工业互联网创新应用与实践（项目驱动） 课件 第5-7篇 项目迎战-机器视觉部署与行为监测 -项目实战-智能电梯安全检测综合应用

工业互联网创新应用与实践（项目驱动）第五篇

项目迎战-机器视觉部署与行为监测目录content任务一

智能电梯场景视觉系统部署012一、搭建HEOP视觉监测环境二、HEOP图像信号采集与可视化任务二

电梯乘用行为分析算法开发一、图像信号基本操作二、图像信号边缘检测02第五篇

项目迎战-机器视觉部署与行为监测三、目标跟踪算法四、目标检测与识别第五篇

项目迎战-机器视觉部署与行为监测智能电梯机器视觉与行为监测技术，通过高清摄像头+AI算法，实时识别电梯内超载、危险物品、摔倒/打斗等异常，自动触发警报或停梯保护。视觉数据实现两大优化：一是预测设备维护需求，提前排查故障；二是统计客流，优化电梯调度、缩短乘客等待时间。智能电梯视觉系统部署，环境搭建+信号采集可视化：环境搭建：根据电梯实际场景，调试HEOP摄像机分辨率、帧率、光圈等参数，保障设备稳定运行。信号采集可视化：通过程序获取原始图像信号，经降噪、增强处理后可视化呈现，结合AI算法实现智能识别预警。任务一

智能电梯场景视觉系统部署/01任务一

智能电梯场景视觉系统部署任务一

智能电梯场景视觉系统部署一、搭建HEOP视觉监测环境

（一）激活HEOPHEOP摄像机使用前需激活，建立与管理系统安全连接，支持两种激活方式，可按需选择。1.通过浏览器激活通过浏览器访问并激活设备，可按以下步骤操作：（1）设置IP地址通过两种方式连接：一是将设备接入计算机所在的局域网；二是使用网线直接完成设备与计算机的物理连接。设备默认IP为4，将计算机IP设为同网段地址，可在~53范围内任选（需避开4），例如00。（3）设置管理员密码为admin设置登录密码，单击“确定”。（4）设置安全信息选择安全问题或安全邮箱完成配置。激活完成，仅需操作一次。后续直接在浏览器输入设备IP登录，按【Enter】进入后台。（2）打开激活界面完成IP设置后，在浏览器输入默认IP4，进入激活页面。任务一

智能电梯场景视觉系统部署2.通过SADP软件激活通过同一局域网内计算机上SADP软件，快速搜索并激活设备，操作时只需确保设备与计算机网络环境一致。（1）安装SADP软件下载SADP软件，访问海康威视官网获取。打开浏览器输入网址，搜索SADP软件。建议在下载前确认网络连接稳定。“设备网络搜索”为海康威视SADP软件，安装流程与常见exe程序一致。任务一

智能电梯场景视觉系统部署（2）IP地址设置与浏览器激活的IP地址设置类似，将设备连接至安装SADP软件计算机局域网，或通过网线直接连接设备与计算机。（3）查找设备运行SADP软件，单击“刷新”，自动扫描当前网络。实时展示与计算机处于同一局域网内所有在线设备IP地址、型号、激活状态等信息，便于定位目标设备。（4）设置管理员密码在设备列表，勾选“未激活”目标设备。在右侧“激活设备”模块，设置默认管理员账号admin合规密码。设备激活完成。如需访问设备，在浏览器输入设备IP地址即可进入设备登录界面。任务一

智能电梯场景视觉系统部署（二）配置HEOPHEOP摄像机激活后即可正常访问。默认仅启用基础功能，可根据实际需求个性化配置以适配多样场景。重启查看效果：安装完成后刷新页面，可预览实时视频。安装成功后启动浏览器，再次访问设备，可正常查看实时预览画面。1.访问HEOP摄像机在浏览器地址栏中输入4并按【Enter】键，可访问管理界面。默认进入预览界面，底部工具栏包含截图、录像等常用按钮。若浏览器无法显示视频图像，按以下方法解决：定位操作入口：单击页面特定按钮，触发插件安装流程；完成环境配置：根据提示完成插件下载与安装，可修复浏览器内核不兼容导致画面显示异常问题。任务一

智能电梯场景视觉系统部署2.配置HEOP摄像机单击“配置”进入系统配置界面，在“常用配置”设置“视频参数”和“图像参数”。“事件-报警配置”，支持添加邮件报警、服务器报警等。“图像参数”模块设置：画面基础调整：优化视觉效果，适配不同场景需求。曝光：手动或自动调节，应对高动态范围场景（如逆光、强光直射等）。白平衡：手动或自动校正色彩偏差（支持日光/钨丝灯等场景模式）。配置完成后单击“保存”。“系统-用户管理”，支持添加多用户账号，可实现多角色协同访问设备。“视频参数”模块设置：分辨率：支持多档选择（如1080P/720P等），兼顾画质与带宽。视频帧率：调节播放流畅度（25fps/30fps等），动态场景建议调高帧率。视频编码：可选H.264/H.265（H.265压缩率更高）。码率类型：切换主码流（高清画质）或子码流（低带宽适配）。任务一

智能电梯场景视觉系统部署3.智能应用设备内置人脸抓拍、Smart事件、AI开放平台三大核心应用。人脸抓拍：实时监测并精准抓拍人脸特征，适用于人员识别、客流量统计等场景。Smart事件：监测人员、车辆的侵入、离开等异常行为，支持区域入侵、越界报警等智能检测。AI开放平台：集成海康威视AI开放平台，可导入官网成熟AI模型，或部署用户自定义训练模型，拓展智能分析能力；平台开放能力板块提供覆盖工商企业、数字乡村、金融服务、应急管理等多行业场景的官方预设模型。任务一

智能电梯场景视觉系统部署“口罩佩戴识别”模型操作流程：

单击界面“+”添加按钮，选择“口罩佩戴识别”。激活AI开放平台功能，进入操作界面，为模型部署做准备。在AI开放平台中找到“口罩佩戴识别”模型。根据摄像机芯片型号下载适配版本，确保硬件兼容性。任务一

智能电梯场景视觉系统部署实际测试显示，完成“口罩佩戴识别”模型部署及参数配置后，系统可实时精准检测人物是否佩戴口罩。完成模型添加后，单击“口罩检测”开关，进入配置界面，根据实际需求灵活设置参数。任务一

智能电梯场景视觉系统部署二、HEOP图像信号采集与可视化

HEOP摄像机配置激活后，即可正常使用。支持多样化采集方式，满足不同场景需求：浏览器界面手动截图或录像采集，快速留存关键画面；基于RTSP协议采集实时视频流，无缝接入第三方视频管理平台或监控系统，为安防监控、远程查看等应用提供稳定高质量的图像信号支持。（一）手动采集数据在浏览器地址栏输入IP4访问设备；单击左侧“配置-本地”；在存储设置，将“录像文件”和“抓图和剪辑”的保存路径修改至合理位置，如桌面Project文件夹，便于文件管理与快速访问。在界面中单击“抓图”和“录像”，即可实时获取图像及视频数据。任务一

智能电梯场景视觉系统部署（二）RTSP采集数据HEOP摄像机支持RTSP，该协议专为控制音频、视频等实时数据传输设计，广泛应用于流媒体服务器与客户端通信。1.HEOP摄像机RTSP配置进入“配置-网络-网络服务”，默认配置适配多数场景，无须额外修改，可直接使用。RTSP地址格式及参数说明：

