边缘计算技术及应用 课件 第五章 生产过程人员安全数据采集与边缘计算

边缘计算技术与应用项目五·任务5.1人员离岗检测PERSONNELABSENCEDETECTIONINPRODUCTIONPROCESS目录CONTENTS01任务概述与准备明确任务目标，梳理软硬件清单与组网拓扑结构02知识准备学习边缘摄像头、工业智慧管控系统及物模型核心概念03小任务1：摄像头配置完成硬件连接、PC与摄像头IP匹配及视频采集调试04小任务2：网关安装与组网创建服务实例、关联监控区域，完成AI边缘网关激活组网05小任务3：算法配置与验证配置监测参数、绘制预警区域，完成人员离岗报警功能验证01任务概述与准备任务整体目标本任务聚焦AI边缘网关系统的搭建与验证，涵盖电路接线、服务器/PC/路由器组网、摄像头视频采集配置，以及通过工业智慧管控系统完成人员离岗检测算法部署与功能验证，确保端到端系统稳定运行，掌握从硬件组网到算法落地的全流程。核心能力达成目标硬件组网能力熟练完成网关、摄像头、PC及路由器的电路接线与网络组建，保障硬件链路通畅。设备配置采集完成摄像头网络基础配置，实现设备通信与视频数据的稳定采集与传输。系统激活管理熟悉工业智慧管控系统操作流程，成功激活边缘服务器并完成基础管控设置。算法部署验证配置人员离岗检测智能算法，通过场景测试完成功能验证与效果调优。关键任务分步实施任务一：前端采集配置｜聚焦边缘摄像头的网络参数配置、画面调试，实现视频数据的实时采集与编码传输，为后续分析提供数据源。任务二：网关部署组网｜完成AI边缘网关的硬件安装与网络接入，打通网关与摄像头、后台服务器的通信链路，构建稳定的边缘计算网络环境。任务三：算法验证闭环｜在管控系统中部署人员离岗检测算法，进行模拟场景测试，验证算法识别准确率与系统报警响应的有效性。01任务概述与准备软硬件基础环境清单•硬件设备：需准备计算机、AI盒子、高清摄像头、交换机、路由器及配套网线等组网设备。

•软件平台：部署摄像头管控平台、AI边缘网关管理后台及云端工业智慧管控系统。关键核心设备功能定位•AI边缘网关：承担边缘侧数据处理、算法推理，降低云端带宽压力。

•感知与传输：摄像头负责视频流采集，路由器构建稳定的本地网络传输通道。账号权限与系统准入•权限配置：需提前获取根云平台的用户登录账号，开通工业智慧管控系统的设备管理、数据查看及操作权限。工欲善其事，必先利其器完备的软硬件环境是边缘计算项目实施的基石，标准化的设备清单与清晰的权限管理，

能够确保数据采集、传输与处理全链路的稳定运行，为后续业务应用提供坚实支撑。01任务概述与准备硬件设备组网拓扑架构摄像头、AI边缘网关与PC接入交换机构建局域网，网关通过WAN口连接路由器实现外网通信。该架构保障数据高效传输至边缘端处理，同时支持PC对全网设备统一配置与远程管理。核心设备IP地址规划表网关WAN:9|网关LAN:；摄像头分配固定IP(1/12)，路由器WAN与计算机采用DHCP动态获取，确保网络层级清晰、通信稳定。部署核心与操作要点需严格按拓扑连接物理线路，优先配置网关IP确保外网互通；摄像头需匹配网关网段参数，PC端通过交换机实现对边缘节点的可视化调试与状态监控。夯实边缘计算网络基础架构清晰的组网拓扑与严谨的IP规划是边缘系统稳定运行的基石，

不仅实现了数据从采集端到处理端的低延迟传输，更让设备管理与后续扩展变得有序可控，为AI分析提供可靠支撑。02知识准备▍边缘侧摄像头：数据采集源头核心工作原理通过光学镜头捕捉图像，经图像传感器(SENSOR)转化为电信号，再由数字信号处理芯片(DSP)完成降噪、压缩等处理，输出可用数字图像信号。关键应用价值广泛应用于智能监控、自动驾驶领域，结合AI边缘网关可在端侧完成实时分析，大幅降低云端带宽压力，在企业安全数据采集与预警中发挥关键作用。▍工业智慧管控系统：边缘中枢系统定位与架构专为工业互联网打造的一体化边缘计算解决方案，深度集成“数据采集-实时分析-智能决策-远程控制”全链路能力，打破传统工业数据孤岛，实现生产过程的闭环管理。基础管控基石提供严格的系统统一登录认证，实现精细化的多级权限管理，确保工业生产数据的访问安全与操作合规性。全域资源管理支持多厂区、多产线的区域管理配置，结合灵活的用户分组管理，适配复杂工业场景下的人员与设备资源统筹需求。02知识准备工业智慧管控系统核心功能▍基础访问与权限管控访问根云管控平台登录页()，基于角色与组织架构实现多层级权限管控，严格划分操作边界，保障系统访问安全合规。▍区域与资源独立配置支持按业务场景与物理空间划分管理区域，为不同区域独立配置边缘服务器、摄像头等硬件资源，实现业务隔离与专属资源调度。▍用户全生命周期管理覆盖用户注册、权限授权、信息变更至账号注销的完整周期管理，结合角色动态关联机制，确保平台用户权责匹配、可追溯。AI边缘网关：物模型与物实例机制▍核心概念：抽象与映射物模型是对边缘网关设备能力、属性和服务的标准化抽象定义；物实例则是具体网关设备在平台中的数字化映射，是数据交互与管控的核心载体。▍物模型关键属性监控定义设备核心运行指标，包括在线状态、服务器序列号、CPU使用率、系统运行时长等，通过实时采集属性数据，实现对网关健康状态的精准感知。▍标准化管理的核心价值通过物模型统一多厂商、多型号边缘网关的描述规范，大幅降低设备接入与适配成本，实现海量网关的统一监控、远程运维与批量管理。03任务实施：小任务1-边缘摄像头配置与视频采集关键步骤：边缘摄像头配置与视频采集全流程01硬件连接将AI边缘网关、摄像头、计算机接入交换机，网关WAN口连接路由器，搭建基础硬件网络环境。02PC网卡配置手动修改PC的IP地址，使其与摄像头默认出厂地址处于同一网段，确保设备间能互联互通。03摄像头配置通过浏览器登录摄像头管理后台，修改网络参数，将IP调整为目标业务网段的固定地址。04恢复PC网络设置摄像头配置完成后，将PC网卡改回DHCP自动获取模式，恢复正常的办公网络访问能力。05网关添加与视频验证登录AI边缘网关管理后台，添加已配置的摄像头设备，查看实时视频流，确认采集功能正常。🛠️核心硬件：AI边缘网关/工业摄像头/交换机/PC终端💡关键要点：确保网段互通/固定IP规划/视频流实时回显01小任务：AI边缘网关硬件连接部署步骤实施：拓扑连接三步走1.网关WAN口连路由器LAN口，打通外网通路；2.网关LAN口、摄像头、PC接入同一交换机，组建内网；3.检查所有设备电源，确保硬件上电就绪。关键链路：WAN口外网通信AI边缘网关的WAN口作为对外通信接口，主要负责连接路由器，实现设备对互联网的访问，同时保障与云端管理平台的数据交互与远程控制指令的传输。核心组网：LAN口内网互联LAN口用于构建本地局域网，连接交换机后，可实现网关与前端摄像头、管理计算机之间的高速数据传输，保障AI推理数据的实时采集与调试指令下发。硬件连接是系统运行的基石正确的拓扑连接确保数据通路畅通，是边缘计算节点接入、数据采集与云端协同的前提。

