- 综合排序
- 最热优先
- 最新优先
AI 健康监测管理系统
AI 健康监测管理系统 诞生的意义，就是让健康状态从“事后发现”升级为“事前预警”，让身体成为一套可计算、可预测、可指导的系统。——从“健康靠感觉”到“健康可量化”。 一、系统核心逻辑：从身体到数据，从数据到趋势，从趋势到决策AI 健康监测管理系统以“生命全周期监测”为底座，通过设备数据、体征数据、行为数据与临床知识库融合，实现：1）持续监测 → 2）风险识别 → 3 ，由 AI 自动解析。 三、系统三大核心模块01｜AI 生命监护中心（实时监测 + 生命仪表盘）像“驾驶舱”一样管理身体，用数据替代感觉：核心界面包括：心率 / 血氧 / HRV 实时曲线血压 / 血糖自动同步睡眠质量多维度评估疲劳指数与压力指数异常体征红色告警每日健康评分智能能力 ：异常立即推送趋势变化提前提醒自动标记不良事件（头晕、胸闷、心慌）这不只是监测，是 个人的 AI 健康雷达系统。
76110编辑于 2025-11-18- 来自专栏燧机科技-视频AI智能分析
AI人员打闹监测识别算法
AI人员打闹监测识别算法通过yolo+python网络模型框架算法， AI人员打闹监测识别算法能够准确判断出是否有人员进行打闹行为，算法会立即发出预警信号。 图片在介绍AI人员打闹监测识别算法之前，首先先介绍一下滑动窗口技术，这对我们理解AI人员打闹监测识别算法Yolo算法是有帮助的。 但是这个方法有致命的缺点，就是你并不知道要检测的目标大小是什么规模，所以你要设置AI人员打闹监测识别算法不同大小和比例的窗口去滑动，而且还要选取合适的步长。 AI人员打闹监测识别算法很好的解决了这个问题，它不再是窗口滑动了，而是直接将原始图片分割成互不重合的小方块，然后通过卷积最后生产这样大小的特征图，基于上面的分析，可以认为AI人员打闹监测识别算法特征图的每个元素也是对应原始图片的一个小方块 ，然后用每个元素来可以预测那些中心点在该小方格内的目标，这就是AI人员打闹监测识别算法的朴素思想。
45830编辑于 2023-09-23 - 来自专栏燧机科技-视频AI智能分析
AI动作异常行为分析监测系统
AI动作异常行为分析监测系统通过python+yolov7网络模型深度学习技术，AI动作异常行为分析监测系统对现场人员人体动作操作行为以及穿戴情况是否合规进行实时监测。 FPS V100，55.9% AP）比基于 transformer 的检测器 SWINL Cascade-Mask R-CNN（9.2 FPS A100，53.9% AP）速度上高出 509%，精度高出 2%
1K30编辑于 2023-02-08 - 来自专栏燧机科技-视频AI智能分析
学校AI视频行为分析监测系统
学校AI视频行为分析监测系统通过python+opencv网络模型AI视频分析技术，学校AI视频行为分析监测系统对学校区域人员打架行为识别、跌倒行为识别、翻墙识别、人员聚众识别、攀高识别、抽烟行为等进行智能识别预警
1.3K50编辑于 2023-02-27 - 来自专栏燧机科技-视频AI智能分析
ai皮带跑偏撕裂监测系统功能
ai皮带跑偏撕裂监测系统功能基于yolov7网络模型人工智能视觉技术，ai皮带跑偏撕裂监测系统功能自动识别现场画面中传送皮带撕裂、跑偏、偏移等情况，ai皮带跑偏撕裂监测系统功能立即告警抓拍存档同步回传后台 FPS V100，55.9% AP）比基于 transformer 的检测器 SWINL Cascade-Mask R-CNN（9.2 FPS A100，53.9% AP）速度上高出 509%，精度高出 2%
58620编辑于 2023-05-08 - 来自专栏燧机科技-视频AI智能分析
加油站ai系统视频监测系统
加油站ai系统视频监测系统通过yolov5网络模型深度学习边缘计算技术，加油站ai系统视频监测系统对现场卸油过程中人员违规离岗、现场灭火器没有按要求正确摆放、加油站ai系统视频监测系统以及卸油前需要遵守静电释放 图片 YOLOv5是一个在COCO数据集上预训练的物体检测架构和模型系列，它代表了Ultralytics对未来视觉AI方法的开源研究，其中包含了经过数千小时的研究和开发而形成的经验教训和最佳实践。 Focus重要的是切片操作，4x4x3的图像切片后变成2x2x12的特征图。 图片
