小区、商场和园区门口的摄像头，大家都见过。人和车进出时，它负责留下画面；可一辆车长时间停在通道上、有人走进不该进入的区域、出现烟火，或者镜头被遮挡时，值班人员还得尽快判断发生了什么。画面越多，靠人工反复切换和回看就越吃力。

到了仓储和工业现场，情况会更复杂一些。一个装卸口里，叉车、货车和作业人员可能挤在同一条通道上；卸油作业除了车辆进出，还要看轮挡、静电线、警示牌和油管连接。这些事情过去主要靠值守人员巡看画面，或由多套设备分别处理。

合肥，2026年7月28日，合肥薪火信息科技有限公司对外发布多算法AI摄像头应用方案。该方案基于公司多年的研发和项目打磨，围绕已有AI摄像头的前端识别、规则判断、抓拍和告警输出能力，梳理出适用于仓储装卸口、叉车交叉口、卸油区、设备区和户外无人值守区域的部署方式。平台收到的是图片、时间、区域和事件类型等信息；原始视频是否上传，仍可按客户原有的录像和网络安排处理。

这类产品所对应的，是人工智能进入行业现场的实际需求。2025年，国务院印发《关于深入实施“人工智能+”行动的意见》；2026年，工业和信息化部等八部门公布《“人工智能+制造”专项行动实施意见》。文件讲的是人工智能与产业结合的大方向，放到车间和园区，往往就是一台摄像头能不能把该看的事情看清，把一条有用的记录送到值班平台。

薪火科技负责人盛光说，单个摄像头只跑一两个普通算法，客户没有必要特意找薪火，常规产品就能满足。客户带来的问题通常很具体：叉车、人员禁入和通道占用能不能在同一画面里看；接卸作业中看得见的步骤能不能留下记录；特殊工装、设备状态和行业动作有没有办法识别。薪火这次把识别、规则、抓拍和事件上报放进摄像头，正是围绕这些现场麻烦来做的。

方案所采用的AI摄像头配备8核CPU、3TOPS INT8 NPU和800万像素高清采集能力。画面质量、算法负载和实时性符合要求时，一台摄像头最多可并行运行10种算法。十种算法是一个经过评估后的上限，不是每个画面都要装满十种任务。分辨率、分析帧率、目标在画面中所占的像素、人员和车辆密度、实时预览和持续推送，都会影响设备负载。遇到远近目标混杂、遮挡频繁或运动对象过多的画面，现场往往会减少任务数量，或者把任务分到两处摄像头上。

模型部署后，摄像头可以在局域网或离线环境中完成日常识别，不需要连接外网做实时推理。安装和运维人员可通过本地Web后台查看画面、设置检测区域和算法参数，查询抓拍记录、告警记录以及设备运行状态。对已有业务平台的客户，摄像头可接入视频流，并按约定推送AI告警和抓拍图片。这里没有一个通用的接入模板，设备、通道、区域、事件名称和图片地址如何对应，需要在项目开始时说清楚。

安装前，先把画面看明白，比先选算法更实在。高位全景画面适合看人车关系和区域边界，却未必能看清安全帽、手机或手部动作。装卸口的近景画面能看清轮挡和静电线，又很难兼顾整条道路的车辆统计。薪火的架设资料把俯视角约10度至30度、安装高度约2米至10米、待检测目标大于100×100像素列为前期评估参考。逆光、夜间补光、雨雾、蒸汽、粉尘、镜头积灰、蜘蛛网、支架抖动和临时遮挡，都要在安装时一并考虑。画面失去可用性，后面的识别自然无从谈起。

仓储装卸口能说明多算法摄像头怎样参与日常管理。叉车、货车、人员进入、区域入侵、滞留、消防通道占用和烟火，先根据现场情况选择，再配合区域和时间规则使用。“叉车出现”只是一次识别；叉车进入人员禁入区、持续停留超过设定时长，抓拍图又能供人工复核，才是一条需要处理的记录。车辆违停也要看位置、时长以及是否已经告警。这样做的目的很简单：值守人员看到的是一条能核对的事情，而不是不断跳出的相似图片。

卸油区更看重作业顺序。车辆到位、轮挡放置、静电线连接、警示牌、灭火器和油管连接，都有明确的可见对象和动作。摄像头能记录这些步骤在画面里是否出现。近景画面适合观察轮挡、静电线和油管连接，较远的画面用于看车辆进出和区域关系。强反光、夜间作业、人员频繁穿行或局部遮挡，都会影响实际效果，算法是否可用要结合试运行视频判断。防爆选型、施工方式、联锁装置、消防设施和安全责任仍按项目规范及相关责任方的要求执行。

