配置管理 故障诊断 …… 日志查询 智慧视频融合 PaaS 平台 视频服务 运维监控服务 私有协议 平台接入 SDK 接入 …… 标准协议 分析任务 分析事件 边缘协同 …… 分析算法 设备接入服务 智能分析服务 资源监测 资源共享 视频转码 …… 平台级联 …… 平台融合服务 物联融合服务 多维数据接入网关 边 录像回放 流媒体分发 质量检测 实时预览 视频上墙  视频质量检测  全平台客户端 提供专业、丰富的视频应用功能，可满足 平安乡村场景下的视频应用需求。 防疫管理 接入智能分析算法及智能设备，巩固防疫防线，提升乡村疫情 常态化防控水平  口罩检测 • 通过智能分析算法，实时检测视频画面内出现的人员是否佩戴口罩 • 对于未佩戴口罩的情况触发报警，并执行事先设置的联动动作（抓拍、录 像、消息通知等）  测温记录 发报警后，广播联动进行语音提醒和劝阻 违规行为上报 • 对于到达一定时间胡乱停放车辆行为进行抓拍和视频上报到相应上 级平台作为行政执法的依据留痕 违章搭建、宅基地私建 无人机日常巡视 多种视频算法叠加 广播喊话 林区火灾预警 烟火预警算法 远景区域布控 平台弹屏报警 声光同步报警 快速定位火情 宣传大喇叭 支持多品牌的广播设备的接入，支持语音喊话、远程文件播 放等常用的广播功能  宣传大喇叭

驱动的工具 对海量数据进行分析，从而精准预测基因型-表型关联，识别新的基因组合，大幅提升精度和效率并优化育种策 略。先正达、拜耳等国际种业巨头完善的作物基因组数据库和表型数据库基础上，利用 AI 算法在作物基因编辑 靶点预测、全基因组选择模型优化等方面取得显著成果，并广泛运用于田间试验及商业化育种中。我国近年来 在 AI 作物育种领域有所突破，如农科院、国家南繁研究院与阿里达摩院联合研发出全流程智慧育种平台，加速 脑机接口、知识图谱、人机交互、自主无人系统等： （1） 机器学习（ML）：AI核心技术，通过构建模型、利用算法对大量数据进 行学习和分析，自动发现数据中的模式和规律，并据此对新数据进行预 测或决策；可划分为监督学习、无监督学习和强化学习。 （2） 深度学习（DL）：机器学习重要分支，基于人工神经网络的学习算法， 通过构建具有多个层次的神经网络模型，让计算机自动从大量数据中学 习特征和模式。 （3） ·监督学习：使用标记数据进行训练，让模型学习输入特征与输出标签之间 的映射关系，如用于图像识别的卷积神经网络，通过大量标记图像学习识别 不同物体。 ·无监督学习：利用无标记数据发现数据中的内在结构和模式，如聚类算法 将数据点分组为不同的簇。 ·强化学习：智能体通过与环境进行交互，根据环境反馈的奖励信号来学习 最优行为策略，在机器人控制、游戏等领域有应用。 深度学习 机器学习的一个分支，是一种基于神经网络的学

的手段，将数据制图，从图中发现潜 藏 的数据问题 通过新的规则和阈值范围，对各专业数据进行 补充校验 通过异常值检测算法，从统计学角度去发现异 常数据 竞争型神经网络与 GIS 相结合， 通过空间分 布 规律寻找异常数据 竞争型神经网络 +GIS 制图分析 补充校验 算法检测 4 系统异常值算法介绍 -3σ 原则 3σ 准则又称为拉依达准则，它是先假设一组检测数据只含有随机误差，对其进行计算处理得 （标准差） 适用范围及局限 1 、仅局限于对正态或近似正态分布的样本数据处理； 2 、 μ 、 σ 对异常值的耐抗性小，异常数据本身会对其造成影响； 3 、为保证检测结果的准确性，数据量必须充足。 算法检测——检测方法介绍 4 绘制步骤及数据分布区间 1 、找出一组数据的中位数和上下四分位数 (Q3 和 Q1) 2 、连接两个四分位数画出箱子，并计算四分位距 IQR=Q3-Q1 3 、计算上下界： 、为保证检测结果的准确性，数据量不能太小 4 、在异常值方面具有一定的优越性 系统异常值算法介绍 - 箱形图 箱形图 ( 英文 :Box plot) ，是一种用作显示一组数据分散情况资料的统计图。因型状如箱子而得名 ， 常见于品质管理。 其最大的优点就是不受异常值的影响，可以以一种相对稳定的方式描述数据 的离散分布情况。 算法检测——检测方法介绍 4 系统异常值算法介绍 -kmeans 以空间中 k 个点为形心进行聚类

