2026 年 10 月 16 日，应急管理部举行季度例行新闻发布会。新闻发言人、新闻宣传司司长申展利通报："开展船舶制造修理企业安全专项整治，督促各地各有关部门对各类船舶制造、修理企业全面排查，重点整治有限空间作业、起重吊装、危化品储存使用等高风险环节问题隐患。" 同一场发布会上还明确，四季度历来是事故高发期，部分企业容易抢工期、赶进度和超能力超强度生产。
这份通报对船舶修造企业的安全负责人来说，含义很直接：三个高风险环节要"全面排查"，而且查的是问题隐患的记录，不是口头承诺。 本文不谈宏观，只回答一个问题——这三类环节，AI 视频分析能落到什么位置，落地时又要避开哪些坑。
一、为什么是这三个环节：风险藏在"看不见的地方"
船舶制造与修理是典型的重装离散制造：露天船台、分段堆场、密闭舱室、涂装库房、码头舾装，作业面随船体推进不断变化。这个行业的安全管理难点，不是没有制度，而是制度执行的过程很难被看见。
- 有限空间作业。 双层底、压载舱、货舱、管弄、油舱——进出只有一个狭窄的人孔或道门。作业前要通风、检测、审批，作业中要有专人监护，作业后要清点人数。这些环节纸面上都有规定，但"监护人是不是真的守在舱口""舱内人员是不是已经超时"这类问题，靠巡检很难持续掌握。
- 起重吊装。 船厂的分段吊装动辄数百吨，吊臂回转范围大、交叉作业多、视线死角多。吊装事故的典型形态不是设备失效，而是人的位置错了：吊物下方站人、警戒区被闯入、指挥信号与操作不同步。
- 危化品储存使用。 涂装作业使用的油漆、稀释剂、固化剂，属于典型的易燃易爆危险化学品。库房与调漆间最怕两件事：一是违规动火与吸烟，二是超量储存、混放与通道堵塞。烟火一旦起来，留给处置的窗口只有最初的一两分钟。
传统的做法是靠人盯、靠检查、靠事后追责。而这次通报里同时提到的"明查暗访、'四不两直'开展突击检查""多拍摄隐患场景"，意味着检查方越来越倾向于用现场影像说话。这恰恰是视频 AI 的强项：它不改变管理制度，但能把管理过程变成可回溯的画面与数据。
二、三类高风险环节，视频 AI 具体接哪一段
需要先说清楚一个前提：视频 AI 不是万能的。它看得到"人的位置、人的状态、有没有烟和火、通道通不通"，但它替代不了气体检测仪、替代不了吊装力矩限制器、也替代不了作业票审批。它的定位是——在既有制度之上，补一层 7×24 小时不间断的"过程监督"。
1. 有限空间作业：把"进得去、守得住、出得来"变成记录
把有限空间作业的流程拆开看，视频 AI 能覆盖的是这样几段：
- 作业前的审批与通风检测。 舱口区域人员聚集识别，可以提示作业前的准备工作是否到位。但要说清楚：气体浓度是否达标，仍然要靠气体检测仪判定，视频 AI 不替代这一步。
- 作业中的专人监护。 舱口监护区域的离岗、睡岗识别，监护人离开即告警。这里的时长阈值需要按现场实际逗留习惯设置，设得太短会误报不断。
- 作业时长控制。 对舱口监测区域做人员滞留计时，超时自动提示。如果系统能与作业票的开票时段做对应，判断会更准确——已知只有当班工作在此时段内，超时的判定就有据可依。
- 人员状态异常。 舱内人员倒地识别，可按风险等级设定升级告警逻辑。需要注意的是，舱内通常光照差，往往需要补光或调整点位才能保证效果。
- 作业后清点。 人员进出记录自动留痕，作为收工核查的辅助依据。它不替代人工清点和签字，但能让"清点"这件事事后可查。
这里最实用的一项，其实是滞留计时。有限空间事故的很大一部分，发生在"作业已超时、监护已松懈"的时段。系统不需要判断人是不是缺氧，只需要在"某人在舱口监测区域内停留超过设定时长"时提醒——这条规则简单、误报低，却能直接对应到管理动作。
2. 起重吊装：只盯住一件最要命的事——吊物下方有没有人
吊装环节的算法不用做得复杂。船厂场景真正高频、高后果的问题只有一个：吊臂回转半径和吊物正下方出现了不该出现的人。
- 警戒区闯入识别。 按吊装方案划定电子围栏，人员进入即抓拍告警，可用于现场语音联动驱离。
- 吊物下方滞留识别。 对吊物投影区设置临时监测区，识别人员停留行为，而不只是路过。
- 交叉作业人员聚集。 多层作业面同区域人员过于集中时提示，避免上方落物造成群伤。
- 安全帽/防护装备识别。 这属于基础项，但在船厂这种多工种交叉、外包队伍多的场景里，它同时也是"队伍管理"的抓手。
需要提醒的是：吊装作业面每天都在变，监测区域必须支持快速重划。如果一套系统每次吊装都要重新做现场配置，现场就不会用。
3. 危化品储存使用：抢在"起火"之前的那一两分钟
涂装库房、调漆间、危化品中转库，视频 AI 的价值排序和很多场景不一样——烟火识别不是第一道防线，抽烟识别才是。
