本文版權為《郵電設計技術》所有，如需轉(zhuǎn)載請聯(lián)系《郵電設計技術》編輯部
摘 要：在化工、能源等高危行業(yè)智能化轉(zhuǎn)型中，作業(yè)現(xiàn)場安全風險識別與預警成焦點，傳統(tǒng)檢測方法難適應復雜動態(tài)場景。提出了一種基于多模態(tài)大模型的智能風險識別與預警系統(tǒng)，通過結(jié)構化Prompt工程引導與企業(yè)知識庫深度融合，提升視覺大語言模型在復雜工業(yè)場景下的推理與識別能力。系統(tǒng)既支持視頻動態(tài)目標抽取與關鍵幀篩選，也可對靜態(tài)場景圖像進行智能分析與風險判斷。該系統(tǒng)以自動化、智能化為核心，顯著提升了風險識別的適應性和實用性。
關鍵詞：化工安全；風險識別；智能預警；多模態(tài)大模型；知識庫融合；Prompt工程；人工智能
doi：10.12045/j.issn.1007-3043.2025.06.004
前言
化工、能源等高危行業(yè)安全風險管理面臨嚴峻挑戰(zhàn)，其園區(qū)化、規(guī)模化特征對智能安全監(jiān)測系統(tǒng)提出了更高要求。傳統(tǒng)人工巡檢主觀性強、效率低下，而單一視覺方法（如目標檢測）雖提升了自動化水平，但在深度理解場景語義、進行復雜邏輯推理方面存在固有局限，難以有效應對復雜動態(tài)的作業(yè)現(xiàn)場風險。高危行業(yè)AI安全監(jiān)管的迫切需求已得到政策層面的關注。行業(yè)亟需更智能、更通用的風險識別新范式。近年來，具備強大跨模態(tài)理解與推理能力的視覺大語言模型（VLM）為此提供了創(chuàng)新路徑。本文聚焦高危行業(yè)特殊作業(yè)場景，提出一種基于VLM并融合企業(yè)知識庫的智能風險識別與預警系統(tǒng)，旨在通過深度語義理解和知識增強，突破傳統(tǒng)單一模態(tài)識別在復雜推理和場景適應性方面的瓶頸。該系統(tǒng)通過結(jié)構化Prompt工程與知識增強，力求提升風險識別的廣度、深度與實用性，為行業(yè)智能安全管理探索具備高自動化水平和強場景適應性的新方案。