RTSP地址标准格式为：rtsp://[用户名]:[密码]@[设备IP地址]:[端口号]/Streaming/Channels/[通道号]RTSP地址示例及工具说明：

rtsp://admin:***@4:554/Streaming/Channels/102将其中的“***”替换为设备的真实有效登录密码。任务一

智能电梯场景视觉系统部署2.VLCmediaplayer播放RTSPVLC是一款跨平台开源多媒体播放器，支持直接播放RTSP流，兼容性强、轻量高效，可播放多数音视频文件及流媒体协议。（1）功能特性支持RTSP、HTTP等多种流媒体协议。兼容Windows、macOS、Linux等操作系统。提供丰富的播放控制与音视频调整功能。（2）下载与安装从官网下载对应系统安装包（通常为.exe文件）

双击运行后按引导完成安装，步骤与常规软件一致。（3）播放RTSP流打开VLC→选择菜单栏“媒体”→“打开网络串流”命令→输入完整RTSP地址→单击“播放”，即可实时查看摄像机画面。任务一

智能电梯场景视觉系统部署（三）图像信号可视化通过Python结合OpenCV库可实现图像信号的可视化与快速调用。OpenCV是跨平台的开源计算机视觉与机器学习工具库，主打实时视觉应用开发，其核心优势包括：•多语言支持：兼容C++、Python、Java等。•跨平台部署：支持Windows、Linux、macOS及Android/iOS。•功能覆盖广：涵盖图像处理、视频分析、模式识别、深度学习模型部署等全链条视觉任务。1.OpenCV典型应用场景图像处理：图像增强、几何变换、图像分割目标识别：物体监测、人脸识别、车牌识别视频分析：运动监测、行为识别、视频摘要嵌入式视觉：边缘计算融合、轻量化部署2.实现图像信号可视化

通过OpenCV库可实现图像/视频信号的可视化，具体操作步骤如下：安装OpenCV：通过pip包管理器手动安装该第三方库至开发环境图片文件可视化：导入库→读取图片→检查读取状态→创建窗口并显示图片任务一

智能电梯场景视觉系统部署视频文件可视化：导入库→创建视频捕获对象→循环读取并显示视频帧→释放资源、关闭窗口。RTSP源可视化：OpenCV可读取RTSP流并实现实时画面可视化，适用于远程监控、流媒体分析等场景。核心流程：导入库→初始化RTSP流捕获→循环读取并处理流帧→释放资源、关闭窗口。任务二

电梯乘用行为分析算法开发/02任务二

电梯乘用行为分析算法开发任务二

电梯乘用行为分析算法开发一、图像信号基本操作OpenCV是开源免费扩展库，接口丰富通用。基础使用方法，包括图像读取、可视化、处理优化及格式转换等核心操作。

（一）读取与显示OpenCV中，图像数据以NumPy数组表示，数组元素与图像像素一一对应，图像尺寸及颜色模式可通过数组形状直接查看。任务二

电梯乘用行为分析算法开发（二）访问和修改像素值像素值访问与修改是图像增强、修复等操作的基础。可精准调整图像亮度、颜色、对比度等属性。（三）图像ROI图像ROI的提取与应用至关重要。通过设定ROI，能够聚焦图像中的关键部分，忽略冗余信息，提升处理效率与精准度。（四）图像通道分离与合并图像通道分离与合并是数字图像处理的核心基础操作。RGB彩色图像由红、绿、蓝三通道组成，分离通道可单独获取各通道灰度信息，便于特定颜色特征提取、图像增强；合并通道则是将处理后的各通道重组，还原或生成新彩色图像。任务二

电梯乘用行为分析算法开发（五）缩放、旋转、平移、翻转缩放、旋转、平移、翻转是图像处理中调整图像形态与布局的核心几何变换操作：缩放可改变图像尺寸（下采样压缩数据提升效率、上采样增强细节）；旋转围绕指定点调整方向，用于矫正倾斜图像或调整目标角度；平移实现图像平面位置移动，便于定位目标；翻转含水平/垂直翻转，用于数据增强以扩充训练样本多样性。广泛应用于智能安防画面调整、图像识别预处理等场景，能使图像数据契合算法需求，提升分析准确性与可靠性。任务二

电梯乘用行为分析算法开发二、图像信号边缘检测边缘检测是图像处理核心基础技术，用于识别图像中亮度突变像素点，区域含物体轮廓、结构转折等关键信息。作为特征提取关键分支，它可简化图像数据、突出核心特征，为目标识别、图像分割、三维重建等高级视觉任务提供基础支撑。边缘检测通过提取亮度突变区域减少数据量、剔除冗余信息，保留关键结构特征。当前核心算法分两类：基于梯度极值的检测方法：通过一阶导数（如Sobel、Prewitt算子），定位梯度幅值极大值点，结合非极大值抑制细化边缘。基于二阶导数零穿越的检测方法：利用Laplacian算子或非线性差分计算图像二阶导数，识别二阶导数过零点，对噪声敏感，需要配合高斯平滑预处理。（一）滤波滤波预处理是提升边缘检测准确性的关键，高斯滤波因降噪保边性能优异被广泛应用。算法基于高斯函数，计算像素均值时采用加权策略，可在抑制噪声的同时最大程度保留边缘细节，避免边缘模糊，为精准边缘检测奠定基础。任务二

电梯乘用行为分析算法开发（二）Canny算子Canny边缘检测是一种可平衡噪声抑制与边缘定位的多阶段算法，流程如下：噪声抑制：高斯滤波器对图像平滑处理，减少噪声影响。梯度特征计算：采用Sobel算子计算图像的梯度幅值与方向，捕捉像素灰度变化强度与趋势。非极大值抑制：沿梯度方向逐点分析，仅保留局部梯度幅值最大的像素，实现边缘细化。双阈值筛选：设置高低阈值，高于高阈值为强边缘，低于低阈值予以剔除，处于阈值区间的弱边缘根据其与强边缘的连通性决定去留。边缘闭合处理：通过滞后阈值算法，将符合条件的弱边缘与强边缘进行连接，形成连续的目标边缘轮廓。（三）Sobel算子Sobel算子是经典的基于梯度的边缘检测工具，通过计算图像在水平和垂直方向梯度强度与方向来定位边缘。融合高斯平滑滤波与微分运算，先对图像局部区域加权平均以抑制噪声，再通过一阶差分提取灰度变化特征，在噪声抑制与边缘检测之间实现平衡，广泛应用于各类计算机视觉预处理场景。任务二

电梯乘用行为分析算法开发（四）Laplacian算子Laplacian算子为典型二阶微分边缘检测工具，通过计算图像灰度二阶导数识别边缘，二阶导数过零点即为边缘位置。该算子对高频噪声敏感，该算子通常需要结合高斯平滑预处理：先通过高斯滤波衰减图像噪声，再利用Laplacian算子提取边缘，以此降低误检率，适用于细节丰富且噪声可控的图像场景。三、目标跟踪算法目标跟踪是计算机视觉核心技术，通过持续捕捉动态目标的位置与轨迹，支撑智能系统感知环境，广泛应用于智能监控、自动驾驶、人机交互等场景。（一）目标跟踪算法的类型目标跟踪的两个关键环节：目标标定：在视频首帧或初始序列中，通过人工标注或算法自动识别，确定目标初始位置与范围，为跟踪提供基准。目标定位：基于首帧标定信息，通过特征匹配、运动建模等，在后续帧中实时追踪目标位置与形态变化，实现稳定捕捉。任务二

