基本信息

案例ID:230708

技术顾问:浪浪山的巡山小猪妖 - 13年经验 - 北京宇信科技有限公司

联系沟通

微信扫码,建群沟通

项目名称:扣子大模型隐患识别

所属行业:人工智能 - 其他

->查看更多案例

案例介绍

作品详细功能:
1.多模态隐患识别
图像/视频分析:通过现场拍摄的照片或监控视频,自动识别以下隐患:
高空作业未系安全绳、临边防护缺失
脚手架搭设不规范(间距过大、剪刀撑缺失)
用电违规(裸线暴露、配电箱未上锁)
危险区域未设警示标识
劳保装备(安全帽、反光衣)穿戴缺失
实时预警:AI模型秒级检测隐患,推送告警至管理人员移动端。
2.文本语义分析
巡检报告解析:自动提取人工巡检记录中的隐患描述,智能归类(如“基坑积水”归为“排水系统缺陷”)。
法规匹配:关联国家施工安全规范(如GB 50656),自动标注违规条款。
3.隐患风险量化
风险等级评估:基于隐患类型、位置、发生频率,动态生成风险评分(红/黄/蓝三色预警)。
4.智能整改闭环
自动派单:根据隐患位置和责任分工,推送整改任务至对应班组负责人。
过程追踪:实时记录整改进度(拍照上传、时间戳验证),超时未处理自动升级告警。
AI复验:整改后照片经AI比对确认合规性,形成闭环证据链。
5.知识库与决策辅助
案例库检索:输入“模板坍塌”,推送历史类似案例及解决方案。
预防建议生成:结合气象数据(如暴雨预警),自动推送“深基坑防涝措施”指南。
6.多终端协同
移动端:工人随时拍照上报隐患,接收实时预警。
PC驾驶舱:项目总览大屏(隐患总数、整改率、高频问题统计)。
权限分级:从班组到项目经理,按职责分层管理数据权限。
技术亮点
行业大模型:基于20万+建筑施工事故案例训练的垂直领域AI,识别准确率>95%。
轻量化部署:支持边缘计算(工地局域网离线运行),适应网络不稳定环境。
BIM融合:可选配对接BIM模型,在三维视图中定位隐患点位(如管道焊接点气体泄漏风险)。
应用价值
降低事故率:提前拦截80%以上高风险隐患、。
提效降本:替代50%人工巡检,缩短整改周期平均67%。

你在作品中负责的角色:
一、项目管理:主导全生命周期,制定计划(范围、里程碑、资源、预算),管理风险、跟踪进度、协调沟通,并确保质量与敏捷实践。
二、需求分析:挖掘和澄清需求,建模文档化,评审确认,优先级排序。
三、软件设计开发:进行架构设计、技术选型,详细设计、编码实现,协作指导,质量内建,问题排查和文档编写。

相似案例推荐

其他人才的相似案例推荐

  • 轩辕AI智能体

    轩辕AI智能体

    轩辕AI智能体的全栈开发,从需求分析到设计到编码到测试,使用

  • 轩辕AI应用

    轩辕AI应用

    全栈开发electron的AI图片应用,包括服装电商,产品电

  • 汇源光通信

    汇源光通信

    负责vue前端数据的展示,使用echarts,vue-rou

  • agent

    agent

    实现了基于大模型的多轮智能对话系统,支持个性化人物背景设置、

  • 大模型微调

    大模型微调

    - 通过对数据的整理,分类,筛选并生成出标准的数据集。 -

  • ai代码检查工具

    ai代码检查工具

    ⁠codereview 是一个基于大模型的代码审查工具。它可

  • 无线传输装置

    无线传输装置

    1、作为项目负责人、完成了linux系统移植以及外设驱动的开

  • 视频系统

    视频系统

    1、作为系统工程师,主要工作包括嵌入式软件开发,通信协议设计

  • AI 模型 api 前端界面

    AI 模型 api 前端界面

    功能:让用户通过图形界面的方式调用模型厂商的 api 服务,

  • 本地AI智能体框架

    本地AI智能体框架

    功能:可以在linux环境运行的智能体框架,支持自定义工具调

  • 半监督的隐藏物体检测

    半监督的隐藏物体检测

    博士期间我的主要研究课题为基于鲁棒协同学习的边缘检测,目标是

  • 实时的边缘检测

    实时的边缘检测

    博士期间我的主要研究课题为基于鲁棒协同学习的边缘检测,目标是

发布任务

企业点击发布任务,工程师会在任务下报名,招聘专员也会在1小时内与您联系,1小时内精准确定人才

微信接收人才推送

关注猿急送微信平台,接收实时人才推送

接收人才推送
联系需求方端客服
联系需求方端客服