概述
部分业务场景可提供的异常、缺陷样本数量较少,在有较多正常状态样本,较少异常样本, 且异常样式不固定(如设备外观缺陷)的情况下,满足小样本异常检测的需求。
需求详情
公司致力于三维视觉技术的场景实时建模技术研究、人员无感定位跟踪及行为识别管控研究。针对电力生产安全管控痛点及需求,通过融合三维实时重建和知识推理,使算法支撑现场管控业务需求;利用云边协同计算、模型压缩、融合,显著降低了边端计算量,解决了“AI 视觉”+ 电力行业缺乏业务属性、开放式场景算法准确度不高与AI视觉算力需求过高的问题。现部分业务场景可提供的异常、缺陷样本数量较少,在有较多正常状态样本,较少异常样本, 且异常样式不固定(如设备外观缺陷)的情况下,满足小样本异常检测的需求。
技术参数
在业务场景中有较多正常状态样本,较少异常样本, 且异常样式不固定(如设备外观缺陷)的情况下,满足小样本异常检测的需求。目前突出表现在电力、电厂、石油石化、采矿业、危化品运输等行业中。
项目预期
该需求的解决可以提升算法的准确性,可广泛的提升电力、电厂、石油石化、采矿业、危化品运输等各种危险作业场景的安全行为管控有效性, 实时发现并预警各种危险因素,大幅降低危险事故的发生。