- 抽烟识别。 识别点火、吸烟动作与手持烟头特征，覆盖库区外围、码头通道、临时休息点等"制度管不到"的角落。
- 烟火检测。 烟雾与明火在初起阶段识别，联动声光报警与广播，抓拍留证。
- 通道与消防设施占用。 库房通道、灭火器与消火栓前方被货物遮挡时提示，这是各类检查通报中出现频次最高的问题之一。
- 防护装备识别。 进入库区是否穿着防静电服、佩戴防护用品，与门禁结合可形成准入记录。
三、落地路径：不用换摄像头，三步走完闭环
船厂做视频 AI，最大的现实约束不是算法，而是存量设备和施工窗口。船厂生产节奏紧，专项整治的时间要求又明确，大规模改造基本不现实。可行的路径是利用 GB28181 / RTSP 协议把既有摄像头接入分析，只补少量关键点位。
第一步·识别。 存量摄像头按协议接入，边缘计算分析盒就近处理（数据不出厂区，适合舱室、库房这类单点场景），或在中心侧部署智能分析服务器统一处理多路视频。算法按场景配置，一条视频流可同时跑多种算法。
第二步·告警。 告警要分级，不能一股脑全推给一个人。一般隐患推送到安全管理群；高风险事件（烟火、人员倒地、吊物下站人）直接短信或电话通知值班负责人。同时抓拍留证，附时间、点位、事件类型。
第三步·闭环。 告警——处置——复核全程留痕。这一步最容易被忽略，却也是"全面排查"最需要的产出：能导出的隐患台账。它既服务于内部整改跟踪，也直接对应检查时"问题隐患在不在、改了没有"的追问。
四、船厂场景最容易踩的四个坑
坑一：把算法数量当能力。 船舶修造的场景特殊性强，很多算法在通用数据集上表现好，到了舱室强反光、雨雾天、夜间泛光照明下就退化。选型时应该要求在自家现场视频上跑测试，而不是看演示视频。
坑二：忽略点位。 有限空间监测最难的是视角——舱口位置偏、摄像头装在数米外、夜间隔着舱盖。一个点位不合适，再好的算法也白费。落地前必须做点位勘察，必要时补装一两个专用点位，成本远低于后期返工。
坑三：误报拖垮使用意愿。 船厂场景人员密集、设备移动频繁、光照变化大，如果一天几十条无效告警，班组长两周内就会关掉消息提醒。误报控制的关键不在算法参数调优，而在规则设计：用时长的阈值过滤路过、用区域划分过滤无关人员、用时段策略区分生产与检修。
坑四：只装不管。 上线时效果不错，半年后告警越来越少——点位被设备挡住、区域跟着现场改了但配置没改、镜头被油污糊住。这不是算法衰减，是运维缺位。系统需要具备点位遮挡检测、画面质量检测与定期巡检机制。
五、常见问题
Q：船厂已经有大量模拟摄像头，能用吗？ 能接入，但识别效果取决于清晰度。安全帽、抽烟这类依赖细节特征的小目标识别，建议 200 万像素以上、画面中人员高度不低于 100 像素；烟火、区域入侵这类依赖整体画面的算法对清晰度要求相对低。可行做法是分层：关键高风险环节换装或新增数字点位，一般区域复用存量。
Q：有限空间内部没有网络，怎么监测？ 舱内可以用无线图传或临时布设的便携点位，分析放在就近的边缘计算盒上，结果通过厂区网络回传。也可以不做舱内监测，只监测舱口监护与人员进出——成本更低，覆盖面反而更稳定。
Q：这套东西和船厂已有的安全生产管理平台冲突吗？ 不冲突，定位是补充。平台管流程（作业票、培训、检查），视频 AI 管过程（作业时人在哪、在做什么）。告警结果可以通过接口推送到既有平台，作为流程中的一个事件节点。
Q：数据能不能不出厂？ 可以。支持私有化部署与边缘部署，视频与告警数据留在厂区内网，适合对数据合规有要求的企业，也支持欧拉、麒麟等国产操作系统环境。
Q：多久能上线？ 取决于点位数量和现场条件。单场景试点（例如涂装库房 + 一个货舱舱口）通常可以在数周内完成部署与调优，全面铺开则建议按风险等级分批推进，先做最要命的三五处。
六、结语
这次专项整治的落点很清楚：全面排查、重点整治三个高风险环节。 对企业来说，真正要回答的不是"我们有没有制度"，而是"检查的时候，我们拿什么证明这三个环节管住了"。
视频 AI 提供的正是这个"证明"：舱口有没有人守、吊物下方有没有人、库房里有没有火星子、通道是不是通的——每一条都有时间、有画面、有记录。它不解决所有问题，但它把过去只能靠人盯的部分，变成了可以持续运行、可以被核查的过程数据。
倍特威视从 2011 年起专注工业场景的 AI 视频分析，核心算法自研，覆盖安全帽识别、烟火检测、抽烟识别、区域入侵、人员滞留、离岗睡岗、人员倒地等能力，支持 GB28181 / RTSP 协议利旧接入、边缘与中心两种部署方式。如果你正在准备船舶修造场景的安全整改，可以把现场视频或场景描述发给我们，我们出一份可落地的算法选型与点位建议。
