电力仓库
采用基于多维信息融合的智能风险识别的技术，对工作人员的非安全操作和非规范作业进行识别并报警，对有可能发生的危险行为将提前预测并产生预警提示。建立电力仓库多维安全管控模型，对重点作业区域进行重点分析，实现对电力仓库的全方面安全管控。
行业痛点
安全操作要求高
库房现代化建设不断推进，无人仓储技术不断发展，但库房内仍存在小部分运维人员，对其人身安全及操作安全等需要有更高的要求。
库房管理范围大
库房管理范围大，管理人员难以对每个安全隐患做出实时预警。
安全隐患追溯手段少
安全隐患问题追溯手段较少，在事故发生后无法进行现场问题还原。
巡检难度大
安全管理巡检难度大，人工巡查无法实现24小时不间断监控库房。
库房内环境复杂
库房内环境复杂，遮挡等情况随时发生，对算法识别要求高。
安全操作要求高
库房现代化建设不断推进，无人仓储技术不断发展，但库房内仍存在小部分运维人员，对其人身安全及操作安全等需要有更高的要求。
库房管理范围大
库房管理范围大，管理人员难以对每个安全隐患做出实时预警。
安全隐患追溯手段少
安全隐患问题追溯手段较少，在事故发生后无法进行现场问题还原。
巡检难度大
安全管理巡检难度大，人工巡查无法实现24小时不间断监控库房。
库房内环境复杂
库房内环境复杂，遮挡等情况随时发生，对算法识别要求高。
核心功能
对现场仓库进行BIM建模，将算法识别结果进行BIM模型构件关联，将报警信息由现场图片与文字转化为更直观的BIM模型定位显示，有利于管理人员更快捷定位问题发生点。
仓库工作管理，根据仓库工作流建立一系列对应管理功能，如仓内设备管理、人员定位管理、数字会议室管理、电子文件柜管理、无人仓库管理与班前教育管理。
仓库安全隐患算法模型构建，利用大量现场监控视频为数据基础，采用基于YOLO-v4的目标识别技术以及基于ResNet-50的目标分类技术进行图像检测与图像分类。
应用场景
实验室
生产工厂
工业园区
各类型仓库
核心价值
电力仓库系统的建立，提高了电力仓库的设备管理效率，满足对不同作业区域的安全管控的要求，能够快速准确的完成对各种非安全操作的行为的报警，有效地增强工作人同的风险防范意识，从而提高整个仓库安全保障等级。