电梯乘用行为分析算法开发基于模板匹配的跟踪算法：原理：初始帧建模板，后续帧算候选区与模板相似度。优势：简单易实现，适合目标外观稳定、背景干扰少的场景。劣势：无动态更新机制，目标形变、遮挡或背景复杂时易失效。基于特征驱动的跟踪算法：原理：提取目标局部显著特征，通过特征点集时空匹配跟踪。优势：对目标局部形变、旋转、尺度变化鲁棒性强。劣势：易受遮挡、光照变化影响，特征点稀疏时易丢失目标。基于密度估计的跟踪算法：原理：建模像素级运动或概率密度分布，将目标视为连续密度区域跟踪。优势：适应目标快速运动、非刚性形变、局部遮挡，适合高帧率视频、形态多变场景。劣势：计算复杂度高，实时性依赖硬件加速；背景杂波多、目标边界模糊时精度下降。基于模型驱动的跟踪算法：原理：构建目标几何/表观模型，通过模型与图像迭代匹配跟踪。优势：精准描述目标形状、姿态与运动模式，适合医学影像分析、工业缺陷检测等高精度场景。劣势：依赖高质量初始模型与先验知识，模型更新计算量大，难部署于嵌入式设备与实时场景。基于深度学习的跟踪算法：原理：卷积神经网络自动学习目标层次化特征，端到端训练建模时空关联。优势：对遮挡、形变、尺度变化等复杂情况鲁棒性强，泛化能力优于传统算法，适合跨摄像头、小目标跟踪。劣势：依赖大规模标注数据，模型参数量大，轻量化部署与实时性-精度平衡需优化。高性能算法需应对目标快速移动、遮挡、光照突变、尺度变化等挑战，主流算法分为五类：任务二

电梯乘用行为分析算法开发（二）OpenCV跟踪器主要集成于扩展模块opencv_contrib中，在使用前需要进行额外安装配置：各种跟踪器性能对比：包含跟踪精度、实时性、抗干扰能力、计算资源需求等四个关键维度。对OpenCV主流内置跟踪器进行对比解析。任务二

电梯乘用行为分析算法开发CSRT跟踪器整合颜色、梯度等多维度特征，结合空间与通道的可靠性评估机制，实现了复杂场景下的稳健目标跟踪。其核心流程如下：利用CNN提取目标的颜色、纹理、结构等高阶语义特征，构建强判别力的目标表征；通过空间分析抑制背景噪声、强化目标特征，融合多通道特征训练滤波分类器，区分目标与背景；跟踪中依托尺度金字塔模型动态适配目标大小变化，引入空间正则化约束应对目标形变，最终实现对目标尺度、姿态变化的鲁棒跟踪。CSRT通过“特征提取—可靠性筛选—多维度建模”的技术框架，提升复杂环境下跟踪精度与稳定性。运行程序后，按【R】键，通过鼠标在画面中绘制ROI区域，绘制完成后按【Enter】键，OpenCV将启动目标追踪功能。任务二

电梯乘用行为分析算法开发四、目标检测与识别目标检测与识别是计算机视觉核心任务，从图像或视频中定位特定类别的目标（如人、车辆、动物等）并识别其具体类别。在智能电梯场景中，为保障运行安全，对电瓶车、煤气罐等危险品进行实时监测并触发预警。（一）安装客户端海康威视一站式训练平台可以官网下载。客户端安装流程与常规exe程序安装方式一致。安装完成后，双击启动客户端，登录界面输入账号密码即可登录。若尚未注册账号，可单击“立即注册”，按照指引完成注册后再登录。任务二

电梯乘用行为分析算法开发（二）模型选择进入“模型服务”选项卡，在“典型应用训练”模块选择“电瓶车检测”，单击“开始训练”进入模型训练流程。选择“本地部署”选项，根据硬件配置选择对应设备芯片类型，例如“AI摄像机-G5”，单击“下一步”。（三）数据选择若需新建数据集，可单击“创建新数据集”并命名；若已创建过数据集，可直接单击“选择已有数据集”进入数据选取流程。任务二

电梯乘用行为分析算法开发（四）智能标注单击“导入数据”，批量导入预处理完成的图片至目标数据集，为后续标注工作做好准备。导入数据完成后，单击“发起标注”，系统自动启动智能标注功能，等待任务完成即可。若对标注结果无异议，直接单击“下一步”；若需确认标注细节，单击“查看标注详情”，逐项核查标注并修正。任务二

电梯乘用行为分析算法开发（五）模型训练单击“开始训练”，系统将启动模型训练任务，等待训练流程执行完毕。数据集规模越大，模型训练所需的时间越长。任务二

电梯乘用行为分析算法开发（六）模型部署导出训练成功的模型，按照配置HEOP操作指引，将模型导入HEOP摄像机完成部署。启用“电瓶车检测”功能。点击界面绿色设置按钮，进入规则设置界面配置参数。单击右侧预览界面按钮，绘制布防区域，完成后保存规则设置。完成配置后，通过实际场景测试，观察模型迭代后的检测效果。感谢倾听HANKYOU工业互联网创新应用与实践（项目驱动）工业互联网创新应用与实践（项目驱动）第六篇

项目迎战-工业听诊应用与电梯设备诊断目录content任务一

智能电梯场景音频系统搭建012一、搭建音频监测环境二、音频信号采集与可视化任务二

电机运行状态监测与诊断深化一、音频信号特征提取技术应用二、异常噪声模式识别与故障预警02第六篇

项目迎战-工业听诊应用与电梯设备诊断第六篇

项目迎战-工业听诊应用与电梯设备诊断智能电梯声音检测技术两大核心价值：设备维护：实时捕捉电机、导轨等部件声纹，识别齿轮磨损、轴承缺油等隐患，实现预测性维护，替代传统被动检修，降低停机风险、节约维护成本。安全保障：捕捉轿厢呼救声、井道异常声响，及时触发应急响应，缩短险情处置时间，保障乘客人身安全与设备稳定运行。凭借智能化听觉感知，全方位提升电梯运行可靠性与安全性。任务一

智能电梯场景音频系统搭建/01任务一

智能电梯场景音频系统搭建任务一

智能电梯场景音频系统搭建一、搭建音频监测环境

（一）工业听诊激活工业听诊设备需完成激活操作。激活方式与HEOP摄像机基本相同，支持浏览器激活与SADP软件激活两种途径，可满足不同场景下初始化需求。1.通过浏览器激活默认IP为4，在浏览器地址栏输入IP访问。管理员账号admin设置登录密码，按提示完成安全问题配置，进入设备预览界面，单击Channel1按钮，右侧区域实时显示声音波形图。若提示AccessError:404--NotFound，可尝试更换为Chrome浏览器重新访问。任务一

智能电梯场景音频系统搭建（二）工业听诊配置设备激活成功后即可访问，根据实际需求个性化配置。1.访问工业听诊在浏览器输入4，可访问设备。默认展示预览界面，页面底部设有录像功能按钮。单击听诊器对应通道，可实时预览声音波形。若无法显示波形图像，单击“插件下载”，完成插件安装。重启浏览器，再次输入设备IP访问即可。2.通过SADP软件激活管理员账号admin设置登录密码并完成安全问题添加，可完成设备激活。任务一

