在电力生产领域，安全生产是企业发展的基石。大唐黑龙江发电有限公司哈尔滨第一热电厂在数字化转型过程中，面临着传统管理方式带来的诸多挑战，迫切需要创新技术来提升安全生产水平。 传统的监管模式下，电厂视频监控虽有一定覆盖，但关键区域存在盲区，对视频图像缺乏深度分析，大量数据未得到有效利用。在人员安全管理上，人工监管难以实时掌握人员位置、行为及安全用品佩戴情况，效率低下且易出现监管漏洞。对于一些重要设备，其运行故障隐蔽性强，人工巡检的漏检、错检问题突出，严重影响电厂的稳定运行。 为解决这些难题，该热电厂开展多模态AI感知火电安全管理中枢研究。在技术实现过程中，面临着复杂环境下图像识别精度、多源数据融合处理以及系统稳定性等挑战。例如，电厂环境光线复杂、设备运行干扰多，要实现高精度的人员和设备识别难度极大；同时，将视频数据、设备数据等多源信息融合并进行有效分析，对算法和系统架构设计提出了很高要求。 该成果在技术上具有显著的先进性。运用先进的深度学习算法，结合高性能硬件设备，大幅提升图像识别精度，即使在复杂环境下也能准确识别人员和设备状态。同时，利用 5G 网络实现数据的高速传输，保障系统的实时响应能力。创新性方面，构建了全方位的智能管控体系。在人员管理上，人员违章智能检测系统不仅能检测常见的违章行为，还可根据作业场景进行风险自动分级，实现精准监管；现场人员分区管理统计系统利用多特征识别技术，精准统计人员数量并实现分区管控。在设备管理方面，智能故障识别系统综合运用视觉、声音分析技术，结合红外测温装置，实现对设备多维度监测和智能控制，提前预警故障隐患。 成果的可推广性良好。系统采用模块化设计，各功能模块可根据不同电厂的规模、生产流程和管理需求进行灵活配置和扩展。无论是新建电厂还是已有电厂的升级改造，都能快速适配并应用。 经济社会效益显著。经济效益上，减少人工巡检成本，降低设备维修费用，避免因设备故障导致的生产中断损失。例如，关键设备智能故障识别系统提前发现并处理故障，每年可为企业减少大量维修和停产损失。社会效益方面，极大提升了安全生产水平，保障员工生命安全，减少对周边环境的潜在影响，助力企业履行社会责任。