·项目背景
现代冶金行业桥式起重机工作中对在工位操作越来越精准，需要驾驶员及时准确观察工位状态，但是由于驾驶室的位置和现场的情况导致视角和观察效果一直不好，一旦吊钩没有完全入位就会发生严重的生产事故，甚至涉及生产停滞、人员伤亡。现急需要通过一种无线工位视频系统来解决此类问题。
·项目概述
本系统利用先进的行车定位系统，视频采集技术，无线传输技术等，把工位视频传输到对应起重机驾驶室辅助驾驶员视野，避免驾驶室内驾驶员的视觉盲点，在该方案的基础上，后期可以扩展功能，新增人工智能分析判定吊钩入耳状态，并对监测输出判定结果。
系统能够在冶金钢包装吊方面有效的辅助工作人员了解钢包吊装过程中双吊钩与吊耳配合情况、钢包吊运过程中的姿态情况及平衡梁吊耳安全情况，避免吊钩装吊不到位导致的钢包脱落造成的严重安全事故，有效地提高工作效率，增加安全性，减少失误率。
· AI智能分析模块
在地面工位配套安装AI分析终端。通过AI分析终端对工位视频进行分析得出吊钩入位实时状态。
采用先进的AI技术完成视频分析、边缘计算TPU支持RISC-V生态、支持 DNN神经网络模型分析、编译和调整在边缘设备中进行实时推理，快速部署现有的主流模型或训练好的神经网络模型，智能判断钩头与钢包挂耳的入位情况（接近、入位、脱离）等，并作为辅助提示司机。再经司机和地面指挥人员实现三重确认。
·AI智能分析终端的学习原理
·机器视觉采样
·神经网络学习和分析：通过神经网络深度学习可以检测各种皮带撕裂特征码，通过特征码来识别撕裂状态。
边缘计算：由AI芯片组成的AI智能终端能独立完成分析和识别、无需服务器运算，断电独立工作，不受上位机影响，毫秒级的响应速度
·AI智能分析终端设备特点
·AI智能分析终端采用聚焦于边缘应用的深度学习推理人工智能芯片；
·TPU在8位整数运算下，可以提供1TOPS的算力；
·在Winograd卷积加速运算下，提供高达2TOPs 的算力；
·特殊设计的 TPU 调度引擎能有效地为所有的张量处理器核心提供极高的带宽数据流；
·芯片内含2MB内存, 可以为性能优化和数据重用提供最佳的编程灵活性。
·主流的深层学习框架，比如Caffe 和 Tensorflow，所有常见的 CNN/RNN/DNN 神经网络模型都可以在平台被运行；
·专为人工智能应用设计的多功能加速平台，可以作为深度学习推理加速的协处理器，可以做为主处理器从以太网接口或USB接口接收视频流、图片或其它数据，然后执行推理和其他计算机视觉任务。
AI智能分析结果演示
·AI算力：21 TOPS (INT8)
·GPU类型：384-core NVIDIA Volta GPU with 48 Tensor Cores
·GPU最大频率：1100 MHz
·CPU：6-core NVIDIA Carmel ARMv8.2 64-bit CPU
·视频编码：2x 4K60 | 4x 4K30 | 10x 1080p60 | 22x 1080p30 (H.265)
·深度学习加速器： 2x NVDLA Engines
·视觉加速器：7-Way VLIW Vision Processor
·现场使用图
首钢现场使用图片
鲁丽钢铁公司现场使用图片
汉中钢铁现场使用图片
永锋钢铁现场使用图片
潍坊特钢现场使用图片