47230编辑于 2023-02-25 - 来自专栏燧机科技-视频AI智能分析
充电站AI算法智能识别监测系统
在此背景下，充电站AI算法智能识别监测系统应运而生。该系统利用先进的计算机视觉技术，对充电桩区域进行全天候智能监测。 二、核心技术架构：多任务感知与时序逻辑推理充电站AI算法智能识别监测系统并非单一功能的叠加，而是基于深度学习多任务学习框架（Multi-task Learning）构建的综合感知引擎。 2. 充电设施状态与安全隐患监测充电枪状态检测：针对充电枪这一小目标，采用高分辨率特征金字塔网络进行专项训练。系统能精准识别“充电枪未归位”、“充电枪落地”等异常状态。 四、部署实施的关键考量在推进充电站AI算法智能识别监测系统落地时，需关注以下工程化细节：点位规划与视角优化：摄像头应覆盖所有充电车位及通道，建议采用广角高位俯拍以减少盲区，同时兼顾充电枪特写视角的需求（ 五、结语充电站AI算法智能识别监测系统的应用，标志着新能源基础设施运营从“粗放式管理”向“数字化智治”的跨越。
28610编辑于 2026-03-08 - 来自专栏燧机科技-视频AI智能分析
AI产线作业合规监测系统方案
本文提出基于YOLOv12目标检测、RNN-LSTM时序建模与骨骼-动作点关联的智能合规监测系统，通过多模态感知-骨骼动作融合-分级预警联动技术架构，实现合规行为识别精度97.2%（实验室数据），实测响应延迟 集成多源传感器阵列： 3D骨骼点检测模块（Intel RealSense D435i，精度±1mm）：通过OpenPose算法提取17个身体关键点（肩/肘/腕/膝等）； 力觉传感器（精度±0.1N）：监测工具操作力度 =True) self.attention = nn.MultiheadAttention(hidden_dim*2, 8) # 时序注意力（聚焦关键工艺步骤） （二）误报率控制 多帧确认机制：通过LSTM分析连续5帧状态（如“单次工具触碰”不判定为“使用”，“持续2秒操作”才记录）； 环境自适应阈值：精密装配区（如芯片贴装）提升“位置偏差”检测精度（误差±0.05mm AI产线作业合规监测系统方案基于YOLOv12+RNN深度学习算法，AI产线作业合规监测系统方案通过集成AI大模型，利用前沿的神经网络建模推理，将人体关键部位骨略点与关键动作目标点相结合进行深度逻辑判定
38010编辑于 2026-01-12 深耕AI舆情监测，赋能企业智慧决策
建立 超2PB的多维度行业数据库 ，沉淀金融、教育、互联网等 40+细分领域知识模型 ，为定制化分析提供底层支撑。 四维功能矩阵： ▶️ 舆情监测：全网95%公开数据毫秒级抓取，支持多语言翻译与反爬穿透； ▶️ 风险预警：基于AI预测模型提前6-12小时预判危机，推送层级可自定义（邮件/短信/APP）； ▶️ 科研协作：开放数据接口与算法模型，支持高校AI研究、社会计算等前沿课题验证。 创新伦理：在算法模型中嵌入偏见校验模块，杜绝AI伦理风险，保障分析客观性。 五、未来征程：做智能化时代的“决策大脑”鸿宝科技的愿景远不止于舆情监测：技术前瞻：加速 生成式AI（AIGC） 与舆情系统的融合，实现策略模拟推演、自动生成公关话术。
51910编辑于 2025-08-18- 来自专栏燧机科技-视频AI智能分析
AI城管占道经营监测识别系统
AI城管占道经营识别检测算法通过yolo+python深度学习训练框架模型，AI城管占道经营监测识别系统对道路街区小摊贩占道经营违规摆摊行为进行检测，检测有出店经营占道经营违规摆摊情况，yolo+python
91200编辑于 2023-01-07 - 来自专栏燧机科技-视频AI智能分析
车间产线生产作业流程AI监测系统
本文介绍一种兼容现有车间监控的AI监测系统，通过“目标检测 + 动作基元提取 + 规则化时序校验”技术路径，在边缘侧实现对典型操作错误的实时识别，并探讨其在真实产线中的落地边界。 一、聚焦可识别的“操作原子事件”需明确：AI无法理解“责任心”等抽象概念，但可捕捉具象、可量化的操作行为，例如：漏拿：工位料盒有物料，但未检测到手部接触；漏放：手部携带零件经过装配区，但未检测到放置动作 三、部署优势与现实约束利旧现有摄像头：无需新增传感器或要求员工佩戴设备；低侵入性：员工按正常流程操作，无额外负担；局限性：无法识别内部电气连接是否可靠；小零件（<2cm）在远距离下难以稳定检测；强背光或蒸汽环境下性能下降 结语AI在制造过程防错中的价值，不在于追求“零缺陷”，而在于将质量问题从“事后拦截”前移至“事中干预”。产线作业监测系统通过结构化规则与多模态感知，在保障效率的同时，为质量管理提供客观数据支撑。 这正是工业AI务实落地的核心逻辑：在可控边界内，解决确定问题。
