<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Zwsj2020的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/Zwsj2020</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; Zwsj2020]]></copyright><item><title><![CDATA[自训练跑哪四步：从 500 张图到能上线的模型]]></title><link>https://blog.csdn.net/Zwsj2020/article/details/170456138</link><guid>https://blog.csdn.net/Zwsj2020/article/details/170456138</guid><author>Zwsj2020</author><pubDate>Tue, 10 Nov 2026 20:17:10 +0800</pubDate><description><![CDATA[自训练非简单喂图，而是采集、标注、训练、下发四步闭环。需先明确判定规则，采集多场景样本；标注聚焦难例，规范文档化；训练强化数据增强，验证集按场景分离；下发支持版本回滚，灰度发布。任一环节偷懒，模型上线必掉点。真正瓶颈不在算法，而在流程不闭环。]]></description><category></category></item><item><title><![CDATA[对接煤矿人员定位系统的四种通道：数据库、JSON、MQ、WebSocket怎么选]]></title><link>https://blog.csdn.net/Zwsj2020/article/details/170343264</link><guid>https://blog.csdn.net/Zwsj2020/article/details/170343264</guid><author>Zwsj2020</author><pubDate>Mon, 09 Nov 2026 11:13:37 +0800</pubDate><description><![CDATA[电子封条2.0要求井口AI人数与人员定位系统比对，差超10人报警。真正的卡点是数据怎么取，本文按数据库、JSON接口、消息队列、网页订阅四条通道拆解选型逻辑与踩坑点。]]></description><category></category></item><item><title><![CDATA[用向量库做视频结构化检索：以图搜图的工程实现]]></title><link>https://blog.csdn.net/Zwsj2020/article/details/170274786</link><guid>https://blog.csdn.net/Zwsj2020/article/details/170274786</guid><author>Zwsj2020</author><pubDate>Sun, 08 Nov 2026 07:53:09 +0800</pubDate><description><![CDATA[从检测跟踪到向量入库，讲清视频结构化检索的工程实现：按点位分片索引、时间窗过滤后再做向量相似度，并用样本校准阈值。]]></description><category></category></item><item><title><![CDATA[INT8量化之后，检测模型精度掉了多少？边缘设备实测记录]]></title><link>https://blog.csdn.net/Zwsj2020/article/details/170228304</link><guid>https://blog.csdn.net/Zwsj2020/article/details/170228304</guid><author>Zwsj2020</author><pubDate>Sat, 07 Nov 2026 07:49:39 +0800</pubDate><description><![CDATA[量化后置信度分布变窄，原来卡 0.5 阈值的样本有一批掉到 0.45 附近，靠调阈值补偿会同时抬高误报。测试对象：一个 640×640 输入的单类检测模型（安全帽），原模型 FP32，部署在带 INT8 NPU 的边缘盒子上。校准集用现场抓的 500 张图，覆盖白天、夜间、逆光、粉尘四种条件。检测头（head）对量化最敏感，把最后两层保留 FP16，主干走 INT8，精度能回到 0.833，速度损失约 8%。FP32 的 YOLO 类检测模型在服务器上跑得好好的，挪到盒子上不量化，帧率直接掉到个位数。]]></description><category></category></item><item><title><![CDATA[边缘端多路视频推理的线程调度与内存优化实践]]></title><link>https://blog.csdn.net/Zwsj2020/article/details/170180360</link><guid>https://blog.csdn.net/Zwsj2020/article/details/170180360</guid><author>Zwsj2020</author><pubDate>Fri, 06 Nov 2026 08:13:59 +0800</pubDate><description><![CDATA[边缘设备跑多路视频推理，稳定性比精度更重要。本文分享线程模型分层、推理批处理、内存池化、超时降级与可观测性五项实践，8路1080P可长期稳定运行，告警延迟1秒内。]]