项目背景

在智慧园区领域，核心需求是视频监控和人像分析。主要体现在人脸识别、禁区闯入、人流统计、视频内容特征提取等，实时识别目标并检测目标属性等信息，进行数据分析和研判以维护区域安全。

痛点

碎片化、长尾化需求较多，功能定制成本高，开发周期长；

设备角度、光线、背景复杂度影响功能识别精度；

监控设备数量众多，部署实施以及售后周期长。

方案描述

私有化部署全栈式AI训练开发平台，数据不出域，保护隐私。内置成熟的模型以及逻辑组件，快速迭代训练新模型并编排人流统计、禁区闯入、打电话识别、违规停车、抽烟识别、车牌识别、车库余位、重点人员排查等功能，实时验证功能准确性，满足快速变化的AI需求。

功能一键下发到边缘设备，云端统筹管理，快速响应。

项目背景

在智慧零售领域，主要围绕货、场、人三个方面展开，主要包括人脸识别、货品识别、行为属性分析、客流统计、场内追踪等。

痛点

缺乏数据洞察指导，获客难，营销转化低；

信息碎片化程度高，场内场外数字化行为割裂；

传统定制算法成本高，难以规模化应用，部署实施以及售后周期长。

方案描述

根据行业通用需求，基于全栈式AI训练开发平台，通过底层兼容，快速打造AI智能门店场景一体机。

硬件设备方面，基于零售门店数据密集型的特点，以微型边端部署的方式，就近进行数据处理分析和决策，节省服务器、存储、带宽以及物理空间等成本。

软件平台方面，内置通用门店算法，开箱即用。同时接入云端训练开发平台，根据门店实际情况快速自定义编排人流统计、人体属性、用户行为分析、轨迹追踪、客户留店时长、餐桌翻台率等功能并一键下发到边缘设备。并通过模型训练模块，根据现场数据不断迭代模型，提升功能识别准确率，助力企业经营决策。

项目背景

在党的二十大报告明确提出“推进教育数字化”战略之后，教育创新实践不断涌现。该战略以路-硬件设施、车-软件平台、货-教育资源、驾驶员-教师为核心，以资源和数据为新生要素，深化应用人工智能、大数据、5G等智能技术，推动数字化转型纵向深化、横向融通，助力实现数联、物联、智联三位一体的智慧教育生态环境。

痛点

学校应用建设诉求轻量化、运维成本高、定制化设计难；

各学校间数据孤岛、数据标准不规范，无法跨层级挖掘数据价值；

教育资源不平衡，AI人才主要集中在重点的几个院校内。

方案描述

一方面，结合边端算力设备以及全栈式AI训练开发平台，打造一款适用于大学生群体的软硬一体学习开发套件，创新并丰富学校的教育资源表现形式，建立学校特色课程，满足教学互动与学习的需要。

另一方面，在低中端年级的学生群体中，通过云-边-端协同方式快速部署违规行为识别、自动统计、姿态判定等功能，助力学校管理、考试与教学过程。

项目背景

安全管理问题是工业场景核心业务需求之一。传统的安全巡检主要依靠人工，对于危险区域及危险行为的预警效率和反馈及时性较差。

痛点

碎片化、长尾化需求较多，功能定制成本高，开发周期长；

设备角度、光线、背景复杂度影响功能识别精度；

监控设备数量众多，部署实施以及售后周期长。

方案描述

私有化部署功能开发平台。内置成熟的模型以及逻辑组件，快速编排禁区闯入、打电话识别、抽烟识别、行为识别、火焰烟雾识别等功能，并实时验证功能准确性。

根据设备品牌以及算力情况不同，转化/量化相应的模型格式并下发功能到边侧设备。根据实际设备安装镜头情况，个性化绘制检测区域、有效区域、电子栅栏、绊线并调整检测标签、模型参数、标签参数等信息，快速低成本地满足客户长尾碎片化场景的业务需求。

边端对实时流进行检测推理并输出检测结果，上报事件到云端统一进行业务处理。

项目背景

交管局要求充分运用AI、大数据等新型技术，建立健全城市道路交通管理感知、预警、研判一体的交管体系。

痛点

场景和光照条件不同影响检测精度和速度；

需要支撑大规模数据的处理和分析。

方案描述

私有化部署MORUAN AI训练开发平台，接入实际场景数据，自训练模型，结合内置的逻辑组件，快速编排行为检测、车辆属性检测、车流统计等功能，并根据上报事件进行拥堵状态、平均速度、时间占有率等业务分析。

通过设备边缘部署的方式满足机器时延敏感的要求，在原始数据源边端完成数据分析，在无网络或网络不稳定的环境下仍可以提供不中断的服务。提供API接口，检测结果接入第三方业务系统，进行统筹分析和管理。