务必严格核对WAN/LAN口用途，避免接反导致网络不通或设备无法管控的问题。小任务1：步骤2-配置PC网卡地址配置前提：确保网段互通摄像头默认管理IP为，必须将PC的IP地址设置为同一网段（192.168.1.x），才能建立通信并访问配置界面，这是设备调试的基础前提。操作步骤：进入网络连接设置首先打开PC的网络连接控制面板，找到连接摄像头的有线网卡适配器；右键进入属性界面，选择“Internet协议版本4(TCP/IPv4)”，准备修改IP参数配置。参数设定：输入静态IP信息选择“使用下面的IP地址”，输入IP：54，子网掩码：；默认网关无需填写，DNS服务器地址可暂时留空，完成后保存设置。完成配置，建立设备访问通道正确配置PC网卡参数后，即可通过浏览器访问摄像头默认IP。

这一步是设备调试的关键基础，确保了管理主机与前端设备的网络链路通畅，为后续摄像头参数配置与功能调试铺平道路。小任务1：步骤3-登录并配置摄像头01访问设备并登录系统在浏览器地址栏输入默认管理地址，进入摄像头配置页面；使用出厂默认账号admin、密码123456完成身份验证与登录。02进入网络基础配置界面登录成功后，在设备管理后台依次点击顶部菜单“设置”，展开“网络”选项，选择“基本配置”子项，进入IP地址修改的核心操作界面。03修改参数并重启生效将LAN口IP改为规划地址2，子网掩码设为；确认参数无误后点击保存，设备将自动重启完成网络配置更新。配置核心：网络参数精准规划摄像头作为边缘感知节点，固定IP是远程管理与数据传输的基础；

通过规范的网段划分与掩码设置，确保设备在局域网内稳定通信，为后续边缘计算数据上云筑牢网络基石。步骤4：恢复PC网络并访问摄像头验证01恢复PC网络自动获取配置将PC的网卡IPv4协议设置改回“自动获取IP地址”模式，同时设置DNS服务器为自动获取，确保PC能够正常接入局域网并获取合法IP，为访问摄像头建立基础网络连接。02浏览器访问摄像头指定IP打开电脑浏览器，在地址栏输入已配置完成的摄像头新静态IP地址（示例：1），回车后进入摄像头的Web管理登录界面，准备进行设备访问验证。03验证实时监控画面输出输入摄像头管理账号密码后，若页面成功加载出清晰的实时监控画面，说明摄像头的网络参数配置正确，设备已成功接入网络并可正常远程访问。网络连通性的最终闭环验证恢复PC网络并成功访问摄像头画面，是验证设备网络配置的关键闭环。

这一步不仅确认了IP地址、子网掩码等参数的正确性，也标志着摄像头已具备被局域网设备访问和管理的能力，为后续监控应用奠定基础。小任务1：步骤5-AI边缘网关网络配置网关登录·进入管理后台在浏览器中输入AI边缘网关WAN口地址（如1），使用管理员账号密码登录工业智慧管控边缘侧平台，进入核心配置界面开启后续操作。网络配置·添加前端摄像头在“系统设置”中确认WAN/LAN口网络参数；进入“设备管理”点击“添加”，准确录入摄像头IP、端口、用户名及密码，完成前端感知设备的接入绑定。画面预览·验证链路连通性设备添加成功后，切换至“实时视频”模块，可即时查看摄像头采集的监控画面。画面正常显示即标志着前端设备与AI边缘网关的通信链路已成功建立。边缘网关：感知层与云端的关键枢纽通过完成网关配置与设备接入，实现了前端摄像头数据的本地汇聚与初步处理，不仅降低了云端传输压力，更保障了监控画面的实时性与系统的稳定性，构建起可靠的边缘感知底座。小任务1：步骤6-AI边缘网关网络配置网关登录·进入管理后台在浏览器中输入AI边缘网关WAN口地址（如1），使用管理员账号密码登录工业智慧管控边缘侧平台，进入核心配置界面开启后续操作。网络配置·添加前端摄像头在“系统设置”中确认WAN/LAN口网络参数；进入“设备管理”点击“添加”，准确录入摄像头IP、端口、用户名及密码，完成前端感知设备的接入绑定。画面预览·验证链路连通性设备添加成功后，切换至“实时视频”模块，可即时查看摄像头采集的监控画面。画面正常显示即标志着前端设备与AI边缘网关的通信链路已成功建立。边缘网关：感知层与云端的关键枢纽通过完成网关配置与设备接入，实现了前端摄像头数据的本地汇聚与初步处理，不仅降低了云端传输压力，更保障了监控画面的实时性与系统的稳定性，构建起可靠的边缘感知底座。03任务实施：小任务2-AI边缘网关安装与组网平台视角：通过根云平台“工业智慧管控”应用，为物理网关与摄像头建立数字孪生映射，实现云端统一管控与边缘协同。关键步骤：从云端创建设备到边缘设备激活组网01创建边缘服务器在根云平台创建设备实例，准确填写网关SN码、型号等基础信息，完成云端设备档案建立。02创建区域并关联规划物理或逻辑监控区域，将已创建的边缘服务器设备关联至对应区域，实现层级化管理。03激活AI边缘网关将平台生成的设备ID和密钥配置到网关后台系统，完成网关与云端平台的双向认证与激活。04创建设备并关联摄像头在平台添加摄像头设备信息，将其归属到指定区域与边缘服务器，实现视频流数据的接入与汇聚。05联调测试与状态监控检查网关在线状态与摄像头数据传输情况，验证AI算法任务下发与边缘侧执行的完整性与稳定性。🛠️核心设备：AI边缘网关/工业摄像头/根云平台🔗关键协议：MQTT/CoAP/GB28181/ONVIF小任务2：创建边缘服务器配置流程步骤一：进入管理模块入口首先登录根云平台核心界面，在应用列表中找到并进入“工业智慧管控”应用；随后依次展开“系统管理”→“设备管理”→“边缘服务器”菜单，定位到服务器创建功能页。步骤二：填写设备核心信息自定义填写服务器名称（如“AI边缘盒子-产线01”）；关键需从AI边缘网关后台获取唯一SN码并准确录入，同时补充设备部署位置、所属项目等基础属性信息。步骤三：完成云端设备注册核对名称、SN码及位置信息无误后，点击界面右下角“确定”按钮，系统将自动完成边缘服务器的云端建档与注册，标志着设备正式纳入云端管控体系。核心价值：构建云边协同的基础枢纽创建边缘服务器是打通云端管控与边缘设备的关键第一步，SN码作为设备唯一身份标识，确保了接入的安全性与唯一性；完成注册后，即可在云端统一调度、管理边缘节点的算力与数据。小任务2：步骤2-创建区域并关联服务器步骤一：创建业务逻辑区域进入系统后台“系统管理”模块，选择“区域管理”功能入口，点击“创建”按钮，按业务需求填写区域名称、归属位置、区域ID及详细描述等关键参数，完成基础信息配置。步骤二：关联边缘AI服务器在已创建的区域详情页面，点击“关联服务器”按钮，在待关联列表中选中前期部署的“AI盒子”设备，确认绑定后，即可将服务器纳入该区域的逻辑管控范围。管理价值：设备分组与统一调度通过区域划分，将分散的边缘服务器进行逻辑聚类，不仅便于对海量设备进行分群管理、权限分配，更能实现区域内算力资源的统一监控与智能调度，提升运维效率。构建层级化的边缘资源管理体系区域是工业智慧管控系统中资源管理的核心逻辑单元，通过“创建区域+关联设备”的组合操作，

