安全生产视觉 AI：叠加现有摄像头，实现看见、判断、行动、留证

2026.11.04 · 约 1268 字 · 阅读 3 分钟 · 作者马振源（Miles Ma）

简要回答

安全生产视觉 AI 的思路是：在现有摄像头和录像机之上叠加一层智能，不改前端硬件，形成“看见→判断→行动→留证”的闭环。边缘设备实时识别叉车超速、超高、危险区域闯入、未戴安全帽等风险，中心大模型对告警做复核以降低误报；确认后通过声光、投影现场提醒并推送责任人，全过程存档形成证据链。

现状：摄像头很多，看的人很少

工厂、仓库、园区通常装了大量摄像头，但大多只用于事后调取录像。值班人员不可能同时盯住几十上百路画面，风险往往发生了才被发现。

2021 年修订的《中华人民共和国安全生产法》（自 2021 年 9 月 1 日起施行）要求生产经营单位构建安全风险分级管控和隐患排查治理双重预防机制，并规定不得关闭、破坏直接关系生产安全的监控、报警等设备和设施，也不得篡改、隐瞒、销毁其相关数据和信息。视觉 AI 可以作为隐患发现和处置的辅助手段，帮助企业把“有监控”变成“有人管”。

闭环：看见、判断、行动、留证

看见：叠加现有摄像头

接入企业现有的摄像头和录像机视频流，不更换前端硬件。这降低了改造成本，也避免了施工对生产的影响。

判断：边缘识别加中心复核

边缘识别：部署在现场的边缘设备运行目标检测等视觉模型，实时识别典型风险，例如叉车超速、超高、危险区域闯入、未戴安全帽。目标检测是计算机视觉的经典任务，开源生态中有成熟的模型和工具。
中心复核：边缘模型追求速度，难免有误报。可疑告警送到中心服务器，由视觉大模型结合上下文复核，降低误报，避免“狼来了”导致现场人员忽视告警。

行动：现场提醒与责任人推送

确认的风险通过声光报警、地面投影等方式现场提醒，同时推送到责任人的企业微信或飞书，附截图、位置和时间。见《把企业 AI 接入企业微信、飞书和钉钉》。

留证：证据链与驾驶舱

每一次告警的画面、识别结果、复核结论、处置记录都存档，形成可追溯的证据链；管理驾驶舱按区域、类型、时段统计，帮助安全管理人员发现高风险环节，持续改进。

部署方式

采用边缘设备加中心服务器的架构，整体私有化部署，视频数据不出厂区。边缘侧负责实时性，中心侧负责复核、存档和统计。需要时还可以扩展到巡检机器人等移动终端。见《大模型私有化部署》。

延伸：火灾识别与调查辅助

视觉 AI 也可以用于火灾等事故的早期识别，并在事后辅助调查：整理现场视频、时间线和相关记录，生成调查材料初稿。但要特别强调：调查报告必须由调查人员确认，AI 不下结论。AI 的角色是减少整理资料的时间，而不是替代专业判断。原因见《大模型为什么会幻觉》。

落地时要注意什么

问题	建议
识别哪些风险	从发生频率高、后果严重、画面特征明确的场景开始
误报怎么办	边缘识别加中心复核，并持续用现场样本调优
漏报怎么办	视觉 AI 是辅助手段，不替代原有的安全管理制度和人员巡检
摄像头角度不合适	先评估现有点位覆盖情况，必要时少量调整点位
员工隐私	明确告知监控范围和用途，按规定管理视频数据的访问和保存
效果怎么衡量	用现场样本建立评测集，分别统计误报率和漏报率

制造业里与安全生产相邻的设备、质量和 EHS 场景，可以对照《制造业 FDE 全景痛点地图》继续展开。

常见问题

必须更换摄像头吗？

一般不需要。系统叠加在现有摄像头和录像机之上，前提是画面清晰度和点位能够满足识别需要，项目开始前应做现场评估。

晚上或光线不好时能识别吗？

取决于摄像头的成像条件。夜间和逆光等场景的效果需要用现场样本实测，不能一概而论。

AI 识别结果能作为处罚依据吗？

建议把 AI 识别作为发现和提醒的手段，处罚等管理决定应由人依据完整的证据和企业制度做出。