></description><category></category></item><item><title><![CDATA[边缘端视频质量诊断实现：黑屏、模糊、偏色如何自动识别]]></title><link>https://blog.csdn.net/Zwsj2020/article/details/170033691</link><guid>https://blog.csdn.net/Zwsj2020/article/details/170033691</guid><author>Zwsj2020</author><pubDate>Wed, 04 Nov 2026 10:55:52 +0800</pubDate><description><![CDATA[整体思路：在边缘节点对每路视频周期性抽帧，跑一组轻量检测任务：①黑屏/无信号——统计图像亮度均值与方差，均值和方差同时接近0判定为黑屏；③偏色——统计RGB通道均值偏差，偏差过大判定偏色；工程实现要点：检测任务要轻量化，建议用MobileNet类主干+共享Backbone，多路视频并行跑；视频监控点位一多，“摄像头坏了没人知道”就是大问题——黑屏、模糊、偏色、遮挡，往往等巡检才发现。部署建议：视频质量诊断作为基础算法常驻盒子，与业务算法（烟火、安全帽等）并行，不占过多算力。]]></description><category></category></item><item><title><![CDATA[自训练平台实战：数据回流让检测算法越用越准]]></title><link>https://blog.csdn.net/Zwsj2020/article/details/169548543</link><guid>https://blog.csdn.net/Zwsj2020/article/details/169548543</guid><author>Zwsj2020</author><pubDate>Fri, 30 Oct 2026 11:47:09 +0800</pubDate><description><![CDATA[闭环流程：现场采集异常样本 → 云端标注 → 增量训练 → 模型下发 → 边缘端热更新，全程业务不中断。二是训练版本管理，每次下发记录模型版本号，支持一键回滚，避免新模型反而退化；三是热更新验证，下发后用灰度通道在1-2路视频上试跑，观察误报率下降后再全量。实测效果：皮带坐人算法经过两轮数据回流，误报率从最初的每周80多次降到10次以内，识别置信度明显提升。这套方案对工程商特别友好：不用懂训练细节，采集数据、勾选样本、触发训练即可，模型自动迭代。边缘端检测算法上线后，最大的痛点是“场景变了算法跟不上”。]]></description><category></category></item><item><title><![CDATA[边缘端行为识别部署实战：AI算法分析盒子落地皮带场景]]></title><link>https://blog.csdn.net/Zwsj2020/article/details/169248392</link><guid>https://blog.csdn.net/Zwsj2020/article/details/169248392</guid><author>Zwsj2020</author><pubDate>Tue, 27 Oct 2026 10:52:34 +0800</pubDate><description><![CDATA[AI算法分析盒子在边缘端完成全部推理：本地运行行为识别模型，500ms内输出告警，断电断网本地留证，兼顾识别率与实时性。部署上，盒子利旧接入既有摄像机，免去前端更换与机房建设，一套盒子支持跑偏、堆煤、坐人、空岗等多类检测项。煤矿皮带运输场景的行为识别部署，关键在算力与功耗的平衡。AI算法分析盒子在边缘端完成全部推理：本地运行行为识别模型，500ms内输出告警，断电断网本地留证，兼顾识别率与实时性。部署上，盒子利旧接入既有摄像机，免去前端更换与机房建设，一套盒子支持跑偏、堆煤、坐人、空岗等多类检测项。]]></description><category></category></item><item><title><![CDATA[模型仓库化部署实战：AI算法分析盒子的多路视频推理调度与热更新]]></title><link>https://blog.csdn.net/Zwsj2020/article/details/169153983</link><guid>https://blog.csdn.net/Zwsj2020/article/details/169153983</guid><author>Zwsj2020</author><pubDate>Mon, 26 Oct 2026 12:27:29 +0800</pubDate><description><![CDATA[架构上采用"推理引擎+模型仓库"：模型以版本化包形式存放，按点位配置下发；实测4路1080P×3模型并发，单路首帧延迟小于120ms。热更新链路：模型包校验→灰度加载→原子切换，全程不断流。自训练平台产出的模型可一键导入仓库，实现"按矿场定制"。边缘AI设备的工程化难点，不在单模型精度，而在多路视频、多模型并发时的调度与迭代。本文以AI算法分析盒子为例，记录一套模型仓库化部署方案。调度优化要点：帧采样率按场景自适应（静止场景抽帧率降低），报警事件带时间戳与截图入库，保证证据链完整。]]></description><category></category></item><item><title><![CDATA[煤矿安全监控数据造假识别：时序异常检测与AI视频交叉核验工程实践]]></title><link>https://blog.csdn.net/Zwsj2020/article/details/168974890</link><guid>https://blog.csdn.net/Zwsj2020/article/details/168974890</guid><author>Zwsj2020</author><pubDate>Sat, 24 Oct 2026 17:11:41 +0800</pubDate><description><![CDATA[矿山安全监控数据造假是监管顽疾：曲线恒值、断点补齐、传感器离线后补记等手法层出不穷。