在一处视角固定、目标相对集中的区域，安全帽、反光衣、抽烟、打电话、区域入侵、滞留、人员聚集、车辆进入、烟火和摄像头遮挡等任务可以组合配置。不同任务看重的画面细节并不一样。人员穿戴需要看清头部或上身，抽烟和打电话要保留手部与头部的关系，车牌识别还受车辆角度、行驶速度和曝光影响。把这些要求提前写清，一台摄像头适合承担什么，哪些任务要交给另一处镜头或其他设备，现场就更容易做出判断。

有些问题没有现成模型。专用工装、设备状态、标识牌、行业动作和产品缺陷，往往需要用现场图片或视频重新训练。XINHUOAI训练平台负责素材整理、GPU训练、模型评估和模型导出，训练后的模型可部署到AI摄像头、AI边缘计算盒子或AI NVR。摄像头留在现场做日常识别、抓拍和告警。模型导出后，还要核对算子适配、资源占用、输入输出，以及实际安装位置上的表现。工装颜色变了、照明换了、镜头位置动了，都可能需要补充样本或调整参数。

训练素材也不能只收集“看起来像问题”的画面。正常作业、异常事件、昼夜光照、反光、蒸汽、粉尘、多人遮挡和相似背景，都可能影响模型判断。现场通常会保留机位、时间、光照和模型版本等信息，方便日后追查某次告警为什么出现，或者为什么漏掉了本该识别的情况。模型能够导出，只说明它完成了训练环节。放到摄像头上以后，还要经过真实画面的连续测试。

铁路、水域、工程和输送带附近的任务更细一些。铁路场景可能关注驾驶员手势、手握刹车状态、开门瞭望、受电弓或线路方向上的人员入侵；水域场景要区分采砂船、运沙船、货船、渔船和巡逻船；输送带附近会关注堵煤、皮带运行状态和撕裂风险。每类任务都有自己的观察方向、目标大小和现场干扰。实际部署时，先确认目标是否看得见、镜头是否稳定、事件发生后由谁复核，再确定采用通用模型还是定制模型。

AI摄像头和AI边缘计算盒子放在系统里的位置不同。摄像头适合分散安装、空间有限，或希望在镜头前端直接完成判断的地方。已有多路摄像头和NVR，需要集中分析、统一配置和复杂平台对接时，边缘计算盒子更适合从现有视频流取流。一套系统可以同时使用两种设备：原有视频接入边缘设备，新装的摄像头补充现场画面，平台统一接收事件。薪火AI摄像头提供本地Web管理、算法参数配置、告警记录和运维设置，也支持视频流接入、告警事件推送、平台联动和项目定制接口。

设备接入平台后，真正影响使用感受的是细节。设备、通道、区域、事件类型、时间、图片、重复事件和状态字段要约定清楚。网络短暂中断时，哪些事件需要重试；同一事件反复出现时，平台怎么去重；人工复核后怎样关闭，都会影响值守人员是否愿意使用。原始视频可以继续沿用客户原有的录像策略，跨网传输的内容则优先使用事件字段和图片。涉及实时联动时，设备方和平台方还要事先说清接口责任、网络边界和异常情况下的处理方式。

薪火现行资料中的用户手册覆盖设备登录、摄像头接入、算法配置、抓拍记录、告警查询和系统设置；接口文档V2.3.0说明了设备数据、AI告警和抓拍图片的对接方式。对使用方而言，这些内容不如算法名称醒目，却往往决定设备能否真正接入原来的工作方式。有人需要把告警交给值班室，有人需要写入已有的平台，也有人只想先在一处现场保留可查的抓拍记录。不同做法对接口、网络和人员流程的要求并不一样。

落到一台摄像头上，工作就是把画面、任务、规则和试运行做扎实。白天、夜间、逆光和遮挡条件下的识别、抓拍、推送、断流恢复和重复告警处理，都应列入验收。薪火此次对外梳理的应用方案，提供了前端部署的选择；最终运行哪些算法、覆盖哪些任务，还是要看现场画面和试运行结果。

产品交付后，也不能只看当天能不能演示出效果。设备连续运行一段时间后，现场可能换了照明、增加了货物、改变了通行路线，原先合适的规则也要重新检查。客户和项目人员需要一起确认哪些告警必须及时处理，哪些只保留记录，哪些情况由人工复核。把这些事情做细，摄像头才能进入现场的日常管理。