一、项目概况

行业痛点与研究空白

当前工业安全视觉识别领域在架构、算法与边缘计算三个维度存在系统性空白：

架构层面：主流方案普遍采用"摄像头采集+云端服务器推理"的中心化架构，强依赖现场网络链路，存在传输延迟高、断网即失效、数据出域安全风险等固有缺陷，面向电力作业等强电磁干扰、弱网/无网场景的"AR+移动端离线识别"分布式架构尚属研究空白。

算法层面：现有目标检测模型多针对安全帽、反光衣等通用防护装备进行训练优化，对电力行业专用的防电弧面罩、阻燃防护服、绝缘手套等装备的特征适配研究严重不足；同时，手套等小目标尺度差异大、作业过程中频繁被手部动作与工具遮挡，导致漏检率与误检率居高不下。

边缘计算应用层面：移动端边缘推理在工业视觉领域的工程化落地仍处于探索阶段，缺乏从模型量化压缩、硬件加速编解码到端侧实时告警链路的系统化理论与工程实践支撑。

系统方案概述

针对上述痛点，舜通云自主研发了一套端侧离线式AR智能安全监控系统。系统采用"工业AR眼镜+安卓智能手机"双端协同硬件架构，全程无需云端服务器、不依赖现场公网，融合硬件编解码、无线稳定传输、轻量化YOLOv8目标检测、时序滤波告警、本地存储等多项自研技术。

系统可实时识别绝缘面罩、阻燃防护服、绝缘手套、护目镜等6类电力专用防护装备的佩戴状态，精准区分装备缺失、合规佩戴、佩戴不规范等多种工况；通过多帧连续判定算法抑制瞬时误检，实现分级语音实时预警，为电力现场作业提供全天候、全场景的智能化安全监护。

二、系统功能介绍

自研轻量化图像标注工具

通用开源标注工具缺少电力场景专属适配，批量处理与状态分类效率低下。为此舜通云自主研发轻量化图像标注工具，专门适配防护装备多状态识别数据集制作，核心功能如下：

1. 批量图像导入与分类管理：支持一次性导入上万张实拍与合成图像，自动分类归档；提供图片批量筛选、删除、重命名功能，简化数据集全生命周期管理流程。

2. 多状态分层标注体系：内置预设标签库，覆盖6类防护装备与3种佩戴状态，无需手动输入标签名称，一键切换标注类别；支持矩形标注框快速拖拽与像素级微调，提升标注效率与一致性。

3. 复杂图像增强辅助标注：针对暗光、粉尘、逆光模糊图像，提供亮度、对比度一键调节功能，放大图像细节，降低遮挡场景下的标注误差，提升数据集标注精度。

4. 批量数据校验与清洗：自动识别无标注空白图片、过小标注框、重复图像，批量剔除无效样本；自动校验标注坐标边界，减少人工复核工作量。

5. 一键导出YOLO标准格式：标注完成后直接生成模型训练所需TXT标签文件，同步按比例划分训练集、验证集、测试集，省去格式转换与数据集拆分步骤，数据集制作效率提升60%。

依托自研标注工具，项目累计完成两万余张电力场景图像标注，构建专属训练数据集，为AI识别模型的高精度检测奠定数据基础。

AR眼镜高清采集与低时延无线传输

AR眼镜搭载高清摄像头，实时输出YUV原始图像；内置硬件编码模块，以固定2Mbps码率进行视频压缩，大幅降低传输带宽占用。

系统采用蓝牙统一传输架构，眼镜端内置硬件编码模块以固定码率压缩视频，确保码流适配蓝牙传输带宽；配套心跳保活机制，每秒发送校验数据包，连续3次无应答自动触发重连流程，有效适配变电站强电磁干扰环境下的通信稳定性需求。

眼镜内置语音播放模块，可根据现场噪音自适应调节音量，支持一级紧急告警与二级提醒告警两类离线语音播报。

移动端硬解码与实时画面渲染

手机端通过Android Media Codec硬件解码器解析视频流，硬件级解码不占用CPU算力，将计算资源充分释放给AI推理模块。

解码后RGB图像送入独立线程渲染，刷新间隔稳定输出30fps画面；图像自动等比例居中适配手机屏幕，支持全屏显示，画面无撕裂、无卡顿，实时还原现场作业画面，为AI视觉检测提供标准化、低延迟的图像数据源。

轻量化YOLO离线AI识别

基于自研电力标注数据集训练优化YOLOv8轻量化模型。推理前将图像统一预处理为640×640标准尺寸，拆分RGB通道生成模型专用字节缓冲区，减少推理过程中的数据格式转换开销。

模型输出[1,10,8400]三维检测张量，包含4个边界框坐标与6类装备置信度。后端设置置信度阈值过滤无效目标，采用快速NMS（非极大值抑制）算法去除重叠冗余检测框，精准区分各类防护装备的佩戴合规状态，实现端侧实时、离线的AI视觉检测。

 多帧时序滤波低误报智能告警

现场粉尘、瞬时遮挡、镜头模糊等因素易造成单帧瞬时误检。为此系统采用连续3帧判定时序滤波机制：为每一类防护装备独立配置异常计数器，单帧偶然异常直接清零计数，仅当同一异常连续检测3帧时，方判定为真实安全隐患并触发语音告警，从算法层面大幅降低系统误报率。

系统划分两级差异化告警规则：

一级紧急告警：装备完全缺失等严重违规行为；

二级提醒告警：装备佩戴歪斜、不规范等轻度违规行为。

同时设置3秒告警抑制策略，避免同一隐患持续重复播报干扰作业人员，兼顾告警及时性与作业体验。

本地离线存储与联网自动同步

整套系统全程离线运行，所有视频流、检测数据、人员作业信息均加密存储在本地终端，杜绝数据出域安全风险。待现场作业完毕后，可在局域网环境下将数据同步上传至管理平台；管理平台永久保存所有检测数据与结果，支持后续安全审计、违规统计、作业行为分析等深度应用。

三、总结

本项目基于舜通云平台构建数据 — 工具 — 模型 — 系统 — 验证闭环工程化研发体系，针对电力作业防护装备识别场景，通过现场实拍结合仿真补全方式搭建全工况专属数据集，自研轻量化标注工具实现数据标准化处理；基于 YOLOv8 优化小目标检测能力，经量化压缩完成模型轻量化适配移动端；配套完成 AR 眼镜与手机端软硬件一体化开发及抗干扰通信方案搭建，依托现场试点持续迭代优化关键性能指标，最终形成一套可追溯、可迭代、可规模化落地的电力防护智能检测成套解决方案。