对瓦斯、一氧化碳、风速等监控曲线做特征工程：计算长时间方差趋零、阶跃突变、断点补插等异常指标，配合孤立森林/滑动窗口统计检验，识别"曲线过于平滑"的造假特征。AI视频监控对采掘面、转载点进行作业状态识别（是否有人、是否在产煤），与生产数据比对：画面显示停产而产量曲线上升，即触发"数据与现场不符"预警。中伟视界AI算法分析盒子支持多路视频汇聚推理，行为识别+目标检测模型仓库化部署，配合算法仓库与自训练平台可快速补充新检测项。]]></description><category></category></item><item><title><![CDATA[煤矿井下AI行为识别工程实践：从模型部署到误报抑制的调优记录]]></title><link>https://blog.csdn.net/Zwsj2020/article/details/168558880</link><guid>https://blog.csdn.net/Zwsj2020/article/details/168558880</guid><author>Zwsj2020</author><pubDate>Tue, 20 Oct 2026 19:19:03 +0800</pubDate><description><![CDATA[一、模型选型与部署。检测类任务用YOLOv5s/v8n这类轻量模型，输入640×640，TensorRT或ONNX Runtime量化部署到边缘算力盒（如AI算法分析盒子），单路推理控制在20ms内；行为类（睡岗、离岗）加时序判定，滑动窗口N帧确认。三、误报抑制三板斧：帧级置信度阈值（如0.5）+时序确认（连续5帧命中）+事件冷却（报警后30秒内不重复报警）。多场景算法统一管理，矿方可用自训练平台增量标注、迭代，模型热更新不重启服务。以真实违章事件召回率与误报率为准，建议先小范围试点7天，再全矿铺开。]]></description><category></category></item><item><title><![CDATA[行为识别算法在矿区场景的工程化调优：误报抑制与场景适配实践]]></title><link>https://blog.csdn.net/Zwsj2020/article/details/168246842</link><guid>https://blog.csdn.net/Zwsj2020/article/details/168246842</guid><author>Zwsj2020</author><pubDate>Sat, 17 Oct 2026 17:18:11 +0800</pubDate><description><![CDATA[矿安84号文把"智能巡视"推上日程，行为识别算法能否在矿区复杂场景稳定运行，是工程落地的关键。本文分享基于边缘AI盒子的行为识别工程化调优实践。]]></description><category></category></item><item><title><![CDATA[边缘AI目标检测在矿区场景的工程化部署：量化、裁剪与推理优化]]></title><link>https://blog.csdn.net/Zwsj2020/article/details/167880612</link><guid>https://blog.csdn.net/Zwsj2020/article/details/167880612</guid><author>Zwsj2020</author><pubDate>Wed, 14 Oct 2026 08:48:32 +0800</pubDate><description><![CDATA[边缘AI目标检测在矿区场景部署的三个工程要点：INT8量化、结构化剪枝与流水线异步推理。结合AI算法分析盒子与布控球的实战经验，给出检测率与误报率平衡建议。欢迎留言交流。]]></description><category></category></item><item><title><![CDATA[模型量化与边缘推理优化：AI视频监控算法部署实践]]></title><link>https://blog.csdn.net/Zwsj2020/article/details/167759512</link><guid>https://blog.csdn.net/Zwsj2020/article/details/167759512</guid><author>Zwsj2020</author><pubDate>Tue, 13 Oct 2026 07:40:10 +0800</pubDate><description><![CDATA[目标检测模型量化部署到边缘设备的关键实践：FP16转INT8量化加速、部署参数调优、配合自训练平台持续迭代，记录量化部署调优三步落地流程与关键参数。]]></description><category></category></item><item><title><![CDATA[矿山化工AI视频监控的感知数据接入实践：GB28181对接与平台注册]]></title><link>https://blog.csdn.net/Zwsj2020/article/details/167676507</link><guid>https://blog.csdn.net/Zwsj2020/article/details/167676507</guid><author>Zwsj2020</author><pubDate>Mon, 12 Oct 2026 11:07:12 +0800</pubDate><description><![CDATA[做矿山/化工AI视频监控项目，感知数据接入是绕不开的一环。结合GB/T 4848-2026对储存单元感知数据接入的要求，整理一份GB28181对接与平台注册实践笔记。前端摄像机/布控球（GB28181信令+媒体）→ 边缘算法盒子（RTSP取流+AI识别）→ 平台侧（报警事件+结构化数据）→ 监管平台（感知数据上报）。