实现了对边缘节点的网格化、规范化治理，为后续业务编排与数据聚合打下坚实基础。小任务2：步骤3-激活AI边缘网关步骤一：获取设备认证信息进入“设备管理”模块，找到对应服务器节点，点击右侧“更多操作”按钮，复制系统生成的唯一“设备ID”与“设备秘钥”，此为网关与平台交互的身份凭证。步骤二：网关后台参数配置登录AI边缘网关本地管理后台，切换至“设备激活”页面；准确录入云端平台的MQTT地址、已复制的设备ID及秘钥，确认无误后点击“保存并连接”。步骤三：云端状态核验激活返回工业智慧管控系统的设备列表，检查该服务器的运行状态字段。若状态由“离线”变更为“在线”，则表明网关与云端的双向连接已成功建立。激活成功：构建端云协同的关键链路设备激活是边缘网关接入云端平台的核心环节，通过唯一的身份认证机制，确保数据传输的安全性与唯一性，为后续边缘计算任务下发和数据回传筑牢基础。小任务2：步骤4-激活AI边缘网关步骤一：获取设备认证信息进入“设备管理”模块，找到对应服务器节点，点击右侧“更多操作”按钮，复制系统生成的唯一“设备ID”与“设备秘钥”，此为网关与平台交互的身份凭证。步骤二：网关后台参数配置登录AI边缘网关本地管理后台，切换至“设备激活”页面；准确录入云端平台的MQTT地址、已复制的设备ID及秘钥，确认无误后点击“保存并连接”。步骤三：云端状态核验激活返回工业智慧管控系统的设备列表，检查该服务器的运行状态字段。若状态由“离线”变更为“在线”，则表明网关与云端的双向连接已成功建立。激活成功：构建端云协同的关键链路设备激活是边缘网关接入云端平台的核心环节，通过唯一的身份认证机制，确保数据传输的安全性与唯一性，为后续边缘计算任务下发和数据回传筑牢基础。小任务2：步骤5-创建并关联摄像头01创建设备：录入基础信息进入“设备管理”→“摄像头”页面点击创建，依次填写设备名称、IP地址、品牌型号，以及用于设备访问的用户名与密码等核心鉴权信息。02区域关联：归属场景划分切换至区域管理页面，在待关联列表中选中新创建的摄像头设备，将其绑定到指定的业务区域（如实训室、监控点），实现设备的场景化归类。03服务绑定：打通数据链路进入边缘服务器的“配置”模块，再次关联该摄像头设备，完成边缘节点与采集终端的最终绑定，确保服务器能实时拉取摄像头的音视频数据流。设备关联是边缘计算落地的核心环节从基础信息录入到区域归属，再到服务器最终绑定，三步闭环确保摄像头设备被边缘节点识别与调度，

为后续的边缘侧实时分析、数据处理筑牢物理连接基础，实现端云协同的完整链路。小任务2：步骤6-创建并关联摄像头01创建设备：录入基础信息进入“设备管理”→“摄像头”页面点击创建，依次填写设备名称、IP地址、品牌型号，以及用于设备访问的用户名与密码等核心鉴权信息。02区域关联：归属场景划分切换至区域管理页面，在待关联列表中选中新创建的摄像头设备，将其绑定到指定的业务区域（如实训室、监控点），实现设备的场景化归类。03服务绑定：打通数据链路进入边缘服务器的“配置”模块，再次关联该摄像头设备，完成边缘节点与采集终端的最终绑定，确保服务器能实时拉取摄像头的音视频数据流。设备关联是边缘计算落地的核心环节从基础信息录入到区域归属，再到服务器最终绑定，三步闭环确保摄像头设备被边缘节点识别与调度，

为后续的边缘侧实时分析、数据处理筑牢物理连接基础，实现端云协同的完整链路。小任务2：步骤7-创建并关联摄像头01创建设备：录入基础信息进入“设备管理”→“摄像头”页面点击创建，依次填写设备名称、IP地址、品牌型号，以及用于设备访问的用户名与密码等核心鉴权信息。02区域关联：归属场景划分切换至区域管理页面，在待关联列表中选中新创建的摄像头设备，将其绑定到指定的业务区域（如实训室、监控点），实现设备的场景化归类。03服务绑定：打通数据链路进入边缘服务器的“配置”模块，再次关联该摄像头设备，完成边缘节点与采集终端的最终绑定，确保服务器能实时拉取摄像头的音视频数据流。设备关联是边缘计算落地的核心环节从基础信息录入到区域归属，再到服务器最终绑定，三步闭环确保摄像头设备被边缘节点识别与调度，

为后续的边缘侧实时分析、数据处理筑牢物理连接基础，实现端云协同的完整链路。03任务实施：小任务3-定员值守检测算法配置与验证核心步骤：从配置创建到场景验证的完整闭环01新增监测配置在服务器管理后台中，为指定摄像头新增“定员值守”类型的智能监测任务。02配置算法参数设置报警的敏感级别、人员数量阈值，以及值守区域的规定人数等关键参数。03绘制监测区域在实时视频预览画面上，手动框选出需要进行定员监测的物理区域（如岗亭）。04验证报警逻辑模拟人员离岗或人数不足场景，观察系统是否能实时触发声光报警与平台消息推送。!调试与优化根据验证结果微调算法阈值与区域范围，确保报警的准确性，减少误报与漏报。🎯实施目标：实现关键岗位人员离岗的毫秒级智能检测与告警。🔑关键要点：区域划定精准度与算法阈值的平衡是验证成功的核心。小任务3：新增监测与配置算法步骤1：新增“定员值守”监测任务在边缘服务器“配置”页选中目标摄像头，点击“监测配置”进入新增流程；选择监测类型为“定员值守”，按需设置监测时间间隔等基础参数后保存。步骤2：算法基础策略配置进入“算法配置”界面，设定告警级别（严重/普通/通知）、告警聚合频率（如600秒聚合6张），并选择检测模式为标准模式或接入模式，适配场景需求。步骤3：核心阈值与人数参数设定配置算法灵敏度阈值（如0.5）、告警延迟时间阈值（如60秒），并定义作业规定人数（如“大于1人”），精准控制算法触发条件，减少误报漏报。算法参数配置决定监测精准度从监测类型选择到算法阈值微调，每一项参数都与实际场景强关联，合理的配置能有效过滤无效告警，确保定员值守监测既灵敏又可靠，保障场景监管合规。小任务3：新增监测与配置算法步骤1：新增“定员值守”监测任务在边缘服务器“配置”页选中目标摄像头，点击“监测配置”进入新增流程；选择监测类型为“定员值守”，按需设置监测时间间隔等基础参数后保存。步骤2：算法基础策略配置进入“算法配置”界面，设定告警级别（严重/普通/通知）、告警聚合频率（如600秒聚合6张），并选择检测模式为标准模式或接入模式，适配场景需求。步骤3：核心阈值与人数参数设定配置算法灵敏度阈值（如0.5）、告警延迟时间阈值（如60秒），并定义作业规定人数（如“大于1人”），精准控制算法触发条件，减少误报漏报。算法参数配置决定监测精准度从监测类型选择到算法阈值微调，每一项参数都与实际场景强关联，合理的配置能有效过滤无效告警，确保定员值守监测既灵敏又可靠，保障场景监管合规。小任务3：步骤3-绘制监测区域STEP01：创建区域名称点击界面中的“绘制区域”功能按钮，为即将划定的监控范围创建专属名称，例如命名为“人员离岗检测”，便于后续管理与识别不同的监测目标。STEP02：划定四边形监测范围在右侧实时显示的视频画面中，根据实际监控需求，依次点击4个点位来勾勒出四边形的监测区域，精准框选需要重点关注的场景位置（如工作台、值守岗）。STEP03：保存设置，区域生效完成区域绘制后点击保存，算法将被限定在该四边形区域内运行。非监测区域的画面将不会触发告警，有效规避无关人员或物体导致的误报情况。精准划定监测域，提升算法实效性通过手动框选特定区域，让AI算法聚焦核心关注范围，

剔除背景干扰，从源头降低误报率，确保人员离岗等关键告警信息的准确性与及时性，让监控更智能、更可靠。小任务3：步骤4-验证与查看报警01检查设备与算法状态首先确认前端摄像头设备状态是否显示为“在线”，同时检查算法服务状态是否为“正常可用”，确保硬件与算法链路通畅无异常。02模拟场景触发报警机制模拟人员完全离开监测区域的场景，等待预设的时间阈值（如60秒）。系统将自动识别异常，在“告警处理”菜单中生成“定员值守”类别的报警信息。03查看报警详情与数据回溯点击报警条目可查看系统自动抓拍的现场截图、报警发生的具体时间与位置信息，完整回溯事件过程，验证算法触发逻辑的准确性与时效性。闭环验证保障系统可靠运行通过全流程的模拟验证，确保“定员值守”算法从状态监测、场景识别到报警触发、数据留存的全链路闭环有效。

