福建
赋能智慧水利AI监测
识别目标多、场景太复杂、容易误报，如何解决？
近几年，河湖、水库、岸线上的摄像头越装越多，可一到要用的时候，画面还是得靠人一帧帧倒着翻。问题不在设备数量，而在于：水利要识别的目标，和通用AI算法认识的世界，存在本质差异。
智慧水利AI监测
PART.01
水利AI识别绕不开的三个难点
1、识别目标多
通用AI视觉的主战场在城市——认人、认车、认车牌，特征稳定、样本海量，但水利不是。
以河湖库水域岸线空间管理为例，基层管理关注的是：“四乱”即乱占、乱采、乱堆、乱建，妨碍河道行洪的障碍物，以及侵占水库库容的问题。把“四乱”拆开：乱占是岸线上的临时搭建，乱采是正在作业的采砂船，乱堆是一堆建筑垃圾，乱建是正在浇顶的房屋，没有共同形状，没有共同尺寸，也没有共同的出现方式。
2、场景复杂
比“目标”更难的是场景“复合”。
以河道“乱堆”中最常见的河岸倾倒垃圾来说。它不是一个物体识别问题，而是一个过程：一辆车开进岸线管控区、停下，几个人从车上卸下成袋的东西、堆在岸边，车开走。要认定“这是一次倾倒垃圾”，需要同时做到——对车辆行为的实时分析（进入、停留、驶离）、对人员行为的分析（搬运、倾倒动作）、对垃圾本身的识别（袋装物、散堆物），还要把这几个结果融合起来，判断“堆放结果是否形成”。
只有把行为、对象、位置、时序叠在一起，才能得出一个真实的识别结果。这种“多目标+多行为 +时序+空间规则”的复合判断，恰恰是传统单点算法最不擅长的。
3、误报率高
水面反光、波纹、倒影，还有水鸟掠过、渔船经过、树枝摇动，这些在安防场景里几乎不存在的干扰，在水利现场是常态。
叠加前两个特点，结果就是漏报和误报同时高：真实事件藏在上百路画面里没人发现，后台却一天弹出几百条告警，大半是假的。
水利现场
PART.02
AI如何解决
南威软件旗下万福信息 EAI 系列的做法，是把AI识别能力与水利的对象、行为、时序对应起来，用两级架构分工解决。EAI-200 负责“看得快、看得全”的实时识别，EAI-300 负责“看得准、能闭环”的二次研判与复杂场景处理。
1、EAI-200：把实时识别放到离现场最近的地方
EAI-200 部署在前端点位，直接接入岸线、库区、河道的摄像头，实时识别人员、车辆及行为：识别人员下河游泳、涉水、岸边逗留、翻越围栏；识别倾倒垃圾与垃圾堆放的实时动作；分析车辆进入管控区、停留、卸货、驶离。
同时，EAI-200把水利的管理要求直接变成识别规则。设定岸线管控区的边界、禁止进入区域范围、停留多久属于异常。规则跟着点位走，同一段岸线和水库库区可以设置不同的判定条件。边缘侧本地推理，视频不出点位，响应快、带宽压力小。
2、EAI-300：预警事件二次研判
EAI-300 部署在中心端，内网部署、全栈国产化。可以接收EAI-200上报的预警信息，根据事件关键词进行二次判断，保证误报率低于5%。它不仅看“框里是什么”，而是结合三类信息做二次研判：人员行为——是路过还是作业，是巡查还是倾倒；上下文预警——同一时段、同一区域有没有相关告警，前后帧之间发生了什么变化；场景规则——预警位置是否管控区，行为在当前时段是否允许，目标是否符合该类事件的完整特征。
这正是前述复合判断必须在该层级完成的原因。单一路模型看到的是一个瞬间，二次研判看到的才是一个事件。经过二次研判，复杂场景下的误报可以显著降低，AI识别才能真正发挥价值。
3、非实时的复杂场景：交给 EAI-300 做闭环
河道围垦、河岸违建、行洪障碍物，这些场景的共同特征是变化慢、判据复杂、需要比对历史图像，河道围垦需要多日逐步形成，违建建设也跨越多个工作日，行洪障碍物的识别则需要结合断面、水位以及历史影像开展综合研判。
这类非实时的复杂场景识别，同样由 EAI-300 承担：通过提示词定义识别任务（比如“识别河道管理范围内的新增构筑物”），无需逐场景重新训练，对全量画面或历史影像做分析，发现问题后进入闭环管理。
结语
水利需要的不是“算法的行业”，而是“行业的算法”。把 AI 识别能力放回具体的场景里——放回四乱、行洪、库容具体的识别目标中，摄像头才算真正开始“看”。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