智能电梯场景音频系统搭建2.配置工业听诊单击界面“配置”进入配置页，选择“系统—用户管理”，添加其他用户账号，实现多用户权限分级管理。因设备与HEOP摄像机默认IP均为4，同时使用会出现IP冲突。需选择“网络—基本配置”，将工业听诊IP修改为其他未占用地址，例如5。3.工业音频诊断选择“应用仓库—工业音频诊断—工业听诊”，可跳转至工业听诊模型配置界面。任务一

智能电梯场景音频系统搭建以绑定通道2为例：将对应模型至通道2区域，弹出绑定确认提示，单击“确定”完成操作。系统提示需要进行90s正样本注册，单击“确定”立即开始。进度条显示100%后，弹窗提醒“当前样本中存在未建模样本，是否一键建模？”，单击“确定”完成正样本建模。以上操作完成后，若通道2状态显示“正常”，则绑定成功，工业听诊将自动监测该通道音频数据。（1）模型库与通道引擎绑定设备激活后，模型库与通道引擎默认未绑定，算法仓无法处理各通道音频数据。任务一

智能电梯场景音频系统搭建（2）故障音频

模型库与通道绑定后，可启动音频分析功能。当匹配阈值低于预设值时，立即触发报警。可通过“故障音频”，按通道或时间检索报警记录，查询结果将显示故障类型、匹配度、发生时间等信息。（3）存储管理设备内置存储卡，首次使用或存储已满时，按界面提示格式化存储卡。完成格式化后，故障音频方可存入内置存储卡。设备支持外接TF卡，安装后故障音频将优先存储于TF卡中。注意：内置存储及TF卡仅支持存储故障音频文件，实时录音文件无法保存。任务一

智能电梯场景音频系统搭建（4）高级参数检出特征阈值：

•功能定位：控制音频是否进入检测流程的核心阈值。•运行逻辑：低于阈值（默认20）：判定为正常，流程终止；高于阈值：进入后续匹配故障模型。•调节策略：调小阈值：报警和故障音频触发概率增加；调大阈值：更多环境声被过滤，报警难度提升。

音频能量门限：

•功能定位：过滤低能量环境背景声，仅检测有效音频。•运行逻辑：音频能量>阈值，为有效信号，进入检测；音频能量≤阈值，为环境噪声，不检测。•调节策略：调小阈值：低能量音频被纳入检测，报警概率增加；调大阈值：仅高能量音频触发检测。音频分类阈值：•功能定位：控制检出音频与故障库模型的匹配类型判定。•运行逻辑：匹配度>阈值，为已知故障类型；匹配度≤阈值，为未知故障。•调节策略：调大阈值：标准放宽，检出量增加；调小阈值：标准严格，检出量减少。任务一

智能电梯场景音频系统搭建（5）样本导入若故障音频存在误报情况，可导入样本数据辅助算法优化判断逻辑：正常样本：导入设备正常运行音频，算法将基于样本特征二次分析实时音频，精准过滤相似信号，降低误报率。异常样本：导入轴承磨损、齿轮异响等特定异常音频，可细化故障报警分类，提升诊断准确性。每个通道最多支持导入32条样本数据。样本添加完成后，系统将自动触发建模。若建模状态显示“未建模”，需手动单击“批量建模”完成操作。任务一

智能电梯场景音频系统搭建二、音频信号采集与可视化设备完成参数配置及模型绑定并确认配置成功，可与HEOP摄像机在同一网络环境中同时运行。（一）手动采集数据浏览器输入IP地址5并访问设备。选择“配置—本地”，将“音频文件保存路径”和“下载保存路径”修改至指定位置（如，桌面新建的Project文件夹）。单击“录制”按钮，即可开始采集音频数据。任务一

智能电梯场景音频系统搭建（二）RTSP采集数据设备支持RTSP协议接入，进入“配置—网络—端口”界面，RTSP端口默认设置为554。海康威视工业听诊RTSP地址格式及参数说明：任务一

智能电梯场景音频系统搭建1.RTSP地址示例海康威视工业听诊的RTSP音频流地址示例：rtsp://admin:***@4:554/ISAPI/streaming/audio/1音频信号需借助FFmpeg进行数据采集。支持主流音视频格式与编解码器，可实现录制、转换、编解码、流传输等功能。官方网站提供预编译安装包。将压缩包解压至指定路径后，将其中的bin文件夹路径添加到系统的Path环境变量中。完成环境变量配置后，在终端直接调用相关命令。任务一

智能电梯场景音频系统搭建2.参数说明在终端中执行以下命令可采集音频数据。任务一

智能电梯场景音频系统搭建（三）音频信号可视化编写一个Python程序，通过第三方库sounddevice和Librosa实现音频信号可视化。1.sounddevicesounddevice基于PortAudio的Python音频处理库，通过API实现跨平台音频I/O。是Python与硬件音频设备的交互桥梁，适用于实时音频处理、语音识别、音频分析等场景。核心功能：音频播放：播放NumPy数组格式音频，支持自定义采样率、通道数等；音频录制：采集音频并实时转为NumPy数组；设备管理：查询/选择音频输入输出设备；实时处理：回调模式实现低延迟音频流处理；阻塞/非阻塞模式：可同步或异步执行音频操作。2.LibrosaLibrosa是专为音频信号处理与音乐信息检索的Python库，提供音频分析、特征提取、音高检测、节拍跟踪等工具，广泛应用于音乐分析、语音识别、音频机器学习等领域。核心功能：音频特征提取：提取MFCC、频谱特征、色度特征等多维音频特征；音频可视化：绘制波形图、频谱图、色度图等，呈现音频时域/频域特性；音频分析：支持节奏检测、音高估计、音频聚类等；音频处理：提供降噪、变速、音高变换等功能。任务一

智能电梯场景音频系统搭建5.可视化波形可直观呈现音频信号在时域的振幅变化特性，常用于分析音频的节奏、强度及异常波动等特征。3.安装sounddevice和Librosasounddevice和Librosa需手动安装的第三方库，部署代码如下：4.录制、播放和保存

任务二

电机运行状态监测与诊断深化/02任务二

电机运行状态监测与诊断深化任务二

电机运行状态监测与诊断深化一、音频信号特征提取技术应用Librosa是音频信号处理与音乐信息检索领域的核心Python库，支持MFCC、频谱等音频特征提取及数据可视化，可直观呈现信号特性，广泛应用于音乐信息检索、语音识别、音频生成等场景。（一）Mel频谱特征Mel频谱特征是基于人类听觉感知特性设计的音频频域表示方法，通过非线性频率刻度，模拟人耳对不同频率声音的敏感度差异。任务二

电机运行状态监测与诊断深化（二）MFCC特征MFCC是语音和音频处理核心特征，基于人耳听觉特性提取音频特征，广泛用于语音识别、音乐分类、环境声分析等场景。MFCC特征的设计基于两大关键方法：梅尔刻度（Melscale）：基于人类听觉特性的频率转换方法。人耳对低频声音的频率分辨力显著高于高频。倒谱分析（cepstrumanalysis）：能将语音信号分解为声源（声带振动）和声道（口腔、鼻腔共振）两部分，MFCC主要提取反映语音“音色”的声道特征，为相关音频处理任务提供关键声学参数。任务二

