记者：由于煤化工项目规模大、系统复杂、装置多、需要考虑的因素多，那么项目的总体设计是否很重要？
黄新平：是的楼宇自控系统设计深度要求，任何项目的总体设计都很重要，但现代煤化工项目的总体设计更重要。 一个现代化的煤化工厂，上下游装置多，系统多，配套工程多。 在可行性研究之后和基础工程设计之前，需要一个总体设计版本。
在工厂大型化、原材料国际化的大趋势下，项目建设的组织模式、项目资金来源、业主管理模式等都发生了重大变化。 与此同时，政府对环境保护、安全和职业健康的监管要求也发生了很大的变化。 工程建设项目的进度、造价、质量控制要求越来越高，很难满足从可行性研究阶段到基础设计的要求，需要通过总体设计环节进行补充。 这样，整体设计就变得越来越重要。
总体设计是指对项目的组成、厂房和设备的功能、系统的配置进行详细定义。 总体设计能有效组织大型建设项目的工厂设计，确定工程设计标准、设计原则和技术条件，优化工厂总布局，优化全厂总流程，优化设计方案公用工程体系，提高投资效益，实现建设工程总工艺流程、总体布局、总体人员配置、总体进度、总投资的控制目标，确保设计符合环境保护等法律法规的要求、安全和职业健康。
在总体设计阶段，设计单位要就总图、总流程、总布局、总图、各系统的平衡与业主充分讨论论证，不怕麻烦，不怕修改。 所谓磨刀不误砍柴工，在现阶段最为贴切，可以防止以后走弯路，节省投资，降低运行能耗，提高技术支撑，完善布局，优化设计。 比如第十版和第八版全厂总平面图的修改不算太多，但基本设计阶段没有机会做大的调整。
此外，还要做好满足内容深度要求的基础工程设计。 对于基础设计，有的设计单位执行《化工厂初步设计文件内容深度规定》，有的执行《石油化工厂基础工程设计文件内容深度规定》。 两者相差不大，但在细节上还是有很大的区别。 笔者认为，就目前的项目管理和设备材料采购模式而言，很难满足《化工厂初步设计文件内容深度规定》的基础设计要求。 . 对于需要提前采购的长周供应设备和物资，设计深度要更加细化。
煤化工项目规模大、设备多、系统复杂，管道、电缆之间的连接犹如蜘蛛网。 项目工程设计管理不仅需要业主拥有雄厚的技术力量，还需要具有丰富总体设计经验的工程设计单位担任总经理。 每台设备的设计均由各擅长相应技术的设计单位承担。
笔者认为，一些煤化工项目在实施过程中，大多更注重个体设计方案，而缺乏对整个系统的合理性、互通性和协调性的关注。 如果对全厂系统和配套工程的影响讨论不充分，系统把握不好，一般就会变成重一丢轻的事情。 因此，整体设计单元的“总”水平非常重要。
人工智能（简称 AI）始于 20 世纪 50 年代中期，在过去的几十年里发展起起伏伏。 20世纪80年代末，随着人工神经网络研究的兴起，人工智能进入了一个新的阶段。 特别是近年来，深度学习在人工神经网络优化方面取得突破，使机器辅助成为可能，拓展了人工智能的应用领域。
在安防领域，随着平安城市建设的不断推进，监控点越来越多，从最初的几千条路发展到几万条路，甚至发展到现在几十万条路的规模，视频而检查点会产生海量的数据。 同时，随着高清视频、智能分析、云计算和大数据等相关技术的发展，安全正在从传统的被动防御向主动判断和预警发展。 提高生产效率，提高生活智能化程度，为更多行业和人们提供可视化、智能化的解决方案。 随着安防领域的发展，人工智能的重要作用逐渐显现。 目前，面对海量的视频数据，用户已经无法简单地通过人群战术来进行搜索和分析。 需要人工智能作为专家或助手，实时分析视频内容，检测异常信息，进行风险预测。
人工智能技术
人工智能技术在安防领域的应用主要体现在视频结构化技术和大数据技术两个方面。
1、视频结构化技术
视频结构化技术融合了机器视觉、图像处理、模式识别、深度学习等人工智能前沿技术，是视频内容理解的基石。
视频结构化在技术领域可以分为三个步骤：目标检测、目标跟踪和目标属性提取。
目标检测过程是从视频中提取前景目标，然后识别前景目标是有效目标（如：人、车、人脸等）还是无效目标（如：树叶、阴影、光等）。 在目标检测过程中，主要应用于运动目标检测、人脸检测、车辆检测等技术。 海康威视研究院在2016年荣获VOC目标检测第一名，这是海康威视10年研发积累的最好体现。
目标跟踪过程是实现对场景中特定目标的连续跟踪，并从整个跟踪过程中获取一张高质量的图片作为目标的快照。 在目标跟踪过程中，主要应用于多目标跟踪、目标融合和目标评分技术。 海康威视研究院在2015年MOT算法评测中获得“计算机视觉多目标跟踪算法”第一名。
目标属性提取过程是对检测到的目标图片中的目标属性进行识别，确定目标具有哪些视觉特征属性，如人物目标的性别、年龄、衣着，车辆目标的车型、颜色等. 目标属性提取过程主要基于深度学习网络结构的特征提取和分类技术。
同时，为解决视频结构的高性能分析计算问题，我们在2015年设计研发了嵌入式GPU集群服务器，充分利用多块GPU的并行处理能力，提高整体效率视频结构处理。
2、大数据技术
大数据技术为人工智能提供了强大的分布式计算能力和知识库管理能力，是人工智能分析、预测和自我提升的重要支撑。 它由海量数据管理、大规模分布式计算和数据挖掘三部分组成。
海量数据管理用于收集和存储人工智能应用涉及的全方位数据资源，并基于时间轴进行数据积累，从而在时间维度上反映真实事物的规律。 同时，人工智能应用长期积累的庞大知识库也需要依托这个系统进行管理和访问。 目前，海康威视研究院研发的海康威视大数据平台已能够支撑千亿条车辆行车记录的存储管理和应用。
大规模分布式计算使人工智能拥有强大的计算能力，同时分析海量数据，进行特征匹配和模型模拟，为众多用户提供个性化服务。
数据挖掘是人工智能真正价值的核心。 利用机器学习算法自动进行各种分析计算，挖掘数据资源中的规律和异常点，辅助用户更快、更准确地发现有效资源，进行风险预测和评估。 .