这一环节不仅验证了功能的实现，更为实际部署后的稳定告警与快速响应提供了坚实保障。Q&A感谢聆听THANKSFORLISTENING边缘计算技术与应用项目五·任务5.2违规使用手机检测PROJECT5.2:DETECTIONOFUNAUTHORIZEDMOBILEPHONEUSE目录CONTENTS01任务概述与准备深入了解任务目标、软硬件清单、组网拓扑与IP规划02知识准备详细学习边缘计算服务器、算法性能分析及评估指标03小任务1：服务器部署分步详解AI盒子升级、Docker环境搭建、硬盘挂载与项目运行04小任务2：映射配置回顾云端设备映射流程，掌握设备云端互联的关键配置步骤05小任务3：算法配置与验证完整展示玩手机检测算法的配置、验证与性能评估全过程PART01任务概述与准备本次任务的核心目标与价值定位本次任务旨在明确项目实施的核心方向，完成全流程的软硬件资源盘点与筹备工作。通过系统化的准备，确保任务执行阶段的高效推进，规避资源缺失与流程脱节风险，为最终目标的达成奠定坚实基础。核心筹备：资源与分工体系软硬件资源核验梳理服务器、终端设备及软件授权清单，完成设备调试与环境兼容性测试。团队角色分工明确项目负责人、技术执行、资源协调等角色，落实岗位职责与沟通机制。执行环境搭建配置网络环境、数据存储路径及测试沙箱，确保执行环境安全可控。风险预案制定识别设备故障、网络中断等潜在风险，制定应急响应与回滚方案。任务推进的关键执行要点目标拆解与节点管控｜将总任务拆解为可量化的阶段性子目标，设定关键时间节点，确保执行节奏可控。全流程资源预核查｜在正式启动前完成资源的可用性测试与兼容性验证，避免因资源缺失导致任务停滞。协作沟通机制确立｜建立团队日报与异常即时通报机制，保障信息同步，快速解决执行中的协同问题。01任务概述与准备项目核心任务总览本项目聚焦AI计算服务器组建，依托工业智慧管控系统完成违规手机检测算法的智能配置，并通过全流程功能验证确保系统稳定运行。重点攻克服务器部署、设备映射及算法调优三大关键环节，构建完整的工业场景智能检测闭环。核心目标一：系统部署与设备映射管控服务器部署完成工业智慧管控系统服务端的环境搭建与基础配置，确保系统核心服务正常运行。边缘设备映射配置将AI边缘网关、边缘摄像头接入系统并完成设备映射，实现管控端对前端设备的统一管理。硬件链路调试检查服务器与边缘设备的网络连通性，确保数据传输链路稳定、低延迟。系统权限配置设置不同角色的操作权限，规范管控系统的访问与操作流程，保障系统安全。核心目标二：算法配置与功能验证智能算法加载配置｜在AI边缘网关中部署“违规使用手机检测”算法模型，完成参数调优与规则设定，适配工业场景的检测需求。检测规则场景适配｜根据工业现场实际工况，配置算法的检测灵敏度、报警阈值及触发条件，确保检测结果的准确性与实用性。全流程功能闭环验证｜模拟现场违规场景进行算法检测测试，验证报警、记录、反馈等全流程功能，确保系统稳定可靠运行。01任务概述与准备组网升级：新增AI计算服务器•硬件扩容：在原有基础网络架构中加入AI计算盒子，作为专用的高性能计算单元。

•算力分担：承接复杂的图像识别、模型推理等AI任务，释放网关与终端的处理压力。拓扑架构：多终端统一接入交换•网络互联：AI计算服务器与边缘网关、IPC摄像头、控制PC通过工业交换机实现有线互联，保障数据传输稳定。

•数据流转：前端采集数据就近上传至AI服务器处理，结果快速回传至终端执行。任务目标：构建边缘智能计算体系•系统能力：搭建具备端边协同能力的实验环境，验证AI服务器在复杂视觉分析场景下的算力支撑作用，为后续算法部署打基础。硬件组网是边缘AI应用的基石合理的硬件拓扑结构确保了数据传输的低延迟与高可靠性，

AI计算服务器的加入让边缘侧具备了处理复杂任务的“大脑”，

真正实现从数据采集到智能决策的端到端闭环。01任务概述与准备设备IP地址规划总览基于最新的硬件拓扑架构，本次对系统IP地址进行了整体规划。核心调整点为新增AI计算服务器的专属固定IP地址，同时保持路由器、边缘网关及终端设备的原有地址策略不变，确保网络架构的稳定性与兼容性。核心网络层设备配置路由与网关接入路由器WAN口采用DHCP动态获取；AI边缘网关WAN口配置固定IP：9，保障基础连接稳定。新增AI计算节点为AI计算服务器分配固定IP：0，作为核心算力节点的专属通信地址，独立承载算法任务。核心层设备均采用固定IP或DHCP标准协议，确保网络架构的层级清晰，便于后续的运维管理与故障排查，为边缘计算提供稳定的底层支撑。终端感知层设备配置前端摄像头节点｜配置双固定IP地址：2与1，用于采集多路实时视频流数据，直接传输至边缘网关进行预处理。管理计算机终端｜采用DHCP动态获取IP模式，便于管理人员通过办公网灵活接入系统，实现对边缘节点的远程配置与状态监控。PART02知识准备为什么要进行前置知识准备？知识准备是掌握边缘计算技术体系的基石，它帮助我们建立系统的认知框架，理解技术背后的逻辑与关联。在实践操作前夯实理论基础，能有效降低学习成本，规避技术选型与落地实施中的认知盲区，确保对复杂场景的精准判断。知识准备的核心维度技术体系认知厘清边缘计算与云计算、物联网的技术边界，建立整体技术栈的宏观认知。应用场景理解熟悉智慧工厂、自动驾驶等典型场景需求，明确技术落地的实际价值导向。数据思维构建掌握边缘侧数据采集、清洗与处理逻辑，理解数据价值流转的核心路径。工具能力储备了解边缘网关、容器化等核心工具特性，为技术实践筑牢工具使用基础。关键知识领域拓展分布式系统原理｜掌握节点通信、任务调度与一致性算法，理解边缘计算分布式架构的底层逻辑支撑。网络通信协议｜熟悉5G/LTE、MQTT、CoAP等协议特性，保障边缘节点间高效、低耗的数据传输。边缘AI基础｜了解模型轻量化、端侧推理等技术，是实现边缘场景智能决策的核心知识支撑。02知识准备▍边缘计算服务器核心定位作为边缘侧的核心枢纽，承担着终端数据的就近处理、存储缓存及安全管控职责，是连接物理世界与云端的关键节点。核心角色与功能承载不仅是数据处理的核心单元，更充当存储缓存节点与安全隐私关卡，实现敏感数据本地化处理，降低泄露风险。全流程部署与运维管理涵盖边缘节点的选址规划、硬件选型适配、软件环境配置，以及运行状态的实时监控与故障维护闭环。云边资源协同调度根据业务负载动态分配云端与边缘的算力资源，平衡处理时延与带宽消耗，优化整体系统运行成本。▍边缘服务器算法分析体系01算法逻辑验证测试构建标准化测试用例，覆盖边缘场景下的各类数据输入，验证算法是否能正确执行预设任务，确保业务逻辑无偏差。02核心性能指标评估重点测试算法在边缘端的运行效率、响应速度与结果精确度，分析算力占用、内存消耗等资源指标，优化模型轻量化程度。03线上模型全维监控持续追踪模型预测结果与实际反馈，建立数据漂移检测机制，及时判断模型性能衰减并触发更新迭代流程。04持续迭代优化闭环基于监控数据与业务反馈，定期对边缘算法模型进行微调与重训，结合边缘算力特性持续优化模型结构与推理逻辑。02知识准备：算法精确度指标之混淆矩阵混淆矩阵：分类模型的评估基石混淆矩阵是机器学习中评估分类模型性能的核心工具，它以矩阵形式清晰展示模型预测结果与真实情况的四种组合关系，是计算准确率、召回率、F1分数等关键指标的基础依据。阳性预测解析(TP&FP)•TP(真阳性)：样本实际为正例，模型预测也为正例，代表正确的命中。