电机运行状态监测与诊断深化（三）节拍特征节拍特征是描述音乐时间结构的核心指标，用于捕捉音乐中稳定的周期性脉冲（节拍）及其属性，是音乐节奏的“骨架”，是分析节奏模式、划分乐句结构等的关键依据，广泛应用于音乐信息检索与节奏分析领域。核心概念：

节拍（Beat）：音乐中均匀的时间单位，是“打拍子”的基本单元，构成节奏基础脉冲。速度（Tempo）：衡量节拍快慢的指标，单位为BPM，影响节奏感知。节拍层级（metricalhierarchy）：节拍的结构化分层，以小节为基本重复单位，通过强拍确立重音，形成强弱交替的韵律框架任务二

电机运行状态监测与诊断深化二、异常噪声模式识别与故障预警海康威视AI开放平台可训练专有模型，解决工业听诊内置模型漏报、误报问题。通过平台完成模型选择、数据选择、智能标注、模型训练等操作，可生成实际需求模型。单击“立即创建”，在打开界面填写模型名称，确认无误后单击“确定”，即可完成模型创建。（一）选择模型打开海康威视一站式训练平台，按路径操作：依次单击“模型服务→通用算法训练→音频类→音频分类模型”；选择“工业听诊识别”进入模型训练界面。任务二

电机运行状态监测与诊断深化（二）准备数据工业听诊聚焦特定电机运行状态监测，因不同电机震动特性有差异，需采集目标电机专属运行数据，保障监测精准性。2.录制音频录制样本需遵循平台训练要求：数据上传规范：支持批量上传；单次上传数量≤5000个，正常音频≥1000条；至少一个正常标签对应音频数≥50条。音频技术参数：WAV（线性PCM）格式；16kHz或192kHz采样率；16bit采样精度；10~60s时长；单声道（Mono）。命名规则：1~100个字符；禁用特殊符号：$、%、&。建议使用以下命令采集音频数据：

1.启动电机使用“第四篇

项目备战--PLC控制与电梯运行”中的程序，启动电机至转动状态。任务二

电机运行状态监测与诊断深化3.导入数据将准备好的数据导入平台时，导入时按需创建标签。标签化管理可区分不同场景音频样本，为模型训练提供结构化数据支撑。为便于录制，编写脚本执行相关命令：电机分别在10Hz、20Hz、25Hz、50Hz运行时，各录制300~400个音频样本，录制时按频率修改文件名前缀：10Hz运行时，文件命名为10*.wav。20Hz运行时，文件命名为20*.wav。25Hz运行时，文件命名为25*.wav。50Hz运行时，文件命名为50*.wav。任务二

电机运行状态监测与诊断深化（三）模型训练数据达标后即可发起训练，首先访问工业听诊模块的“应用仓库—工业听诊”，查看设备的芯片型号，确保模型与硬件适配。确认并选择与设备匹配的芯片型号，在数据列表勾选本次训练所需数据，支持关键词搜索或分类筛选定位。完成参数配置后，单击“确定”发起训练任务。训练因音频数据量大耗时较长，进度可参考界面图示实时查看。任务二

电机运行状态监测与诊断深化（四）部署模型

训练完成后，导出并导入至工业听诊系统。模型库文件：***-A0工业听诊识别，存储模型核心参数与算法逻辑。Label文件：电机检测-V1.json，包含标签定义及数据标注信息。单击界面“+”图标，按提示导入已训练完成的模型。参照任务一中“工业听诊配置”相关内容，完成模型参数设置与功能适配。感谢倾听HANKYOU工业互联网创新应用与实践（项目驱动）工业互联网创新应用与实践（项目驱动）第七篇

项目实战-智能电梯安全检测综合应用目录content任务一AI大语言模型接入012一、大语言模型简介二、大语言模型调用任务二

综合应用开发案例一、搭建报警服务器二、电梯乘用行为安全监测02第七篇

项目实战-智能电梯安全检测综合应用三、电机异常应急处置第七篇

项目实战-智能电梯安全检测综合应用通过接入豆包AI大语言模型，智能电梯实现自然语言交互与智能决策支持双重突破。两大典型场景应用，覆盖电梯规划、运行、维护全生命周期的智能安全管理体系成型，提升电梯运行安全性与可靠性，推动行业智能化发展，城市楼宇管理提供创新方案。对用户：自然语言交互功能简化操作，语音指令即可完成楼层选择、信息查询等需求；对楼宇管理者：智能决策支持功能可实时分析运行数据、预判潜在故障，将被动维修转为主动预防，提升管理效率，降低运维成本，保障电梯安全稳定运行。任务一AI大语言模型接入/01任务一AI大语言模型接入任务一AI大语言模型接入核心技术特征：超大规模参数：参数量达数十亿至数万亿级别。如GPT-4约1万亿，Grok-3高达2.7万亿。参数存储语言模式与知识；规模越大，推理能力与泛化性越强。Transformer架构：以自注意力机制为核心，可并行处理文本、捕捉长距离语义关联，提升计算效率，支撑模型生成连贯有逻辑的内容。多阶段训练流程：采用预训练、微调及人类反馈强化学习（RLHF）的组合训练策略。通过人类偏好评分引导模型输出，使其更符合人类价值观与使用需求。一、大语言模型简介大语言模型（LLMs）是基于深度学习人工智能模型，通过学习海量文本数据，具备自然语言理解、生成与逻辑推理能力，应用覆盖内容创作、智能客服、科研辅助等领域。任务一AI大语言模型接入（一）技术本质通过深度学习海量文本掌握语言规律：依托多元语料完成预训练，调整神经网络参数捕捉语言模式、理解语义；提取知识图谱，融合语言规律与常识，实现复杂自然语言处理。1.架构核心采用Transformer架构，以自注意力机制捕捉文本长距离语义关联。例如，GPT系列模型可生成逻辑连贯的内容。2.训练逻辑预训练：基于互联网文本、书籍等无标注数据，通过“预测缺失词汇”、“判断句子顺序”等自监督任务，学习语法规则、语义结构与常识知识。微调：用少量标注数据优化模型以适配问答、翻译等特定任务；部分模型引入RLHF提升生成内容合理性与质量。3.参数规模参数数量达数十亿至万亿级别（如GPT-4超万亿），更大参数规模可增强模型的语言模式存储、知识记忆能力，支撑复杂语义理解与逻辑推理。任务一AI大语言模型接入（二）核心能力融合深度学习等技术构建的智能语言交互能力，可精准识别语义歧义与潜在意图，响应模糊/口语化表达；动态更新机制支持持续学习，覆盖逻辑推理等复杂场景、优化用户体验，赋能多领域并推动NLP创新。NLP是AI领域交叉学科，核心含自然语言理解（NLU）、自然语言生成（NLG）、知识推理与泛化。