人工智能应用
当前人工智能技术的快速发展正在积极推动安防领域朝着更加智能化、人性化的方向发展，主要体现在以下几个方面：
1、在公安行业的应用
公安行业用户的迫切需求是在海量视频信息中寻找犯罪嫌疑人的线索。 人工智能在视频内容的特征提取和内容理解方面具有天然优势。 前端摄像头内置人工智能芯片，可实时分析视频内容，检测运动物体，识别人车属性信息，并通过网络传输至后端人工智能中央数据库用于存储。 汇总海量市级信息，再利用强大的计算能力和智能分析能力，人工智能实时分析嫌疑人信息，给出最有可能的线索和建议，从最初几天锁定犯罪嫌疑人的轨迹，缩短到几分钟，为破案节省了宝贵的时间。 其强大的交互能力还可以与民警进行自然语言交流，真正成为办案人员的专家助手。
以车辆的特性为例，通过利用车辆驾驶座前的小电风扇对车辆进行跟踪，可以在海量视频资源中锁定涉案嫌疑车辆的行驶轨迹。
2、在交通行业的应用
在交通领域楼宇自控应用场景分析图，随着交通检查站的大规模联网，海量车辆通行记录的采集在城市交通管理中发挥着重要作用。 利用人工智能技术，可以实时分析城市交通流量，调整红绿灯间隔，缩短车辆等待时间。 时间，提高城市道路的通行效率。 城市级人工智能大脑可实时掌握城市道路上车辆通过的轨迹信息、停车场车辆信息、小区停车信息。 可提前半小时预测车流量和停车位数量的变化，合理分配资源。 引导交通，实现机场、火车站、汽车站、商业区等大范围交通联动调度，提高全市运行效率，为居民出行顺畅提供保障。
3、在智能楼宇中的应用
在智能楼宇领域，人工智能是楼宇的大脑，对楼宇的安全和能耗进行全面管控，实现对进出楼宇的人、车、物进行实时跟踪和定位，区分办公室工作人员和外来人员，并监控建筑物的能源消耗。 使建筑物的运行效率达到最佳，延长建筑物的使用寿命。 智慧楼宇的人工智能核心汇总了整栋楼宇的监控信息和刷卡记录。 室内摄像头可清晰抓拍人员信息，在门禁刷卡时实时比对通行卡信息与读卡器人脸信息，检测盗刷刷卡行为。 还可以区分大楼内工作人员的移动轨迹和停留时间，发现非法访问，保障核心区域的安全。
4、工厂园区应用
工业机器人由来已久，但大多是固定在生产线上的作业机器人。 移动式巡线机器人在全封闭无人工厂中将具有广阔的应用前景。 在工厂园区，安防摄像头主要部署在出入口和周边，无法触及室内的角落，而这些地方恰恰是安全隐患的死角。 利用移动巡检机器人定期巡检、读取仪表值，分析潜在风险，保障全封闭无人工厂的可靠运行，真正推动“工业4.0”的发展。
5.在民事安全方面的应用
在民用安防领域，每个用户都是高度个性化的，利用人工智能强大的计算能力和服务能力，为每个用户提供差异化服务，增强个人用户的安全感，真正满足人们日益增长的服务需求。 以家庭安全为例。 当检测到家中无人时，家庭安防摄像头可自动进入布防模式。 当出现异常时，它会对入侵者发出声音警告，并远程通知屋主。 并且当家人回家时，可以自动撤防，保护用户隐私。 夜间通过一定时间的自学，掌握家庭成员的作息规律，在主人休息时启动布防，保障夜间安全，省去人工布防的麻烦，真正实现人性化。
存在的问题
人工智能在安防领域的应用有着非常好的前景，但目前国内基础还比较薄弱，在应用过程中还有很多问题需要完善和解决：
1）视频成像质量受环境影响较大，存在光照不足、图像模糊、目标尺寸过小或相互遮挡等问题，不利于人工智能识别视频内容。
2）数据资源分散，开放共享程度低，难以进行多维数据融合分析，使人工智能缺乏有效的数据支撑。
3）领域专业知识积累不足。 早期的智能分析技术属于单场景目标检测和行为分析，对视频内容的理解能力相对较弱。 同时，他们很少涉及大范围场景的关联行为分析，没有为异常分析和风险分析积累有效的经验和知识。 预测。
4）缺乏有效的自我提升能力。 目前很多智能只是一种反应性智能，根据输入条件进行自动判断，不具备成长能力。 人工智能应该有时间性的经验积累和群体间经验共享的能力，才能不断完善，使智能能力更强、更高效。
总结
人工智能是安全领域的未来。 在未来的道路上，还有许多障碍和困难需要克服和克服，但总体趋势是乐观的。 我们坚信，只有人工智能具有自主性、个性化、不断进化的智能大脑，才能解决安防领域日益增长的需求，成为广大用户的专家和助手，提升整个安防领域的智能化水平，促进安防产业升级。