•FP(假阳性)：样本实际为负例，模型误判为正例，即“误报”情况。阴性预测解析(FN&TN)•FN(假阴性)：样本实际为正例，模型误判为负例，即“漏报”情况。

•TN(真阴性)：样本实际为负例，模型预测也为负例，代表正确的排除。混淆矩阵：模型优化的关键依据混淆矩阵不仅是对预测结果的统计复盘，更能帮助我们识别模型的偏误方向。通过分析FP与FN的产生原因，算法工程师可以针对性调整特征工程或模型参数，从而提升分类算法的鲁棒性与精确度。02知识准备：混淆矩阵的二级指标核心基础：精确率与召回率•精确率(P)：聚焦预测为真的样本，公式为TP/(TP+FP)，衡量预测准确性。

•召回率(R)：聚焦真实为真的样本，公式为TP/(TP+FN)，衡量查全能力。综合评价：F1分数与准确率•F1-score：精确率与召回率的调和平均数，适用于不平衡数据集的综合考量。

•准确率(A)：预测正确样本占总样本比例，反映模型整体预测的正确率。指标解读：场景化选择策略不同指标服务不同业务目标：精准推荐侧重精确率，疾病筛查侧重召回率；F1兼顾两者，准确率则是最直观的整体模型效果体现。多维指标构建模型评价体系混淆矩阵的二级指标从精准度、覆盖率、平衡性和整体性四个维度，为算法模型提供了全面的性能评估视角，帮助我们在实际业务中科学判断模型优劣，选择最合适的优化方向。PART03任务实施任务实施核心目标与路径任务实施是将边缘计算理论落地的关键环节，我们将通过环境搭建、功能开发、测试优化三个阶段，完整掌握边缘节点部署、数据处理及应用集成的全流程，确保理论知识转化为可落地的工程实践能力。阶段一：环境搭建与节点配置开发环境部署安装边缘计算框架与依赖工具，配置开发机与边缘网关的通信链路，建立基础开发环境。边缘节点初始化完成边缘硬件的系统刷机与参数配置，注册节点至云端管理平台，实现节点状态实时监控。网络拓扑规划设计边缘端与云端的通信协议，划分数据传输层级，保障数据交互的稳定性与安全性。权限与安全配置配置边缘节点的访问权限策略，部署防火墙与数据加密机制，防范未授权访问与数据泄露。阶段二：功能开发与迭代优化核心业务开发｜基于边缘框架编写数据采集、预处理与本地推理逻辑，实现业务功能的模块化开发与联调。性能测试与调优｜模拟高并发数据场景测试边缘节点响应速度，针对延迟、吞吐量瓶颈进行代码与资源调度优化。全流程验收交付｜完成边缘应用的部署上线，编写技术文档与操作手册，验证系统稳定性并完成项目交付验收。03任务实施：智慧管控平台服务器部署核心目标：构建稳定高效的AI计算环境本任务聚焦于AI计算服务器的全流程部署，通过SSH命令行操作完成从硬件层适配到软件层构建的完整链路，为智慧管控平台提供高可用、高性能的底层算力基座，保障平台核心业务的稳定运行。阶段一：基础环境与硬件适配AI盒子SD卡升级刷入适配的系统镜像，完成底层固件更新，确保硬件驱动与系统内核兼容。Docker环境搭建安装Docker引擎与Compose工具，配置镜像源，实现应用的容器化部署管理。大容量硬盘挂载配置识别并挂载外置存储硬盘，配置自动挂载参数，为数据采集与模型存储提供充足的存储空间支撑。阶段二：系统调优与项目交付内存空间与资源分配｜调整系统内存分区，为AI推理任务预留专属显存，优化内存调度策略，避免资源争用导致的服务卡顿。项目构建与服务运行｜拉取项目源码，配置依赖环境变量，启动Docker容器服务，验证接口连通性与数据流转的完整性。AI盒子部署基础：SD卡升级与授权流程步骤一：SD卡环境预配置•格式要求：将SD卡通过读卡器连接电脑，格式化为FAT32文件系统，确保兼容性。

•文件拷贝：将官方提供的初始化固件包完整拷贝至SD卡根目录，切勿修改文件夹层级。步骤二：硬件安装与系统上电•断电操作：确保AI盒子处于完全断电状态，将准备好的SD卡插入设备对应卡槽，检查接触稳固。

•自动升级：连接电源为AI盒子上电，系统将自动识别SD卡固件，静默完成系统初始化与授权配置。部署关键：状态校验与供电•状态观察：升级过程中观察指示灯状态，完成后需移除SD卡避免重复升级；供电需采用稳定直流电源，防止电压波动导致失败。标准化初始化：AI盒子运行的基石SD卡升级与授权是AI盒子部署的首要环节，通过FAT32格式化与固件预置，

确保硬件底层环境与软件系统完美适配，为后续边缘计算业务运行筑牢安全、稳定的底层基础。小任务1：步骤2-Docker环境搭建步骤一：远程设备接入通过SSH协议安全登录目标AI盒子设备，验证设备网络连通性与权限，建立稳定的远程操作终端，为后续Docker环境部署的指令执行提供基础通道。步骤二：Docker引擎安装配置Docker官方软件源，通过包管理工具下载并安装DockerEngine、Containerd等核心组件，校验安装版本与依赖完整性，完成容器引擎的基础部署工作。步骤三：服务配置调优编辑docker.service系统服务文件，调整启动命令参数与容器运行时配置，优化资源限制与日志策略，重启服务使配置生效，保障Docker服务稳定高效运行。核心价值：Docker容器化引擎作为开源应用容器引擎，Docker可将应用及依赖包打包成可移植容器，消除环境差异，实现应用在各类Linux设备上的快速发布与稳定运行，是边缘应用部署的核心基石。03实操步骤：硬盘挂载配置Step1：硬盘初始化（格式化与分区）•首先对新增的大容量物理硬盘进行检测，确认硬件识别正常；

•根据业务需求规划分区结构，选择EXT4等高性能文件系统完成格式化，消除磁盘原有数据并适配Linux系统读写规范。Step2：SSH远程执行挂载操作•通过SSH终端登录AI计算服务器，在系统根目录下创建专属数据存储文件夹（如/data/video）；

•执行mount命令将格式化后的硬盘分区挂载到目标文件夹，并修改fstab配置文件实现开机自动挂载。核心价值：解决海量数据存储瓶颈AI服务器运行中会持续产生视频录像、算法日志及模型缓存，系统盘容量有限易引发存储溢出；挂载外部硬盘可拓展TB级存储空间，保障数据完整留存与高效读写。存储扩容是AI边缘计算的基石脱离了充足的存储空间，AI算法的视频分析与数据沉淀将无从谈起；

标准化的硬盘挂载流程，既保证了数据的持久化存储，也为后续的模型迭代与复盘提供了完整的数据支撑。04内存空间分配：AI算力的核心基石资源概览：12GB总容量规划•系统基石：预留4GB专用内存支撑操作系统稳定运行，保障基础服务与进程调度的流畅性。

•算力专供：剩余8GB内存全量分配给AI计算单元（NPU），为算法模型提供充足的运行空间。核心逻辑：算力与系统的平衡•拒绝资源挤占：严格隔离系统内存与NPU计算内存，避免系统后台进程抢占算力资源，确保AI任务的稳定性。