1.自然语言理解自然语言理解（NLU）是让计算机能够理解人类语言的含义，将非结构化文本转化为结构化语义，支撑人机交互等任务，核心含词法、句法等分析，应用于智能客服、机器翻译、信息检索等场景。大语言模型可解析语法语义、挖掘深层语境，识别隐喻、反讽，实现多轮连贯对话。自然语言理解能力支撑多类应用场景例如：用户提问“北京今天气温多少？适合穿什么衣服？”，模型可快速解析天气查询+穿搭建议的复合需求，结合实时数据生成“今天北京的最高气温为25℃，早晚有些凉，建议穿薄外套”的连贯回答，体现对复杂语义的理解与处理能力。任务一AI大语言模型接入2.自然语言生成自然语言生成（NLG）将结构化数据转化为流畅自然文本过程，包括内容规划、句子规划、语言实现，依托固定模板法、统计模型法、深度学习法等技术实现。NLG可深度理解用户需求，将结构化数据或简短指令转化符合场景文本，覆盖营销文案、代码编写、文学创作等多元体裁，自动报告生成、聊天机器人应答、新闻稿撰写等。在商业场景中，NLG快速生成企业合作邀约邮件；内容创作领域可产出春日主题现代诗；数据报告场景能将枯燥统计数据转化为分析文本，重塑文本创作与信息传递模式。3.知识推理与泛化依托深度学习认知体系，可基于结构化/非结构化知识开展逻辑推演。例如“为什么海水不能直接饮用”，关联海水盐分浓度数据，阐释高盐对人体细胞脱水、肾脏代谢的影响机制，完成现象到原理的因果链推理。泛化应用能力：通过自然语言提示词动态调控，无需重新训练参数即可切换任务模式，既能实现跨语言翻译、文本摘要，也能解析逻辑谜题，实现一次训练、多场景适配，同时保持知识一致性。任务一AI大语言模型接入二、大语言模型调用国内多款各具优势大语言模型，包括智谱清言、字节跳动豆包、讯飞星火型、通义千问、腾讯混元、华为盘古、文心一言、慧医大模型等。智谱清言：上下文理解长度达32K，支持通用问答、多轮对话、创意写作等多场景；字节跳动豆包：自然语言处理表现出色，能生成高质量文本，适配对话系统、智能客服等场景；文心一言：基于百度知识图谱，支持中英文对话，搜索整合能力强，适配多类自然语言处理任务。慧医大模型：聚焦医疗领域，具备专业医疗知识，可用于医疗问诊、辅助诊断等场景。本书详细介绍字节跳动豆包大语言模型，并将其整合至智能电梯系统，提升电梯智能化水平。（一）豆包大语言模型简介依托字节生态多模态数据优势构建的智能语言处理平台，技术架构兼顾通用性与场景适配性，核心能力覆盖自然语言理解、知识推理、内容生成，已规模化应用于智能助手、企业服务、创意生产等领域。

1.技术架构

采用创新稀疏MoE（混合专家模型）架构，通过动态路由机制，仅激活1/7的参数，性能杠杆提升至7倍。训练阶段优化稀疏比例，平衡效率与性能，避免冗余参数浪费；推理阶段融合异构硬件加速与低精度优化，削减响应延迟，提升吞吐量，保障复杂多轮对话、长文本分析等场景的高效流畅交互。任务一AI大语言模型接入2.推理与多模态能力

豆包大语言模型1.6在推理、多模态理解及GUI操作能力突出。北京市海淀区高考模拟卷测试中，其理科成绩提升154分、文科提升90分，印证了复杂逻辑推演与知识整合能力；豆包1.5Pro中文大模型幻觉测评准确率达96%，幻觉率仅4%，保障输出真实可靠。模型支持256KB超长上下文，可完成专业调研报告生成、图文音视频多模态数据解析等任务，高效处理几十万字学术文献与多元信息智能分析。

3.实时交互与拟人化体验豆包实时语音模型采用端到端技术重塑人机交互，支持对话打断、方言识别与情绪承接，语音输出自然度逼近真人。用户可切换趣味模式，模仿猫狗叫声、孙悟空声线，或添加“小声嘀咕”等细节，增强临场感。相较传统级联模式，一体化架构大幅降低响应延迟，实现秒级响应、共情对话；同时开放免费使用额度，低门槛支持智能对话、创意生成等多元功能。任务一AI大语言模型接入（二）豆包大语言模型的使用使用前需注册火山账号并开通模型权限：1.访问官网注册/登录打开火山引擎官网，单击“注册”创建新账号；若已注册，单击“登录”进入平台。2.进入控制台登录后单击“控制台”，进入管理后台。3.选择火山方舟单击“菜单”展开导航栏，选择“火山方舟”，进入模型服务界面。4.开通豆包大语言模型在火山方舟界面，浏览模型列表，找到豆包大语言模型并按指引开通，即可体验智能交互功能。任务一AI大语言模型接入（三）API调用1.APIKey单击“系统管理-APIKey管理”，即可创建APIKey。该密钥是调用模型服务的核心凭证。2.开通管理单击“系统管理-开通管理”，可实时查看已开通模型列表及资源额度。需遵守以下要求：长效性：长期有效，无需频繁更新。安全性：严禁公开至代码仓库、网络论坛等公共环境，建议通过环境变量或加密方式存储。周期性管理：定期轮换，若发现异常调用，立即作废旧密钥，避免数据安全风险或资源损耗。任务一AI大语言模型接入以开通Doubao-1.5-lite模型为例：

（1）进入模型详情页在模型列表中找到目标模型，单击条目跳转至详情页，查看功能特性与适用场景。（3）API接入操作若需要集成至业务系统，单击“API接入”，获取完整的接入文档、认证方式及调用示例，快速完成技术对接。（2）开启交互体验单击右上角“立即体验”，进入可视化交互界面，支持直接输入文字进行对话、文本生成等操作。任务一AI大语言模型接入3.API接入单击“API接入”，即可进入快捷API接入示例界面，分两步完成基础对接：（1）获取APIKEY若已创建过API密钥，单击“选择使用”调取已有密钥；若未创建，可单击“创建APIKey”按指引生成专属凭证（密钥需严格保密，建议定期轮换）。任务一AI大语言模型接入界面提供Python/Java/Go三种示例代码，推荐优先使用火山引擎官方SDK（已封装底层认证逻辑，降低接入复杂度）。如需深度集成，单击“完整调用指南”，查看包含参数说明、错误码处理、性能优化等细节的技术文档。（2）快速接入测试单击“开通模型”，完成调用权限激活。任务一AI大语言模型接入4.Python程序调用火山引擎SDK适配豆包大语言模型官方开发工具包，提供标准化Python库简化接入流程。具体集成步骤如下：（1）环境安装：通过pip命令安装官方SDK：（2）示例代码调用代码展示了如何通过火山引擎SDK，在Python程序中调用豆包大语言模型doubao-1-5-lite-32k-250115，提供标准请求、流式请求两种方式。代码适用于智能电梯项目，可实现语音交互、指令解析等功能。任务一AI大语言模型接入通过以上代码，即可在智能电梯项目中便捷地通过API调用豆包大语言模型，实现语音交互、指令处理等智能化功能。任务二

综合应用开发案例/02任务二

综合应用开发案例任务二

综合应用开发案例一、搭建报警服务器

在数字化、智能化的安全监控、设备管理及应急响应体系中，报警服务器是核心中枢，负责将分散的报警信号整合为有序、可追溯的应急事件。四大核心功能：集中管理海量异构报警数据，完成统一归集与分类；通过实时响应机制，毫秒级捕捉异常信号；运用智能联动策略，自动触发相关设备协同处置；沉淀数据形成历史事件库，为风险预判与决策优化提供支撑。攻克规模化系统中“报警泛滥难以甄别、响应迟缓贻误时机、处置孤立缺乏协同”等行业性难题。任务二

