一、政策驱动：烟花爆竹安全监管迈向智能化

随着烟花爆竹零售环节安全监管要求不断提升，传统以人工巡检、视频监控和现场检查为主的监管模式，已难以满足零售店（点）精细化、常态化安全管理需求。

2026年8月，江苏省进一步推进烟花爆竹零售店（点）“人货分离”改造，通过优化门店空间布局、设置独立储存区域、强化经营与储存隔离等方式，从源头降低人员与烟花爆竹直接接触所带来的安全风险。

“人货分离”改造的核心，是实现“顾客在外面看样，烟花爆竹在库内储存”，通过物理空间隔离提升零售经营环节本质安全水平。

与此同时，随着烟花爆竹仓储及零售场所数量增加，单纯依靠人工巡查难以实现全天候、全覆盖监管。借助人工智能、边缘计算及智能视频分析技术，将传统视频监控由“看得见”进一步升级为“看得懂、能预警、可分析”，正在成为安全生产数字化监管的重要发展方向。

本项目结合烟花爆竹仓库“人货分离”改造需求，在现有视频监控体系基础上引入AI边缘计算技术，实现仓库重点风险智能识别、现场声光告警、负责人移动端告警推送，以及应急管理中心统一监管，为烟花爆竹安全生产监管提供数字化、智能化技术支撑。

二、监管升级：传统安全管理面临的挑战

传统烟花爆竹仓库安全监管主要依赖人工巡检和普通视频监控，在仓库数量较多、监管范围较大的情况下，存在人工压力大、风险发现不及时、异常事件处置效率低等问题。

一方面，仓库内部涉及人员数量、货物堆放高度、储存数量、违规物品、通道状态等多项安全管理要求，依靠人工巡检难以持续覆盖。

另一方面，传统摄像机主要承担视频采集功能，当出现人员聚集、超高堆放、违规物品进入、烟雾火焰、店外经营等异常情况时，仍需要管理人员通过监控画面人工发现，容易出现漏看、迟发现等问题。

同时，多个仓库分布部署后，若分别进行管理，将进一步增加监管人员的工作压力。因此，项目需要建立“仓库现场智能识别 + 应急管理中心统一监管 + 多级告警联动”的智能安全监管体系。

针对实际监管需求，项目重点解决以下问题：

1. 人员监管难：无法全天候自动判断储存区域人员数量是否超过核定人数。
2. 堆放安全监管难：烟花爆竹堆放高度异常主要依赖人工现场检查。
3. 超量存储发现难：需要结合现场视频及进出货信息，对仓库存储状态进行综合分析。
4. 违规物品识别难：电动车、取暖器、煤气灶等违规物品进入仓库后，人工发现存在滞后。
5. 通道安全监管难：通道阻塞、货物占用通道等行为无法持续自动发现。
6. 安全出口监管难：出入门、逃生门状态异常时难以及时提醒。
7. 烟火风险发现难：传统监控无法主动识别烟雾、火焰等高风险事件。
8. 店外违规行为监管难：店外堆放、经营及禁燃区域燃放等行为具有突发性。
9. 设备异常难以及时发现：摄像头断电、离线、遮挡、角度偏移后容易形成监管盲区。
10. 多仓库统一监管难：多个仓库之间缺乏统一的视频汇聚、告警调度和数据分析能力。

三、项目建设：多个仓库智能监管体系落地

本项目面向烟花爆竹仓库安全生产智能监管需求，共建设46个仓库智能监管节点。

每个仓库配置4路视频监控摄像机，分别覆盖仓库室内及室外重点区域，并在每个仓库部署1台4路AI边缘计算盒子，对本仓库4路视频进行实时智能分析。

项目共部署：

• 46个仓库
• 184路视频监控
• 46台4路AI边缘计算盒
• 仓库现场配套建设声光报警器、音柱等告警设备

各仓库现场视频接入AI边缘计算盒子进行本地智能分析。当系统识别到异常行为或安全风险后，一方面通过仓库现场声光报警器、音柱进行及时提醒；另一方面将告警信息上传至应急管理中心，并推送至相关负责人手机，实现现场、中心和负责人多级联动。

所有仓库的视频画面、AI分析结果及告警信息统一汇聚至应急管理中心，管理人员可通过中心平台统一查看各仓库实时视频、接收告警、开展远程调度，并对历史告警数据进行统计分析，形成安全监管报表。

由此构建“前端智能感知—边缘AI分析—现场联动告警—中心统一监管—移动端消息推送—数据统计分析”的一体化安全监管体系。

四、技术架构：构建“端—边—云”智能监管体系

项目整体采用“前端视频采集 + AI边缘计算 + 中心平台监管 + 多级告警联动”的技术架构。

4.1 前端视频采集

每个仓库配置4路摄像机，对仓库内部储存区域、人员活动区域、出入口及仓库外部重点区域进行视频采集。

通过合理规划摄像机点位，形成室内与室外相结合的视频监控体系，为后续AI智能分析提供稳定的视频数据来源。

4.2 AI边缘计算

每个仓库部署1台4路AI边缘计算盒子，负责本仓库4路视频流的实时智能分析。

视频数据首先在仓库现场完成AI视觉分析，仅将识别后的告警信息、结构化数据及所需的视频信息上传至应急管理中心，在保障实时性的同时降低大量原始视频持续传输带来的网络压力。

