捕捉起火初期,而非已成災的房間
有價值的信號是一縷火焰或稀薄煙羽,而不是已被煙霧充滿的房間。
定製開發機構 — 應用人工智能、網頁與移動端
計算機視覺 · 邊緣 AI
部署在既有監控上的多類別視覺智能體:在畫面內定位火焰、煙霧與滅火器,讓營運端在頂棚探頭觸發前看到火源。
3
檢測類別
13
評估場景類型
8
光照 / 天氣工況
0
新增攝像頭
智能體看到什麼
檢測器評估畫面。一個檢測頭、三個類別、實例框——不是場景級的「有火 / 無火」。值班人員收到的是同一套載荷:攝像頭編號、UTC 時間、片段與分類區域。
GSD CAM 01 · 入口
夜間紅外
院落攝像頭
白晝巷道
室內 · 廚房
公共室內
卸貨門 · 周界
陰天野外
CAM 04 · 杆 1
工業巷道
加油島 · 黃昏
油站、低光
CAM 04 · 街道
雨夜
裝卸場
霧 / 霾
巷道 · 02:14
雪夜
CAM 04 · 油站北
白晝油站
林地 · 黃昏
低光戶外
倉庫 · 卸貨區
室內工業、低光

問題
在林地電線杆、加油島、廚房桌面或高挑巷道,火情往往從一小簇火焰或稀薄煙羽開始,距離最近的頂棚探頭常有數米。煙霧需上升並達到觸發濃度,警報才會響起。 同一資產上的攝像頭,在起火當秒就能看到第一簇火光,但沒有人實時盯著畫面。

工程難點
有價值的信號是一縷火焰或稀薄煙羽,而不是已被煙霧充滿的房間。
場景級的「有火」不夠。告警必須指向火源、煙羽與最近滅火器。
夜間紅外、雨、雪與霧霾。顏色和大氣都在説謊時,三個類別仍須成立。
攝像頭編號、UTC 時間、短視頻與分類框送達既有渠道。沒有證據的檢測器會被關掉。
我們交付的架構
01
接入場地既有攝像頭(RTSP / ONVIF),將不同廠商畫面(含夜間紅外流)歸一化,使同一套智能體運行時覆蓋整個系統。
02
針對早期火焰與煙羽特徵訓練的智能體持續監看視頻流。檢測不等待煙霧到達頂棚探頭,推理留在現場既有算力上。
03
一旦確認,系統寫入攝像頭編號、位置、UTC 時間、短視頻與實例框(類別 + 區域)。這份載荷既是營運信號,也是證據記錄。
04
適配器將事件推送到營運團隊已在使用的頻道,並同步寫入存證,供事後保險或檢查完整回溯攝像頭所見的火情信號。
技術棧
多類別檢測器
火焰、煙霧、滅火器實例
邊緣推理
現場 GPU / 既有算力
視頻接入
RTSP / ONVIF 混雜系統
事件結構
攝像頭、UTC、片段、分類框
頻道適配器
Slack、WhatsApp、Telegram、Webhook
證據存儲
帶時間戳的片段與審計軌跡
系統畫像
下列數字來自發貨設計與已評估場景集,不是實驗室 mAP 卡片。它們描述智能體在真實監控上必須做到的事。

3
每幀類別
火焰、煙霧、滅火器作為獨立實例頭。加油島一幀可以同時有一個火焰框、一道煙羽和三具滅火器。

13
場景類型
林地電杆、夜間入口紅外、磚牆院落、室內廚房、倉庫門、加油站黃昏/白晝、雨、霧與雪。

8
工況
白晝、黃昏、夜間紅外(無 RGB)、雨、雪、霧/霾、室內與營業中的油站。顏色不是必要線索。

多框
實例輸出
同一資產上每類可有多個框——櫃門縫、地面與牆上的器材——而不是單一場景標籤。

<60秒
視覺路徑
相對頂棚探頭的設計目標:第一簇可見火焰或煙羽,而不是等待煙霧到達。同一事故上警報滯後通常是分鐘級。

邊緣
推理位置
檢測留在現場已有算力上。不新增攝像頭,不為每條巷道裝專用火情探頭,也不為做決定繞一次雲端。

5 字段
事件載荷
camera_id、場地位置、UTC 時間戳、片段 URI、detections[{class, box}]。足夠進 Slack,也足夠給保險公司事後查閲。

雙路徑
傳感器類別
與認證警報並行。警報不被替換。攝像系統成為第二條、更快的路徑。
結果

秒級
對比分鐘級
視覺路徑在第一縷可見煙羽或火焰出現時即觸發,而頂棚探頭仍在等待煙霧到達。

三類
定位告警
值班人員收到的是火源、煙羽與最近滅火器——不是原始視頻,也不是二元的「可能有火」。

零
新增攝像頭
部署建立在場地已經投入的基礎設施上。無需為每條巷道採購專用火情攝像頭,也無需替換警報。
我們的觀點
攝像頭本來就是傳感器,缺的是把它們當作傳感器來用的軟件:持續運行、部署在邊緣,並且嚴謹到營運團隊敢於信任信號。這才是我們交付的應用人工智能——不是乾淨視頻上的演示,而是必須與認證警報並存、並在凌晨 02:47 仍然有用的第二類傳感器。
實時
持續監測
邊緣 AI
本地、快速、可靠
認證警報
可執行且可信