#矿山安全 #AI监控 #GB28181 #边缘计算 #安全生产 #视频监控。模型置信度阈值分级降低误报，报警去重窗口减少重复推送。]]></description><category></category></item><item><title><![CDATA[边缘AI反“三违”落地实践：行为识别算法选型与部署调优]]></title><link>https://blog.csdn.net/Zwsj2020/article/details/167571237</link><guid>https://blog.csdn.net/Zwsj2020/article/details/167571237</guid><author>Zwsj2020</author><pubDate>Sun, 11 Oct 2026 10:47:09 +0800</pubDate><description><![CDATA[反三违场景下边缘AI行为识别的算法选型与部署调优实践：目标检测+行为识别组合方案、INT8量化本地推理、误报率压降三板斧与一周验收方法。]]></description><category></category></item><item><title><![CDATA[AI视频监控矿山落地实践：从算法部署到误报调优全流程]]></title><link>https://blog.csdn.net/Zwsj2020/article/details/167379178</link><guid>https://blog.csdn.net/Zwsj2020/article/details/167379178</guid><author>Zwsj2020</author><pubDate>Fri, 09 Oct 2026 12:20:45 +0800</pubDate><description><![CDATA[从算法部署到误报调优，梳理AI视频监控在矿山的完整落地链路：模型选型量化、夜间场景适配、告警闭环与运维要点，为边缘AI工程实践提供参考。]]></description><category></category></item><item><title><![CDATA[化工检维修作业新规落地：动火、受限空间AI视频监护怎么配？]]></title><link>https://blog.csdn.net/Zwsj2020/article/details/167258993</link><guid>https://blog.csdn.net/Zwsj2020/article/details/167258993</guid><author>Zwsj2020</author><pubDate>Thu, 08 Oct 2026 09:05:32 +0800</pubDate><description><![CDATA[装在现场的AI布控球，就是给特殊作业配上"AI安全员"：免布线、即装即用，AI算法内置在设备里，动火作业人员识别、无证动火报警、违规闯入提醒、监护脱岗预警自动完成，视频证据自动留存，对照作业票审批要求一目了然，GB28181标准协议还能对接企业存量监控平台和监管系统。化工检维修作业新规陆续落地，动火、受限空间、高处作业等特殊作业的审批、监护要求进一步收紧：作业现场必须专人监护、全程留痕，监护缺失或流于形式将直接追责。#化工安全 #AI布控球 #边缘AI #动火作业 #受限空间 #视频监控。]]></description><category></category></item><item><title><![CDATA[矿山安全监管再加码：23种违章行为AI监测预警，现场怎么落地？]]></title><link>https://blog.csdn.net/Zwsj2020/article/details/167227195</link><guid>https://blog.csdn.net/Zwsj2020/article/details/167227195</guid><author>Zwsj2020</author><pubDate>Thu, 08 Oct 2026 01:13:26 +0800</pubDate><description><![CDATA[矿山安全监管迈入“AI+视频”新阶段，多地明确对23类违规行为实施AI实时预警。通过部署免布线、即装即用的AI布控球，实现无证上岗、空岗睡岗、违规闯入等行为自动识别与报警，视频证据留存可查。井下及易燃易爆区域采用防爆设计，支持GB28181协议对接，助力智慧矿山建设。以“无视频不作业、隐患即事故”为标准，推动安全管理从人盯向智能防控升级。]]></description><category></category></item><item><title><![CDATA[AQ 3067新规：隐患判定20条扩至53条，化工企业怎么自查？]]></title><link>https://blog.csdn.net/Zwsj2020/article/details/167176808</link><guid>https://blog.csdn.net/Zwsj2020/article/details/167176808</guid><author>Zwsj2020</author><pubDate>Tue, 06 Oct 2026 20:21:59 +0800</pubDate><description><![CDATA[9月30日起，新修订的《化工和危险化学品企业重大事故隐患判定准则》（AQ3067-2026）施行，隐患判定项由20条增至53条，聚焦特殊作业安全。AI布控球作为“电子哨兵”，实现无证动火、违规闯入、空岗睡岗等行为的智能识别与秒级预警，结合气体监测功能，助力企业精准自查，提升安全监管效率。]]></description><category></category></item></channel></rss>