39410编辑于 2026-01-20 - 来自专栏燧机科技-视频AI智能分析
工厂人员行为穿戴监测AI智能预警系统
如何借助计算机视觉技术构建客观、可持续的辅助监测能力，成为行业技术探索的重要方向。本文聚焦技术实现逻辑与应用伦理，探讨AI在工厂安全场景中的合理定位。 技术设计需回应“为何监测、监测什么、数据去向”三大伦理问题，将《个人信息保护法》要求内化为技术架构基因。 三、人机协同：技术定位的理性认知AI监测的本质是“辅助工具”，而非管理主体：避免替代判断：系统生成的提示需经安全员人工复核，防止算法误判引发管理矛盾；聚焦流程优化：数据价值在于发现共性风险点（如某工位频繁出现防护缺失 五、结语工厂人员行为与穿戴监测技术的价值，不在于构建“无死角监控”，而在于将安全管理从“事后追责”转向“事前预防”，从“主观经验”转向“客观依据”。 当AI成为安全员的“智能助手”，当数据用于优化流程而非简单问责，技术方能真正赋能安全生产，守护每一位劳动者的平安与健康。这不仅是技术课题，更是管理哲学与企业文化的体现。
17610编辑于 2026-03-19 - 来自专栏计算机视觉战队
春假返程堵车 | AI“高速”检测轻而易举监测大家安全
不管是离开小城镇还是进入大城市，每个高速路口都是堵车，现在人工智能愈来愈发达，不再用通过交警得知高速公路上的案发事件，现在都是摄像机覆盖，AI可以通过镜头&算法检测到行驶的车辆，如果有交通事故都是第一时间传达交警来处理 因此将来自标准SSD层的功能（conv4_3，FC_7，conv8_2，conv9_2，conv10_2和conv11_2）称为主干特征，因为它们源自预先训练的网络主干。
33220编辑于 2022-03-04 - 来自专栏智慧物联产品＆方案
AI智能网关如何助力危化品安全监测
针对危化品的仓储安全监测和管理，可以采用佰马BM-A16系列AI智能网关方案，打造库区安防识别、衣着识别、行为识别、火情识别等AI视觉识别应用，从而实现对各类危化品的高敏感、高精度、实时、可靠的安全监测管控 AI智能网关，强劲算力 + AI识别算法危化品仓储监测方案主要采用BM-A16系列AI智能网关，搭配高清/红外/热感摄像头，对危化品仓储现场进行实时安全监测。 基于AI智能网关的危化品仓储安全监测应用1、安防识别包括作业人员识别、行人识别、儿童识别、非法入侵识别、人员越线监测等，通过7 x 24小时不间断监控识别，保障危化品仓储区域安全。 2、衣着识别支持包括安全帽识别、反光衣识别、防护服工装识别等多种识别算法，从人员的防护着装方面，保障危化品仓储站点员工的人身安全。 AI智能网关非常适合需要随时随地高度专注、敏感的安全监测场景，真正实现全天候、自动化、智能化的安全监测管理应用，时刻把握安全红线。
38100编辑于 2023-11-23 - 来自专栏燧机科技-视频AI智能分析
基于AI的智慧工厂产线安全监测方案
本文介绍一种兼容现有车间监控的边缘AI系统，通过“目标检测 + 人体姿态估计 + 规则化时序分析”技术路径，在保障员工隐私前提下，实现对典型操作偏差的辅助识别与工序级工时统计，并探讨其在真实产线中的落地边界 一、聚焦可量化、低争议的操作要素需明确：AI无法理解“责任心”或“熟练度”，但可捕捉具象、可重复观测的操作原子，例如：漏拿：料盒有物料，但未检测到手部接触；漏放：手部携带零件经过装配区，但未检测到放置动作 三、部署优势与现实约束利旧现有摄像头：无需新增传感器或要求员工佩戴设备；低侵入性：员工按正常流程操作，无额外负担；局限性：无法识别内部电气连接是否可靠；小零件（<2cm）在远距离下难以稳定检测；强背光或蒸汽环境下性能下降 结语AI在智能制造中的价值，不在于“取代人”，而在于将人的经验从“看是否出错”解放到“思如何改进”。产线操作监测系统通过结构化规则与多模态感知，在保障效率的同时，为质量管理与流程优化提供客观数据支撑。 这正是工业AI务实落地的核心逻辑：在可控边界内，解决确定问题，服务人的决策。
