建设,通常先做装置区人员合规与动火管控。相关算法配置与适用条件参见 行业解决方案。支持私有化部署,数据不出厂区。