浙江某化工集团是一家集聚酯、涤纶纺丝和加弹为一体的化纤龙头企业。作为一家从事危险化学品领域的企业，一旦发生事故，便具有高危性、瞬时性、复杂性和连锁反应等特点。因此，该企业在厂区内密集部署固定及移动式摄像头，以实现安全生产分析预警、人员不安全行为管控以及对作业环境和异常状态的监控。

创新奇智针对生产安全场景，基于自研的AInnoGC工业多模态大模型和Matrix边缘视频智能平台，专为工厂打造了智能安监系统，该系统具备出色的非标准场景安全问题识别能力。它能够深入理解复杂的操作流程和逻辑，有效识别潜在的安全隐患。同时，模型针对误报警和漏报警进行了精准优化，确保报警的准确性和可靠性。此外，该模型支持在边缘设备上独立运行，无需依赖云端，这大幅降低了延迟和数据传输成本，实现了实时、高效的安全监控，为工厂的安全生产提供全方位保障。

创新奇智基于多模态工业大模型的解决方案成功解决了传统安全生产分析预警、作业环境和异常状态监控中的“长尾”问题。生产过程中存在一些潜在的安全事件，这些事件发生频率低，但一旦发生可能造成严重后果。传统监控系统依赖视觉类小模型，因缺乏训练数据，难以及时识别这些“长尾”事件。

通过在厂区内按需部署5G移动摄像头，并在边缘计算设备中部署基于安全生产场景微调的AInnoGC工业多模态大模型，系统能够利用预设的思维链分析方法，更好地理解复杂的场景信息。这大大提升了AI在“非标准场景”下的适应能力，有效缓解了AI仅能识别特定场景和执行预设动作的局限性。

在实际的生产场景中，人员操作的规范逻辑往往复杂多样，不同区域和工序之间差异较大，这使得传统视觉模型难以全面应对。

多模态工业大模型相比于视觉小模型，能够深刻理解人员在实际操作中复杂多变的逻辑流程。无论是在生产线上还是在危险区域内，这种模型都能准确捕捉并解析这些复杂的操作行为。

此外，多模态工业大模型对摄像头距离和角度的变化具有出色的泛化性能。该模型能够应对实际工业环境中摄像头位置和角度因场地限制而变化的情况，确保系统在不同距离和角度下保持稳定的识别效果，从而大幅提高识别准确率。

传统的安全视频监控通常会出现大量误报，导致安全人员在处理时面临困扰，影响应对效率。

创新奇智的安全生产系统开创性地融合了前沿技术与工业安全管理理念，并内置了先进的重复告警过滤机制。通过对告警图片的智能比对与分析，系统能够精准识别并过滤大量误报。这意味着在实际生产过程中，操作人员可以更加专注于处理真实有效的告警信息，从而大幅减少不必要的干扰与资源浪费。这一显著成效不仅提升了生产效率，也为企业的安全生产管理注入了新的活力与保障。

此外，创新奇智的多模态工业大模型安全生产方案，打破了人们对于“大模型高算力、高成本”的认知，它在边缘端盒子上就有卓越的运行能力。从根本上解决了传统监控系统中因数据传输至云端而产生的延迟问题，使得安全监控系统的部署和维护变得更加经济高效。