综合应用开发案例HEOP摄像机+工业听诊报警服务器应用示例：适配接入协议，可无缝对接；异常触发：监测到图像/音频异常时，第一时间传输报警数据；服务器处置：智能分析定位报警源，联动门禁封锁、监控弹窗、短信推送责任人；档案生成：输出含时间戳、数据波形、设备状态的完整事件档案，支持复盘追溯。任务二

综合应用开发案例（一）使用FastAPI搭建报警服务器框架优势：基于Python高性能Web框架，适配报警服务器搭建需求。核心特性融合类型提示与现代开发实践，代码简洁，开发体验佳。依托UVicorn服务器的异步架构，满足高并发、低延迟场景需求。自动生成OpenAPI文档+支持热重载，提升API接口开发与维护效率。1.安装FastAPI在搭建报警服务器前，需先完成FastAPI安装：2.编写基础Web服务完成安装后，编写基础Web服务代码：运行程序，启动报警服务器。任务二

综合应用开发案例（二）配置报警服务器1.获取服务器IP地址在服务器主机执行ipconfig（Windows系统）或ifconfig|grepinet（Linux/macOS系统）命令，获取本机内网IP地址，如01。2.设备端配置登录HEOP摄像机（默认IP：8080）和工业听诊设备的管理界面，在报警设置中将报警服务器地址设为本机IP，并指定端口为8000（与FastAPI服务监听端口一致）。完成配置后，服务器即可接收包含设备ID、时间戳、报警类型以及原始图像、音频数据等报警数据包，通过OpenCV和librosa等技术对目标图像和音频进行解析处理。任务二

综合应用开发案例二、电梯乘用行为安全监测（一）查看报警信息基于“第五篇项目迎战——机器视觉部署与行为监测”中已完成的电梯乘用行为分析系统。通过图像识别检测到电瓶车进入电梯时，自动触发报警，向FastAPI报警服务器发送含设备ID、时间戳、报警类型的关键数据，并附带Base64编码的抓拍图像，形成完整证据链，支撑安全事件追溯与处理。任务二

综合应用开发案例任务二

综合应用开发案例（二）解析报警信息HEOP摄像机报警信息中，AIOP_Video_image字段采用Base64编码现场图像。FastAPI服务端需通过Base64解码为字节流，再利用NumPy转为数组格式，最后通过OpenCV解码生成可处理的图像对象，完成报警图像解析，为后续分析和处理提供数据。1.图像处理依赖导入在报警处理模块代码头部，需导入图像处理库：importnumpyasnp（数值计算/数组处理）、importcv2（图像解码/处理/显示）、importbase64（Base64编码解码）。任务二

综合应用开发案例2.图像处理库分工在报警图像解析中，NumPy和OpenCV承担不同关键职责。NumPy：负责数据转换，将Base64解码后的字节流转化为NumPy数组，提供可处理基础数据结构；OpenCV：负责图像可视化，通过cv2.imshow等函数将数组格式的图像以窗口形式展示，便于查看报警现场。通过AI算法识别到电瓶车进电梯时，自动触发报警：弹窗展示报警图像，可外接设备播放语音提醒违规行为，或按时间、设备编号分类存储报警图像，支撑安全防护与事件追溯。任务二

综合应用开发案例三、电机异常应急处置‌（一）查看报警信息基于已实现的异常噪声智能识别功能，工业听诊系统检测到设备异常噪声时，会立即向报警服务器推送报警信息。任务二

综合应用开发案例（二）解析报警信息报警信息中的malfunctionfile_name字段包含报警音频文件路径或数据。需在FastAPI服务端添加解析逻辑，通过以下步骤获取并处理该音频：工业听诊系统检测到设备异常音频时，会自动将该音频文件保存至指定路径，并实时更新故障音频列表，便于运维人员查阅与追溯。系统支持功能扩展，可集成语音警报模块自动触发声音提醒；接入PLC控制系统，实现紧急撤离自动化操作。感谢倾听HANKYOU工业互联网创新应用与实践（项目驱动）工业互联网创新应用与实践（项目驱动）附录A平台项目扩展目录content扩展一

煤矿场景智能应用项目012扩展二

冶金行业智能应用项目02附录A平台项目扩展扩展三

实验室安全检测项目03附录A平台项目扩展TQD-AIISP-EVAI赋能场景应用教学实训平台，凭借强大的智慧感知设备集群与稳定可靠的数字化底座，可广泛适配智慧交通、智慧校园、智慧社区等多元场景的教学实训需求，为场景化教学提供高效支撑。附录A平台项目扩展教学场景拓展与深化核心支撑：上云PLC+SCADA系统（通用性强、纯Web开发）。技术加持：5G通信+MQTT协议，提升场景扩展性与融合度。具体应用：5G：支撑远程工业设备操控、高并发数据传输等实时控制教学。MQTT：便于搭建传感器网络，实践边缘-云端协同控制，覆盖自动化、物联网核心教学。典型场景应用案例实践载体：3个典型场景案例（覆盖生产、管理、服务领域）。教学目标：还原真实应用场景，实现理论知识与实操技能融合。核心价值：锤炼学生实战本领，完成从理论学习到技术应用的高效转化。智能硬件生态核心优势核心兼容：HEOP摄像机、工业听诊器深度兼容海康威视AI开放平台。平台优势：开发门槛低、硬件适配能力强，支持定制专属智能模型。应用价值：快速构建智能化产品/方案，助力业务智能化升级。适用领域：工商企业、住宅建筑、应急管理、医疗卫生等。数据采集与处理多元数据获取路径：内置Web服务：直接获取边缘计算后的结构化结果。RTSP协议：采集原始图像、音频数据。附录A平台项目扩展扩展一

煤矿场景智能应用项目/01扩展一

煤矿场景智能应用项目本项目整合海康威视智能感知技术，从可视化显示、PLC控制、视觉检测、音频检测四大维度，构建煤矿智能应用体系，通过多技术协同实现生产全流程实时监控、精准操控与智能预警，赋能煤矿智能化升级。一、可视化显示基于SCADA系统实现煤矿生产数据可视化，将运行参数、设备状态等复杂信息转化为直观动态图表与实时画面，帮助操作人员快速掌握生产全局，提升决策效率。扩展一

煤矿场景智能应用项目

（一）系统架构采用分布式架构设计，由三大核心层级构成：网络传输层：煤矿专用工业以太网+5G双链路，保障数据稳定、高速传输，确保生产信息无延迟流通。数据处理层：借助云端服务器集群，对数据实时分析、存储与深度计算，提供精准数据支撑。人机交互层：Web端+移动端多平台适配，以图表、动态直观呈现，随时掌握井下生产实况。（二）功能设计数据实时监控：以可视化图表、数据看板，实时监测井下环境参数与设备状态，直观呈现核心数据。智能报警管理：支持阈值自定义，多渠道推送警报，自动记录报警信息，形成追溯链条。深度数据分析与报表：大数据挖掘历史数据，自动生成多周期报表，支撑方案优化与计划制定。远程智能控制：通过SCADA系统Web/移动端，远程操控井下设备，提升应急响应与调度灵活性。扩展一

煤矿场景智能应用项目二、PLC控制基于上云PLC，融合传统功能与云端技术，实现煤矿生产自动化控制，提供高效灵活的设备运行方案。（二）自动控制传送带运输调控：PLC智能控制启停、调速，联动煤仓料位传感器，超预警阈值自动降速/停机，规避煤炭溢出风险。排水系统管理：水位传感器监测积水，PLC自动启停水泵；实时监测运行参数，异常时声光报警并切换备用泵，保障排水稳定。通风系统调节：依据瓦斯浓度、风压动态调节通风机转速及数量；故障预警+异常自动切换备用机组，保障井下作业安全。（一）数据采集部署多类传感器（甲烷、一氧化碳、温湿度等），实时采集井下环境及设备关键参数，同步上传至SCADA系统，为PLC控制提供精准数据支撑，用于可视化与深度分析。

