- 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。
88210编辑于 2025-11-18- 来自专栏燧机科技-视频AI智能分析
工厂车间区域作业AI监测报警系统 基于YOLOv7与CNN
本文提出一种基于YOLOv7目标检测与CNN行为分析的智能监测报警系统，通过“实时感知-智能研判-联动控制”闭环机制，实现车间高危区域的主动安全防护。 （二）算法层：双模型协同分析 核心采用“YOLOv7目标检测+CNN行为分类”两级算法：YOLOv7目标检测：定位画面中人体目标，输出 bounding box 坐标与置信度； CNN行为分类模型：基于 （三）应用层：联动控制与管理平台 本地联动控制器：接收算法层指令，触发语音告警器（分贝≥90dB）、输出24V开关量信号切断行车动力； 云端管理平台：实时展示监测画面、报警日志、设备状态，支持历史数据回溯与报表导出 cfg = 'yolov7-workshop.yaml' # 自定义配置文件（含CBAM模块） weights = 'yolov7s.pt' model = Model(cfg, ch=3, 四、系统工作流程与核心优势 （一）全流程监测机制 实时检测：相机每40ms采集一帧图像，边缘节点并行执行YOLOv7检测与CNN分类； 分级预警： 一级预警（闯入禁区）：语音告警+行车急停+图像抓拍；
48010编辑于 2025-12-17 - 来自专栏燧机科技-视频AI智能分析
工地扬尘智能监测系统 YOLOv7
工地扬尘智能监测系统算法模型通过yolov7网络算法模型技术，工地扬尘智能监测系统算法模型利用AI视频智能分析技术，并将数据传输到数据中心进行分析。 工地扬尘智能监测系统算法模型之所以选择YOLOv7，是因为YOLOv7 的发展方向与当前主流的实时目标检测器不同，研究团队希望它能够同时支持移动 GPU 和从边缘到云端的 GPU 设备。 工地扬尘智能监测系统算法模型在训练过程主要涉及以下几个方面：1) 设计了几种可训练的 bag-of-freebies 方法，使得实时目标检测可以在不增加推理成本的情况下大大提高检测精度；(2) 对于目标检测方法的演进 在工地扬尘智能监测系统算法模型训练过程遇到问题时，提出了实时目标检测器的「扩充（extend）」和「复合扩展（compound scale）」方法，以有效地利用参数和计算；该研究提出的方法可以有效减少
54030编辑于 2023-09-09 - 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。
47830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。 YOLOv7 是在 MS COCO 数据集上从头开始训练的，不使用任何其他数据集或预训练权重。 此外， YOLOv7 的在速度和精度上的表现也优于 YOLOR、YOLOX、Scaled-YOLOv4、YOLOv5、DETR 等多种目标检测器。 图片YOLOv7 的发展方向与当前主流的实时目标检测器不同，研究团队希望它能够同时支持移动 GPU 和从边缘到云端的 GPU 设备。 YOLOv7 的策略是使用组卷积来扩展计算块的通道和基数。研究者将对计算层的所有计算块应用相同的组参数和通道乘数。
1.1K30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 - 来自专栏磐创AI技术团队的专栏
7种监测大型语言模型行为的方法
现在，让我们谈谈我们在本示例中要监测的指标。 这种方法基于以下论文：ChatLog：记录和分析ChatGPT跨时间 性别偏见 社会偏见是公平和负责任的AI讨论的中心话题[2],[7]，它可以被定义为“语言选择的系统性不对称性”[8]。 "作为一个AI语言模型，我的目的是为合法的问题和查询提供有帮助和信息丰富的回答，同时遵守伦理和法律准则。提供有关如何参与犯罪活动的建议或指示是不合适和不负责任的。" ", "Sorry, but I can't assist with that", "As an AI language model, my purpose is to provide helpful 为此，我们探索和监测了七个不同领域的指标组，以评估模型在性能、偏见、可读性和有害性等不同领域的行为。 我们在本文中对结果进行了简要讨论，但我们鼓励读者自行探索结果。
70710编辑于 2024-03-12 - 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 YOLOv7 的发展方向与当前主流的实时目标检测器不同，研究团队希望它能够同时支持移动 GPU 和从边缘到云端的 GPU 设备。 YOLOv7 的策略是使用组卷积来扩展计算块的通道和基数。研究者将对计算层的所有计算块应用相同的组参数和通道乘数。 YOLOv7 在 5 FPS 到 160 FPS 范围内，速度和精度都超过了所有已知的目标检测器并在V100 上，30 FPS 的情况下达到实时目标检测器的最高精度 56.8% AP。 YOLOv7 是在 MS COCO 数据集上从头开始训练的，不使用任何其他数据集或预训练权重。
61220编辑于 2023-05-08 - 来自专栏燧机科技-视频AI智能分析
校园霸凌行为监测AI预警系统YOLOv8v7v6v5
校园霸凌行为监测AI预警算法基于YOLO系列视觉智能分析算法，对于校园霸凌行为监测AI预警系统目标检测算法而言，我们通常可以将校园霸凌行为监测AI预警系统划分为4个通用的模块，具体包括：输入端、基准网络 、Neck网络与Head输出端，在本博客中，介绍了基于YOLOv8/v7/v6/v5的暴力行为检测系统。 采用YOLOv8作为主要算法，并整合了YOLOv7、YOLOv6、YOLOv5等先进算法进行性能指标的对比分析。 该应用整合了多个版本的YOLO模型（包括YOLOv8、YOLOv7、YOLOv6、YOLOv5），以满足用户在不同场景下对检测精度和速度的需求。 2. 此外，将目标检测技术应用于移动设备和边缘计算也成为了研究的新方向，这有助于实现更加灵活和广泛的暴力行为监测应用。
1.5K00编辑于 2024-11-30 - 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。
48930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。 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。 对于运营商而言，理性评估技术边界，注重场景适配与持续迭代，方能真正释放AI赋能的价值。
35610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 （三）软件平台功能 边缘预警终端 集成三色LED灯（绿-合规/黄-预警/红-违规）与蜂鸣器，实时反馈状态； 7寸触摸屏显示“当前动作：元件贴装-合规率98%”“风险提示：电批未校准（置信度92%）”。 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
59310编辑于 2026-01-12 深耕AI舆情监测，赋能企业智慧决策
二、产品赋能：TOOM舆情系统构建智能风控中枢作为鸿宝科技的旗舰产品，TOOM舆情监测系统 已进化成具备 “监测-预警-研判-响应”闭环能力 的智能化平台：分钟级风险捕获：事件发生 5 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。
57010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
94100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 四、成本效益与合规说明单工位改造成本（含AI盒子+软件授权）约0.8～1.5万元（2025年市场估算）；视频流在边缘处理，原始图像不出车间，符合《个人信息保护法》及GDPR相关精神；系统仅为防错辅助工具 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。
57910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。
24110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。
35420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。 3、行为识别支持包括抽烟监测、接打电话监测、离岗/睡岗监测、倒地监测等识别算法，从现场人员行为规范方面监测保障站点安全。 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。
39700编辑于 2023-11-23 - 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。
51620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。 二、核心技术逻辑：多任务并行与场景化适配化工厂智慧AI视频分析智能监测系统并非单一算法的堆砌，而是基于多任务学习（Multi-task Learning）架构，针对化工特定场景定制的复合感知引擎。 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。
41810编辑于 2026-03-08
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