•按需精准分配：基于AI模型的显存吞吐需求，最大化利用物理内存，减少数据交换的延迟损耗。性能收益：释放NPU的极致潜力•提速关键：充足的专用内存让NPU无需频繁与外部存储交换数据，显著提升复杂算法的推理速度与响应效率。内存架构决定AI边缘计算的上限合理的内存空间分配是边缘AI设备发挥性能的关键，通过物理层面的隔离与专用化设计，

不仅保障了系统运行的安全边界，更让NPU算力得到充分释放，为复杂场景的算法落地提供了坚实支撑。小任务1：步骤5-项目构建与运行环境准备·依赖安装•首先获取适配服务器架构的项目安装包，确保文件完整性。

•安装必要的编译器（如GCC）及系统依赖库，解决环境缺失问题，为后续编译搭建基础运行环境。代码构建·编译项目•配置项目编译参数，根据服务器环境调整编译选项，确保适配性。

•执行自动化构建脚本，监控编译日志，排查语法与依赖错误，生成可执行的服务部署包。服务启动·验证部署•运行服务启动脚本，通过进程管理工具检查服务是否正常拉起，监听端口是否处于监听状态。

•访问平台前端页面或调用后端接口，确认功能正常，完成部署有效性的最终核验。部署完成·服务成功就绪通过标准化的构建与部署流程，智慧管控平台的服务进程已稳定运行，系统状态监控面板数据实时刷新。

这标志着从环境搭建到服务上线的全流程闭环完成，为后续业务功能的使用提供了坚实的技术支撑。03任务实施：AI边缘网关与摄像头映射配置小任务2：AI边缘网关、边缘摄像头的映射配置此部分操作与任务5.1中的“AI边缘网关安装与组网”小节内容基本一致，核心目的是完成设备的云端映射配置，确保AI边缘网关与摄像头在根云平台上保持在线状态，为后续的算法部署、数据流转与智能分析奠定基础。配置流程：云端创建设备与区域关联01.创建边缘服务器登录根云平台，在设备管理模块中完成边缘服务器的创建设备信息录入与基础配置。02.创建区域并关联在平台中划分物理区域，将已创建的边缘服务器绑定至对应区域，实现设备的层级化管理。区域管理核心：层级与归属区域是设备管理的逻辑单元，通过合理规划区域层级，可清晰梳理设备的物理位置与管理归属，为后续批量配置与监控提供便利。配置流程：网关激活与设备关联03.激活AI边缘网关｜将平台生成的服务器信息（如IP、密钥）配置到网关后台，完成网关的云端注册与激活，确保网关与平台的双向通信链路畅通。04.创建并关联摄像头｜在平台创建设备档案并关联边缘网关，完成摄像头的映射绑定，验证设备在线状态，确保视频流数据可正常接入云端或边缘节点进行分析。03任务实施：违规使用手机检测算法配置与验证小任务3核心目标：构建精准的手机违规使用检测体系本任务聚焦于智能视频监控场景下的算法落地，通过配置“玩手机”监测规则、设定关键阈值与告警级别，并在实际画面中框选监测区域，最终完成算法的功能验证与性能指标评估，确保违规行为识别的准确性与及时性。01-算法配置：规则与参数设定新增监测类型在系统中添加“玩手机”专项监测任务，关联对应的AI分析算法模型，确立检测基础。关键参数调优设置检测置信度阈值、报警触发的持续时长及告警等级，平衡误报与漏报风险。监测区域框选在监控画面中划定重点关注区域，如操作台、工作位等，减少无效背景干扰。联动策略配置配置报警后的联动动作，如弹窗提示、声光告警或抓拍留存，实现闭环管理。02-验证闭环：功能测试与性能评估模拟场景测试｜在真实监控视角下模拟员工违规使用手机行为，观察系统是否能实时捕捉并触发报警，验证算法的实时性。报警记录核查｜检查报警日志中违规行为的抓拍图片、时间戳及告警等级是否准确关联，确保报警信息的完整性与可追溯性。算法性能指标｜计算算法的准确率、召回率及处理帧率(FPS)，分析检测盲区并微调参数，优化算法在实际场景中的表现。小任务3：新增“玩手机”监测配置实操步骤1：进入配置页发起新增登录边缘服务器管理后台，在“配置”模块选中目标监控摄像头，点击菜单栏中的“监测配置”选项，随后选择“新增”按钮，进入监测任务创建界面。步骤2：配置监测类型与核心参数在任务配置页选择监测类型为“玩手机”，根据实际需求设置监测间隔（如0.2秒/次）、视频流优先级（主码流/子码流）等关键参数，确认无误后点击“保存”完成配置。步骤3：验证配置状态与生效情况返回监测配置列表，查看新增任务的状态是否为“正常可用”，可通过模拟场景测试算法识别的准确性，确保边缘端能实时捕捉并上报违规使用手机的行为数据。边缘端配置：让算法落地更精准通过在边缘服务器直接配置监测算法与参数，避免了云端传输的延迟，

实现了对违规行为的毫秒级识别与响应，同时灵活的参数设置能适配

不同场景下的监测需求，提升了整体系统的实用性与可靠性。小任务3：步骤2-配置算法参数01算法配置基础设置进入“算法配置”界面，按需设定告警级别（严重/普通/通知），配置告警聚合频率与数据采样规则，同时选择适配场景的标准或接入检测模式。02核心阈值参数设定将算法置信度阈值设定为0.8，确保识别结果的准确性；设置时间阈值为60秒，过滤瞬时误触行为，仅对持续违规的玩手机行为触发告警通知。03参数配置价值与优化高置信度阈值有效降低环境干扰带来的误报，时间阈值则避免了偶发动作的无效告警，让监控告警更精准、更贴合实际管理需求，减少人工复核成本。精准参数打造可靠算法防线通过合理配置算法与时间双阈值，实现从“被动监测”到“精准预警”的转变，

让违规使用手机的识别系统既不“草木皆兵”，也不“视而不见”，为场景管理提供高效、可信的技术支撑。小任务3：步骤2-配置算法参数01算法配置基础设置进入“算法配置”界面，按需设定告警级别（严重/普通/通知），配置告警聚合频率与数据采样规则，同时选择适配场景的标准或接入检测模式。02核心阈值参数设定将算法置信度阈值设定为0.8，确保识别结果的准确性；设置时间阈值为60秒，过滤瞬时误触行为，仅对持续违规的玩手机行为触发告警通知。03参数配置价值与优化高置信度阈值有效降低环境干扰带来的误报，时间阈值则避免了偶发动作的无效告警，让监控告警更精准、更贴合实际管理需求，减少人工复核成本。精准参数打造可靠算法防线通过合理配置算法与时间双阈值，实现从“被动监测”到“精准预警”的转变，

让违规使用手机的识别系统既不“草木皆兵”，也不“视而不见”，为场景管理提供高效、可信的技术支撑。小任务3：步骤3-绘制监测区域步骤1：创建监测区域名称首先点击界面中的“绘制区域”按钮，为即将划定的监测范围创建专属名称，例如命名为“违规使用手机监测”，便于后续管理与识别不同功能的监测区域。步骤2：在视频画面绘制四边形切换至右侧实时视频画面窗口，通过鼠标依次点击4个关键点位，系统将自动连接点位形成封闭的四边形监测区域，该区域需精准覆盖工作人员可能出现的核心活动范围。步骤3：保存设置并生效算法完成区域绘制后点击保存按钮，算法将被限制在该四边形区域内运行，仅对区域内的画面进行手机使用行为分析，有效避免无关背景干扰，提升检测精准度。精准划定监测域，聚焦核心分析区通过手动绘制专属监测区域，能够过滤掉视频画面中无关的背景环境，让AI算法集中算力分析关键人员活动范围，

不仅大幅降低误报率，还能提升算法运行效率，确保对违规使用手机行为的识别更及时、更准确。小任务3：步骤4-验证与查看报警步骤一：设备与算法状态自检•检查前端摄像头画面是否清晰、无遮挡，确认设备在线状态正常。