扩展一

煤矿场景智能应用项目三、视觉检测依托HEOP摄像机的图像采集与智能分析能力，搭建煤矿场景视觉检测体系，为生产安全与设备管理提供可视化、智能化检测方案。（一）设备部署在煤矿井口、巷道、工作面等核心作业区域，部署HEOP摄像机，构建全方位视觉监测网络。凭借边缘计算能力，本地实时处理与分析图像数据，确保检测时效性与准确性。（二）分析检测基于海康威视观澜大模型进行轻量化定制开发，构建多维度安全检测体系。人员安全智能监测：视觉分析识别井下人员防护装备规范佩戴情况，违规行为（吸烟/脱岗），异常时触发声光报警，同步推送至移动端。设备状态智能诊断：视觉监测传送带、采煤机等关键设备，算法分析跑偏、磨损、松动等隐患，预警故障，支撑预防性维护。环境安全智能识别：监测巷道环境，自动识别冒顶、片帮、积水、杂物堆积情况，实时评估环境安全并推送预警。扩展一

煤矿场景智能应用项目

（一）设备部署布设区域：在井下传送带、电机、采掘工作面等关键设备及区域，部署工业听诊采集探头，构建全方位音频监测网络。工作流程：探头实时采集设备运行的机械振动声、摩擦声，及环境异常声响，通过专用数据线传输至算法仓，借助AI算法深度分析与特征提取，精准识别声音异常。四、音频检测借助工业听诊套装的声音采集与分析能力，构建煤矿设备与环境音频监测体系，通过声音信号捕捉潜在异常，为安全生产提供声学维度的智能检测方案。扩展一

煤矿场景智能应用项目（二）分析检测设备故障智能诊断：算法仓基于深度学习音频分析模型，对设备运行声音进行实时频谱分析与特征比对。通过建立设备正常运行声学特征库，精准识别异常振动、轴承异响、齿轮磨损等机械故障早期征兆。特征偏离正常阈值时触发多级预警，为预防性维护提供可靠依据，降低非计划停机风险。异常声音智能报警：系统基于声学特征识别技术，实时监测与分类井下环境声音。构建顶板垮落声、瓦斯泄漏声、水流异常声等典型异常声音的特征库，快速识别潜在危险信号。检测到异常后触发声光报警，结合声源定位标注发生位置，同步推送告警信息至管理人员终端，实现安全隐患的快速响应与处置。扩展二

冶金行业智能应用项目/02扩展二

冶金行业智能应用项目一、可视化显示通过SCADA系统搭建冶金生产可视化平台，将全流程数据转化为动态展示，集中呈现并实时监控生产状态、设备运行、工艺参数，为生产调度与决策提供数据支撑。本项目整合前沿技术，搭建可视化显示、PLC控制、视觉检测、音频检测四大核心模块的全流程智能管控体系，实现冶金生产实时监控、精准操控与风险预警，赋能企业数字化、智能化转型，助力行业迈向新质生产力发展阶段。（一）系统架构采用分层架构设计，数据处理层+交互展示层协同构成：数据处理层：高性能引擎，完成数据清洗、深度分析与安全存储，确保数据准确可用。交互展示层：通过Web端、移动端、大屏多终端矩阵，通过动态图表、实时看板多维度呈现数据，满足不同场景查看分析需求。扩展二

冶金行业智能应用项目

（二）功能设计全流程可视化监控：以三维动态模型模拟产线全链路，实时展示设备启停、物料输送、工艺进度等，实现生产全景化掌控。生产数据动态展示：通过折线图、柱状图、仪表盘等多元图表，实时呈现温度、压力、转速、能耗等核心参数，快速捕捉数据波动。异常预警可视化联动：数据超预设阈值时，触发报警提示—区域闪烁、标签变色、异常弹窗等，同步标注异常发生位置、参数偏离值及可能原因，加速异常处置响应。数据分析与智能报表：历史数据深度挖掘+趋势分析，自动生成日报、月度效能分析、质量追溯报告等报表，支撑生产工艺、质量提升。二、PLC控制部署温度、压力、振动、成分分析等多类型传感器，构建全域数据采集网络。采集炉温、转速、物料配比、产品质量检测等核心参数，不为自动化控制+SCADA可视化提供双重支撑，实现生产全程可测、可控、可追溯。（一）数据采集部署温湿度传感器、压力传感器、振动传感器、成分分析仪等专业化监测设备，构建全域数据采集网络。采集炉温、负载、物料流量、产品成分等核心数据，为PLC控制提供精准输入；同步至SCADA，实现数据清洗、分析与可视化呈现，掌握现场动态，保障生产连续性与可控性。扩展二

冶金行业智能应用项目（二）自动控制炼铁工序智能调控：PLC实时采集炉温、风压、料位等参数，动态调节风量、进料速度及配比，实现精准配料与炉况动态平衡，提升效率与铁水质量。炼钢工序精准控制：结合温度、成分数据，精准控制氧气量、废钢添加，动态调整冶炼时间与火候，确保钢水成分达标、温度稳定。轧钢工序精密操控：自动调节轧机辊缝宽度、轧制速度与张力，通过闭环反馈控制机制，保障钢材尺寸精度与表面质量。设备联动与智能运维：构建设备协同控制网络，实现全流程联动。故障时触发分级预案，自动关停关联设备，实时上报故障类型、位置及原因，支持快速维修与预防性维护。三、视觉检测依托HEOP摄像机的高清图像采集与智能分析能力，构建冶金生产全流程视觉检测体系，通过AI算法实时监测，提供可视化、智能化检测方案。（一）设备部署在连铸机结晶器、轧钢成品出口、钢材表面检测点等核心工位部署，构建全流程视觉监测网络。摄像机集成边缘计算模块，本地实时处理图像数据，大幅缩短检测响应时间，实现异常问题被快速识别与预警。扩展二

冶金行业智能应用项目（二）分析检测基于海康威视观澜大模型轻量化定制，构建多维度检测体系：钢材表面质量检测：机器视觉全面扫描，高精度识别裂纹、孔洞、氧化皮、划痕等缺陷，自动判定缺陷类型、测量尺寸、定位标注，生成含缺陷图谱与等级评估的报告。尺寸测量与形状检测：实时监测钢材长度、宽度、厚度、直径等关键尺寸，三维扫描检测钢材状合规性，捕捉尺寸偏差及形变，量化数据反馈至控制系统，确保产品规格一致与稳定。设备运行状态监测：非接触式监测结晶器液位、轧机辊缝、部件磨损等指标，对比正常视觉特征库，识别异常与故障隐患并预警，规避生产中断，保障生产连续与安全。扩展二

冶金行业智能应用项目四、音频检测工业听诊套装的高精度声学采集与分析能力，构建冶金生产环境音频监测体系，捕捉设备运行声、环境异常声，结合特征识别算法，实现设备故障诊断与安全隐患预警，为设备稳定运行提供声学维度智能监测方案。（一）设备部署在高炉炉体、转炉传动系统、风机机组、驱