项目介绍
围绕工业厂站的安全监控、设备巡检、仪表采集和燃气工程设计，研发计算机视觉应用，将监控视频与现场图像转化为风险告警、缺陷位置、仪表读数和设计模型。
业务应用覆盖生产安全、储罐及管道检测、视觉读表和草图转 CAD/BIM 四类场景。另以 Severstal 公开数据集完成钢板表面缺陷分割实验，展示数据处理、模型训练、效果评估与推理服务开发过程。
个人职责
- 场景分析与方案设计： 梳理现场问题、采集条件和结果使用方式，结合传统图像处理、目标检测、OCR 与图像分割设计算法方案。
- 数据与模型研发： 负责数据采集与标注、模型选型、训练和效果评估，检查识别结果与标注质量。
- 推理与系统集成： 开发推理服务，将类别、位置、读数和置信度等结果整理为结构化数据，接入设计、巡检和告警业务。
1. 生产安全检测
工业厂站需要持续关注人员行为、防护用品佩戴和火焰烟雾等异常，人工查看监控难以覆盖所有时段与区域。
结合目标检测、视频流处理与区域判断，识别人员跌倒、区域闯入、安全帽、安全马甲、防护面罩佩戴及火焰烟雾等事件。生成包含时间、区域、截图和置信度的告警记录，辅助安全人员复核、处置与追溯。
2. 储罐及管道表面缺陷检测
储罐、管道及高处设备巡检需要发现腐蚀、锈蚀、涂层脱落和保温层破损等异常，部分设备难以靠近，增加了人工检查的难度与风险。
使用固定摄像头或无人机采集设备图像，通过目标检测与图像分割识别异常区域，输出缺陷类别、位置和置信度。巡检人员可以根据图像定位可疑部位，开展针对性的现场复核。
3. 视觉读表
部分现场仪表缺少远传接口，运行数据依赖人工定时抄录。通过普通摄像头读取仪表，使已有设备具备图像采集与自动读数能力。
针对不同表型组合识别方法：数显表结合 OCR 提取数字，指针表结合指针角度计算读数，同时识别波轮表读数及指示灯状态。将画面中的数值和状态整理为结构化结果，为巡检记录与设备数据采集提供输入。
4. 手绘草图转 CAD/BIM
燃气工程现场勘查常以手绘草图记录空间与设备信息，后续设计需要将照片中的线条和图例转为可继续编辑的模型。
通过透视校正、二值化和腐蚀、膨胀等形态学处理提取墙体轮廓，再使用 YOLO 识别门窗、燃气表、灶具及阀门等图例。恢复空间拓扑关系并重建 BIM 模型，为后续 CAD/BIM 设计提供输入。
5. 钢板表面缺陷分割实验
基于 Severstal 公开数据集，使用 YOLO11s-seg 对钢板图像进行实例分割，识别四类缺陷并标出覆盖区域。
完成 RLE 掩膜到多边形标注的转换、训练与验证集划分及数据校验，开展基线与第二轮训练对比；通过 FastAPI 封装图片上传与推理接口，返回类别、置信度、检测框和分割区域。
这是公开数据集个人验证项目。上方展示 24 张精选历史预测，样本置信度和 Mask IoU 仅对应当前图像，完整模型表现以验证集评测为准。
项目成果
- 安全与巡检输出： 将视频风险事件和设备表面异常整理为带时间、位置、截图或置信度的记录，辅助人工复核与追溯。
- 仪表与设计输入： 将仪表画面转为读数及状态，将现场草图转为空间关系与 BIM 模型，衔接后续采集和设计流程。
- 算法服务开发： 在钢板分割实验中完成标注转换、训练对比、验证评测与 FastAPI 推理接口，保留从数据准备到模型输出的开发过程。