•查看算法服务进程运行日志，确保“玩手机识别”模型加载成功，无报错信息。步骤二：模拟违规行为触发•人员进入摄像头有效监测区域，模拟手持手机、低头刷看、操作屏幕等典型违规动作。

•保持动作持续数秒，确保算法能够捕捉到关键行为特征，完成识别判定流程。步骤三：后台告警记录核查•登录管理平台进入“告警处理”菜单，筛选时间与区域，查看是否生成“玩手机”报警事件。

•核对告警信息中的抓拍图片、触发时间、位置标签是否准确匹配模拟场景。实战验证，构建完整告警闭环通过模拟真实场景触发算法告警，验证了边缘计算在违规行为识别上的实时性。

从前端采集、边缘分析到后台告警的全流程打通，确保了监控系统能精准捕捉异常，为安全管理提供可靠的数据支撑。小任务3：步骤5-算法验证01现场模拟测试：采集样本数据通过多次复现“使用手机”和“未使用手机”的真实作业场景，全面收集正负样本数据，为后续算法校验提供真实、丰富的数据源支撑。02性能指标计算：量化算法表现基于采集的TP、FP、FN、TN实测数据，精准计算算法的精确率、准确率、召回率等核心性能指标，从数据维度量化算法的识别能力。03结果综合评估：判定达标情况结合业务实际需求，对照预设阈值分析性能指标结果，全面评估算法在当前工业场景下的适用性与稳定性，判定是否满足落地部署要求。算法验证：筑牢工业检测的核心基石从模拟场景的样本采集，到多维度的指标计算与科学评估，

每一步都为算法的可靠性提供保障，让工业智慧管控系统的决策更精准、运行更稳健。小任务3：步骤5-算法验证01现场模拟测试：采集样本数据通过多次复现“使用手机”和“未使用手机”的真实作业场景，全面收集正负样本数据，为后续算法校验提供真实、丰富的数据源支撑。02性能指标计算：量化算法表现基于采集的TP、FP、FN、TN实测数据，精准计算算法的精确率、准确率、召回率等核心性能指标，从数据维度量化算法的识别能力。03结果综合评估：判定达标情况结合业务实际需求，对照预设阈值分析性能指标结果，全面评估算法在当前工业场景下的适用性与稳定性，判定是否满足落地部署要求。算法验证：筑牢工业检测的核心基石从模拟场景的样本采集，到多维度的指标计算与科学评估，

每一步都为算法的可靠性提供保障，让工业智慧管控系统的决策更精准、运行更稳健。小任务3：步骤5-算法验证01现场模拟测试：采集样本数据通过多次复现“使用手机”和“未使用手机”的真实作业场景，全面收集正负样本数据，为后续算法校验提供真实、丰富的数据源支撑。02性能指标计算：量化算法表现基于采集的TP、FP、FN、TN实测数据，精准计算算法的精确率、准确率、召回率等核心性能指标，从数据维度量化算法的识别能力。03结果综合评估：判定达标情况结合业务实际需求，对照预设阈值分析性能指标结果，全面评估算法在当前工业场景下的适用性与稳定性，判定是否满足落地部署要求。算法验证：筑牢工业检测的核心基石从模拟场景的样本采集，到多维度的指标计算与科学评估，

每一步都为算法的可靠性提供保障，让工业智慧管控系统的决策更精准、运行更稳健。阈值告警次数正样本检出次数TP负样本误报次数FP负样本检出次数TN正样本漏报次数FN精确率TP/（TP+FP）准确率（TP+TN）/（TP+FP+TN+FN）召回率TP/（TP+FN）0.21313000100%100%100%0.21212000100%100%100%0.21212000100%100%100%0.288000100%100%100%Q&A感谢聆听THANKSFORLISTENING生产过程人员安全数据采集与计算项目五·任务5.3工服检测WORKCLOTHINGDETECTIONFORPRODUCTIONSAFETYMONITORING目录CONTENTS01任务概述与准备深入了解任务目标与核心要点，明确整体实施方向与重点02知识准备详细学习可视化大屏、组件设计及常用组件，夯实理论基础03大屏配置基础分步详解组件功能、属性与数据源配置，掌握基础操作流程04工服检测算法配置完整展示未穿反光衣检测算法的配置与验证的全流程细节05大屏报警显示详细演示可视化大屏的制作与报警数据源的关联实现方式PART01任务概述与准备本次任务的核心定位与价值本次任务旨在明确核心目标方向，梳理执行路径中的关键节点，并搭建稳定可靠的基础运行环境。通过系统化的前期准备，确保后续执行阶段的高效推进，规避流程中的潜在风险，保障项目整体进度与质量可控。核心准备工作四大维度目标拆解与量化将总目标分解为可执行的子任务，设定清晰的量化指标与验收标准，确保方向统一。团队分工与协作明确各岗位职责边界，建立高效的沟通机制，保障信息流转顺畅与责任落实到位。软硬件环境搭建配置适配任务需求的硬件设施，部署稳定的软件系统，完成基础环境的测试与调优。资源统筹与调度梳理人力、物力与时间资源，制定合理的资源分配方案，确保资源利用率最大化。执行阶段关键规划策略时间周期管控｜制定详细的时间节点表，明确各阶段的起止时间，设置预警机制防止进度滞后。风险预判与应对｜梳理任务推进中可能出现的技术、流程风险，提前制定备选方案，降低突发问题影响。质量验收标准｜建立多维度的质量考核体系，细化验收细节，确保每一个环节的输出都符合预期标准。01任务概述与准备任务目标：工服检测与可视化大屏构建本项目聚焦工业互联网平台中云视界可视化大屏的配置与应用，以工服检测为核心场景，完成AI边缘网关、摄像头的映射配置及智能算法部署，通过功能验证将工服检测报警与状态信息实时展现在可视化大屏，实现安全管控的前台化呈现。核心配置与实施目标大屏基础配置完成云视界可视化平台的基础搭建，配置数据看板、布局与交互组件，为数据展示赋能。边缘设备映射将AI边缘网关、边缘摄像头接入工业智慧管控系统，完成设备的网络与逻辑映射配置。智能算法部署在AI边缘网关中配置工服检测智能算法，完成模型加载、参数调优与功能逻辑验证。数据可视化呈现将工服检测的实时数据、报警信息同步至可视化大屏，实现安全状态的动态监控展示。任务实施的核心价值管控升级｜从后台被动报警转变为前台可视化主动监控，让安全隐患直观可见，提升管理响应速度。端云协同｜实现边缘端智能检测与云端可视化展示的闭环，充分发挥边缘计算的实时性与云端的展示优势。场景落地｜以工服检测这一典型工业安全场景为切入点，验证AI算法与可视化平台结合的实际应用价值。02知识准备：可视化大屏基础认知什么是可视化大屏？可视化大屏是数据可视化的高端呈现形式，通过超大屏幕、多屏拼接的方式，整合各类业务数据、关键指标与流程动态，以直观的图表、图形和色彩进行集中展示，广泛应用于监控指挥、运营决策、展览展示等场景，助力快速掌握全局态势。大屏设计核心原则信息层级清晰按数据重要性划分主次层级，让观众第一眼捕捉核心关键信息。视觉焦点突出利用色彩对比、图形大小和位置布局，强化核心指标的视觉冲击。数据真实准确确保数据源可靠、更新及时，图表映射关系无误，支撑科学决策。交互简洁高效操作逻辑符合用户习惯，支持快速筛选、钻取，降低交互学习成本。大屏设计关键要素多屏拼接与显示｜涉及硬件拼接技术与软件分辨率适配，保证画面无缝衔接、色彩统一，呈现完整视觉效果。实时数据驱动渲染｜依托数据接口与后台服务，实现数据毫秒级刷新，动态展现业务运行的实时状态与趋势。色彩与布局的适配｜根据业务场景选择专业配色，结合对称、均衡的布局方式，兼顾视觉美感与信息传达效率。02知识准备：工业互联网平台可视化大屏核心功能：多维感知与交互•实时直观：毫秒级数据刷新，以图表、看板形式全景呈现产线状态。