边缘计算设备支持多种AI视觉分析任务并行运行，可根据不同仓库的监管需求灵活配置算法。

4.3 算法清单

4.4 应急管理中心统一监管

所有仓库的实时视频和告警信息统一汇聚至应急管理中心。

中心管理人员可通过统一平台查看各仓库实时视频画面，并按照仓库、区域、告警类型等维度快速定位异常事件，实现多仓库集中监管。

对于发生的安全告警，管理人员能够查看相关监控画面和告警信息，结合现场情况进行远程调度和处置。

4.5 多级告警联动

系统建立“现场告警 + 中心告警 + 手机推送”的多级告警机制。

当AI边缘计算盒子识别到异常情况后，首先在仓库现场触发声光报警器、音柱，及时提醒现场相关人员；同时告警信息上传至应急管理中心，由监管人员统一查看和调度；对于重点告警事件，系统进一步将告警信息推送至相关负责人手机，确保风险信息及时触达责任人员。

通过多级联动，将传统“发现问题后再处理”升级为“AI发现风险—现场即时提醒—中心统一调度—负责人同步接收”的智能告警模式。

4.6 告警数据统计分析

平台对各仓库产生的告警事件进行统一汇聚和分类管理，形成告警数据台账。

管理人员可按照时间、仓库、告警类型等维度对安全事件进行统计分析，掌握不同仓库的风险分布和告警趋势，并形成安全监管报表，为日常巡查、风险分析和安全管理决策提供数据支撑。

五、应用实践：AI构建烟花爆竹仓库智能安全防线

项目建成后，46个仓库形成统一的AI智能监管体系，实现从传统视频监控向全天候智能感知、主动预警和统一监管的升级。

5.1 AI实时感知，全天候监测仓库安全风险

AI边缘计算盒子持续分析仓库室内外视频，对人员、货物、环境及违规行为进行实时智能识别。

针对人员超员、超高堆放、违规物品存放、通道阻塞等安全风险，系统能够自动识别并触发告警，将传统依赖人工巡查的安全检查转变为全天候、自动化的智能监测，有效减少人工监管的时间盲区。

5.2 智能识别烟火风险，主动预警安全隐患

通过烟雾、火焰等AI视觉识别算法，对仓库内部及周边重点区域进行持续监测。

当检测到疑似烟雾或火焰时，系统能够快速生成告警，并联动现场声光报警器、音柱进行及时提醒，同时将告警信息上传至应急管理中心，并推送至相关负责人手机，实现烟火风险的快速发现、及时提醒和多级联动处置。

5.3 现场、中心、移动端三级联动，提升风险处置效率

项目建立“现场告警—中心监管—责任人响应”的三级联动机制。

当AI识别到异常情况后，仓库现场声光报警器和音柱立即进行告警提醒；应急管理中心同步接收告警信息，监管人员可快速查看对应仓库实时视频，并根据现场情况进行统一调度；相关负责人通过手机接收告警信息，及时掌握现场风险并组织处置。

通过多级告警联动，打通从风险发现、告警提醒到人员处置的完整链路，进一步提升安全风险响应效率。

5.4 多仓库视频汇聚，实现应急管理中心统一监管

通过中心平台统一接入46个仓库、184路视频，将分散在各仓库的监控资源集中汇聚至应急管理中心。

监管人员无需逐一前往现场，即可通过统一平台查看各仓库实时视频、AI告警及设备运行状态，并对异常事件进行集中调度和处置，实现烟花爆竹仓库的集中化、可视化、智能化监管。

5.5 AI告警数据沉淀，形成数字化安全监管依据

系统对各类AI告警事件进行统一记录、分类和统计，围绕告警数量、告警类型、时间分布、仓库分布等维度进行数据分析，并形成可视化统计报表。

通过持续积累和分析历史告警数据，管理人员能够进一步掌握不同仓库的风险特征和隐患分布，为重点区域巡检、隐患治理和安全管理决策提供数据支撑，推动安全监管由传统的“现场检查”向“视频感知 + 智能预警 + 数据分析 + 风险研判”转变。

5.6 物理隔离与AI监管结合，构建双重安全防线

项目以烟花爆竹仓库“人货分离”改造为基础，将物理空间隔离与AI智能监管相结合。

通过“物理隔离降低风险，AI持续监测风险”，一方面从空间布局上减少人员与烟花爆竹直接接触带来的安全风险，另一方面利用AI边缘计算对仓库运行状态进行持续监测，实现由单纯“人防”向“物防 + 技防 + 人机协同”的安全管理模式升级。

整体上形成了从前端视频感知、AI边缘分析，到现场声光告警、中心统一监管、手机消息推送，再到告警数据分析的完整智能监管闭环。。

六、总结与展望：持续推进烟花爆竹安全监管数字化升级

本项目围绕烟花爆竹仓库安全监管需求，以AI边缘计算技术为核心，在46个仓库部署AI边缘计算设备，接入184路视频监控，实现人员、货物、环境及违规行为的智能识别。

通过仓库现场声光报警、音柱、应急管理中心统一监管以及负责人手机告警推送，项目构建了“前端感知、边缘分析、现场告警、中心调度、移动推送、数据分析”的完整安全监管体系。

项目的实施使传统视频监控从单纯的“看视频”升级为主动的“找风险”，进一步提升了烟花爆竹仓库安全管理的智能化、数字化水平。

未来，可持续结合烟花爆竹行业安全监管要求，对AI识别算法和风险模型进行扩展，并进一步融合仓储管理、人员管理、隐患排查及安全生产数据，逐步构建覆盖“风险感知—智能预警—快速处置—数据分析—持续改进”的智慧安全监管体系，为烟花爆竹行业安全生产数字化建设提供更加完善的技术支撑。