35910编辑于 2026-01-21 - 来自专栏计算机视觉战队
国庆堵车 | AI“高速”车辆检测轻而易举监测大家安全
作者：Edison_G 国庆节不管是离开小城镇还是进入大城市，每个高速路口都是堵车，现在人工智能愈来愈发达，不再用通过交警得知高速公路上的案发事件，现在都是摄像机覆盖，AI可以通过镜头&算法检测到行驶的车辆 因此将来自标准SSD层的功能（conv4_3，FC_7，conv8_2，conv9_2，conv10_2和conv11_2）称为主干特征，因为它们源自预先训练的网络主干。
50420编辑于 2022-01-26 - 来自专栏燧机科技-视频AI智能分析
化工厂智慧AI视频分析智能监测系统
在此背景下，化工厂智慧AI视频分析智能监测系统应运而生。 2. 环境隐患早期感知（液体泄漏检测）技术原理：利用语义分割网络（如DeepLabV3+）对地面区域进行像素级分类，结合时序光流法分析动态变化。逻辑实现：系统持续监测地面纹理与反光特性。 三、系统架构：端边云协同与实时响应为满足化工厂对低延迟与高可靠性的严苛要求，化工厂智慧AI视频分析智能监测系统通常采用“前端感知+边缘推理+云端统筹”的分布式架构。 六、结语化工厂智慧AI视频分析智能监测系统的应用，标志着化工安全管理从“被动应对”向“主动预防”的深刻转型。 只有不断优化算法适配度，完善管理制度，并始终秉持对生命的敬畏，才能真正发挥化工厂智慧AI视频分析智能监测系统的价值，筑牢化工安全生产的坚实屏障。
31310编辑于 2026-03-08 - 来自专栏AI技术应用
AI大模型本地化部署的运行监测
AI大模型本地化部署的运行监测是确保模型稳定、高效运行的关键环节。以下是一些重要的监测方面和方法。1. 硬件资源监测：CPU/GPU利用率： 实时监测CPU和GPU的利用率，了解模型运行对硬件资源的消耗情况。 通过监测，可以发现资源瓶颈，及时进行优化调整。 温度监测： 对于高性能硬件（如GPU），监测温度是非常重要的。 高温可能导致硬件性能下降甚至损坏。2. 软件运行监测：模型推理速度： 监测模型的推理速度，如每秒处理的请求数或每秒生成的文本数。 安全信息和事件管理（SIEM）工具： 用于实时监测和分析安全事件。6. 监测策略：实时监测： 对关键指标进行实时监测，及时发现异常情况。定期报告： 生成定期报告，总结模型运行状态和性能指标。 通过以上监测方面和方法，可以全面了解AI大模型本地化部署的运行状态，及时发现和解决问题，确保模型的稳定、高效运行。
61710编辑于 2025-03-11 - 来自专栏全栈程序员必看
struts2漏洞监测_struts2 漏洞 测试方案 与 解决方案
Struts2的核心是使用的webwork框架，处理 action时通过调用底层的getter/setter方法来处理http的参数，它将每个http参数声明为一个ONGL(这里是ONGL的介绍)语句。 2.struts参数过滤。 Java代码 .*\\u0023.* .*\\u0023.* 这个可以解决漏洞问题，缺点是工作量大，每个项目都得改struts配置文件。
99110编辑于 2022-09-09 - 来自专栏气象学家
AI融入空气监测，助力“蓝天保卫战”
AI正与物联网、大数据一起融入现有空气监测体系，追踪大气变化，预警污染风险。 图片由AI生成 随着人工智能（AI）技术崛起及与各行业的快速结合，这一局面正迎来转机。 Ai_r的独特之处在于，不仅能监测当下情况，还能预测污染热点，特别是针对能深入肺血的PM2.5颗粒物，有助当局精准施策。 澳门科技大学与中国气象科学院科学家则联手打造了“AI-Air”系统。 “AirQo”系统正服务于非洲16座城市，以低成本传感器结合AI算法，为健康决策提供依据。 基于卫星的空气质量监测亦获突破。 技术落地面临挑战 尽管前景广阔，但AI助力空气质量监测之路仍面临一些亟待解决的问题。 唯有攻克这些难关，方能让AI监测系统高效、准确且经济地运行。 未来，预测模型将更精进，物联网传感器更普及。
11810编辑于 2026-03-26
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号