•智能预警：设定阈值自动触发报警，支持声光联动与分级告警机制。应用场景：全流程生产管控•生产与维护：实时监控产线运行参数，基于数据预判设备故障，实现预防性维护。

•协同与决策：打通供应链数据链路，辅助管理层快速响应市场与生产异常。核心价值：数据驱动智造升级•深度挖掘：整合多源异构数据，挖掘生产瓶颈与优化空间，将隐性数据转化为显性生产力，提升资源利用率。可视化大屏：智能制造的“中枢大脑”它不仅是数据的展示窗口，更是工业生产的智能决策中心。

通过对海量工业数据的实时汇聚、分析与呈现，让生产状态一目了然，

为高效生产、科学管理和精准决策提供强有力的支撑。02知识准备核心概念：组件是数据的载体组件是构成可视化大屏的基本元素，就像搭建建筑的“积木”。它承担着数据图形化展示的核心功能，将抽象的数据转化为直观的图表、文本或交互界面，是大屏呈现的基础单元。关键配置一：属性（Appearance）属性定义了组件的“外观样式”。它决定了组件在屏幕上的颜色、大小、位置、字体、布局方式以及交互特效等视觉特征，是实现大屏视觉设计风格统一的关键参数。关键配置二：数据源（DataSource）数据源是连接数据与视图的“桥梁”。它决定了组件展示的具体内容，支持对接API接口、数据库、静态数据等多种形式，让组件能够实时呈现动态变化的数据信息。“属性+数据源”构建大屏核心逻辑理解组件的这两个核心配置，是掌握可视化大屏设计的关键。

属性赋予组件“形”，数据源赋予组件“魂”，二者结合才能实现数据的有效展示与交互。02知识准备：大屏基础组件解析文本组件：信息传递的核心载体用于展示固定文案或系统实时采集的动态数值，支持自由配置字体样式、颜色与背景；可添加跳转链接实现交互，也能结合判断条件实现内容的动态显隐控制。图片组件：视觉呈现的关键工具支持加载本地资源或网络图片，可灵活设置填充方式与透明度效果；能根据业务条件切换展示不同图片素材，是实现报警抓拍、场景可视化展示的核心组件。组合应用：搭建大屏的基础逻辑文本组件负责信息的说明与标注，图片组件负责关键视觉信息的展示，二者结合可快速构建基础的信息展示类大屏，满足监控、告警、数据可视化等常见业务需求。掌握核心组件，开启大屏制作之旅文本与图片是可视化大屏最基础、最常用的组件，理解它们的属性配置与应用场景，

就能快速上手制作简单的信息展示页面，为后续复杂的业务大屏搭建打下坚实基础。02知识准备核心功能·设备状态反馈•核心作用：专门用于直观反映各类硬件设备的实时工作状况，是数据可视化的核心载体。

•关键指标：可精准展示CPU使用率、运行温度、内存占用、网络带宽等关键设备参数。灵活配置·个性化展示•样式定制：支持自定义仪表盘的外观形状、色彩主题与数值刻度，适配不同的界面风格需求。

•范围设定：可自由定义数据监测的上下阈值与显示范围，让数据变化趋势更清晰、更聚焦。应用优势·高效运维支撑•直观高效：以指针摆动、色彩变化等视觉化形式呈现数据，替代枯燥数字，便于运维人员快速捕捉设备异常状态。仪表盘：设备监控的“可视化窗口”作为边缘计算可视化的核心组件，仪表盘将抽象的设备数据转化为具象的图形，

让运维人员无需深入代码，即可通过指针与刻度，实时掌握设备脉搏，实现对系统状态的全局把控。03任务实施：核心步骤与落地执行任务实施的核心逻辑与目标任务实施是将边缘计算理论转化为实际应用的关键环节，通过标准化的步骤拆解、环境配置与调试优化，确保系统从原型设计平稳过渡到落地运行。我们将分阶段完成环境搭建、数据采集、算法部署与性能调优，实现技术价值的有效交付。分阶段实施：四大核心任务拆解任务一：环境搭建部署边缘节点硬件，配置操作系统与基础依赖环境，完成网络拓扑连接测试。任务二：数据采集接入传感器与终端设备，制定数据清洗规则，构建边缘侧原始数据池。任务三：算法部署将训练好的AI模型轻量化移植至边缘端，配置推理引擎与调度策略。任务四：调试优化监控系统运行指标，优化模型参数与资源分配，确保业务稳定高效。实施关键要素与执行准则标准化流程管控｜建立统一的操作SOP，规范设备安装、参数配置与测试步骤，降低人为失误风险，保障实施一致性。实时监控与反馈｜部署边缘端监控工具，实时追踪数据传输、算力负载与模型推理效率，即时响应异常问题。迭代优化闭环｜基于实际业务数据持续优化模型精度与系统架构，实现从“可用”到“好用”的持续演进。03任务实施：工服检测算法配置与验证小任务2：工服检测算法配置与验证目标本任务聚焦于“未穿反光衣检测”算法的实际落地，通过完成新增监测配置、参数调优、区域框选及场景验证四个核心环节，掌握工业场景下智能视觉监测算法的部署流程，确保高危作业场景中人员防护合规性的自动化识别与告警。核心实施步骤拆解01新增监测配置在算法管理平台中，选择“未穿反光衣检测”模型，创建新的监测任务并命名。02配置算法参数设置检测灵敏度阈值、告警触发级别，以及抓拍留存等关键算法参数。03绘制监测区域在实时视频流画面上，手动框选出需要重点监测的作业区域，限定算法识别范围。04验证报警效果模拟未穿反光衣的作业场景，观察平台是否及时触发告警并记录相关数据。关键操作与注意事项参数校准原则｜阈值设置需平衡误报与漏报，建议先采用默认值，再根据实际场景的光线、人员距离微调。区域覆盖要点｜监测区域应覆盖所有关键作业点位，避免出现监控死角，同时减少非作业区域的无效识别。告警联动测试｜验证报警后是否触发声光提醒、消息推送等联动机制，确保告警信息能触达管理人员。小任务2：新增监测配置流程步骤一：进入配置页并新增任务登录边缘服务器管理后台，在“配置”页面选中目标监控摄像头设备，在功能栏中点击“监测配置”选项，随后点击“新增”按钮启动任务创建流程。步骤二：选定类型并配置关键参数在监测类型下拉菜单中选择“未穿反光衣检测”，根据现场需求设置合理的监测间隔时长，确认优先级与检测灵敏度参数后，点击“保存”完成配置生效。关键提示：配置有效性核查保存后需在“监测任务列表”中确认任务状态为“正常可用”，同时测试不同场景下的识别准确率，若误报或漏报频发，需重新调整监测灵敏度与识别区域。自动化监测筑牢安全管理防线通过边缘侧配置未穿反光衣检测任务，实现了现场作业合规性的实时自动判定，无需人工值守即可捕捉违规行为，

让安全预警更及时、管理更高效，从技术层面保障作业人员的现场安全规范落地。小任务2：步骤2-配置算法参数步骤一：基础算法配置项设定点击系统“算法配置”入口，根据业务需求选择并设置告警级别（严重/普通/通知）、配置告警聚合频率数值，同时选定检测模式为标准模式或接入模式，完成基础框架搭建。步骤二：阈值调试与推流开启根据场景实测数据设定算法阈值（示例推荐0.5），精准把控告警灵敏度；务必开启“是否画框后推流”功能，确保告警事件触发时可同步采集带检测框的画面数据。核心价值：可视化告警赋能大屏展示“画框后推流”是实现告警可视化的关键，报警时平台自动推送带有AI检测框的现场截图，让监控大屏能直观呈现违规目标与事件细节，提升研判与处置效率。参数配置决定算法落地的精准度从告警阈值到推流设置，每一项参数的精细化调校，都是算法适应业务