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。