情监测预警，同时提供火情研判、沙盘标 绘、英延分析、救援力量推荐、火情处置、 审核归档、灾损评估、预案管理等业务处 置，落实火情灾前、灾中、灾后的管理， 全面支撑火情打早、打小、打了 通过热成像感知， AI 算法对动物进行抓 拍识别，同时提供专家鉴定，动物图像 统计分析，实现保护区域内资源库分析、 物种的分布、活跃动物、性别分布等数 据分析，为野生动物科研及保护提供数 据支撑。 通过信息化手段管理和服务好护林人员 7 基于深度学习的 烟雾识别算法 二次判断火点识别 算法 识别率更高 ( 承德项目上 火灾高发期间，遥感卫星发 现的火情，全部识别发现， 无一漏报 ) 误报率更低 ( 河北项 目 上 平均每天每台 0.6 条误 报， 误报率远远低于行业标准要 求的每万公顷不大于 3 条 ) 高性能 GPU 架构，承载 算法能力更强 专业算法团队多年烟雾研 究，基于视频序列识别 通过动物识别 AI 智能算法识别，对关注动物进行实时监 测，定向推送。对监测到的动物进行专家鉴定，统计分析鉴定结果。 ● 最大功耗 18W, 定点录像预览 6W ● 续航时间 4 天、回充时间 5 天 ● 支 持 4G 、远程唤醒、定时与平 台 下发等休眠模式 ● 支持加载 AI 开放平 台 算法， 实 现动物检测、计数、分类 ● 支持热成像动物检测算法，实 现热成像触发检测动物

第一类是以用于分类预测和模式识别的前馈式神经网络模型，其主 要代表为函数型网络、感知机；第二类是用于联想记忆和优化算法 的反馈式神经网络模型，以 Hopfield 的离散模型和连续模型为代表； 第三类是用于聚类的自组织映射方法，以 ART 模型为代表。虽然神 经网络有多种模型及算法，但在特定领域的信息挖掘中使用何种模 17 型及算法并没有统一的规则，而且人们很难理解网络的学习及决策 过程。 （6）Web 信息挖掘 并行计算引擎、实时检索引擎等的数据计算的能力，用来满 足各顶层业务的需要； 5) 数据融合层：数据经过采集、清洗、过滤会形成企 业的元数据库和基础数据库群；结合具体业务分析处理后， 22 会形成数据模型库、AI 算法库、各种专题库、业务库、管理 库，提供给上层应用； 6) 数据服务层：融合层形成的各种数据，可在系统的 内外部进行数据的共享交换，业务相关的数据会通过 RESTfulAPI 形式提供各业务系统调用； 支持对数据校验规则进行灵活定义，可 以自定义数据校验规则结构  提供图形化数据校验规则设置功能，允 许对校验规则进行维护、优化等处理  依托数据校验提供全面的数据质量监控管理  能够根据设置的数据校验与监控规则或 算法，对需要进行校验的数据进行采集后执行相 应校验检查，并依据稽核和检查过程中发现的数 据质量异常情况进行告警过程 43 数据校验从校验对象细粒度维度分析，支持文件级校验与记录 级校验二大类。

新北现代农业产业园农田分布 作物分布遥感普查技术方法 在遥感测量技术的基础上，将统计技术与空间 遥感技术有机结合，利用 NDVI 归一差异植被 指 数算法、 REP 红边位移算法分析，实现对新 北 区水稻种植面积估算，新北区农作物种类分布 图的展示。 农业一种植管理一作物类型分布 新北区 2020 年水稻种植面积图 - 新北水稻小麦油菜籽复种区 新北区 面积测算 从光谱特征信息提取进行验证后，针对多画，漏画和错画 情况进行进一步验证，大幅度提升水稻种植面积监测精度。 西夏墅镇东南村人工解译匀画地块 的 NDVI+REP 算法验证 农业一种植管理—水稻算法分析 高分 / 北京二 号 耕地矢量化 地块数据 病网 好 ; 水稻面积监测技术路线 算 法 模 型 鑫 火 实 部 确 定 不 NDVI 水稻长势受虫害影响发生变化 水稻长势不受虫害影响发生变化 农业一农业灾害管理一病虫害监测 利用卫星数据，通过 NDVI 、 EVI 算法对孟河镇部分区域进行病虫害分 析 NDV 归一 化差 值植 被 指 数 EVI 增 强 型植 被指 数 8/1 6 8/1 6 8/1 8/1 孟河镇温度植被干旱指数 TVDI

年，Moconnell 等利用计算机视觉技术 对颜色的识别来控制烘烤食 品的质量，并取得了较好效果。Seida 等 对机器视觉技术运用于饮 料容器质量检测的可行性进行 了研究。 Jia 等提出将图像处理算法应 用于鳍类鱼的加工。1998 年，Tao 等运用计 算机视觉技术进行鸡肉 中骨头碎片及污染物的无损快速检测，并研制 出相关设备。在植物 生长监测方向，1995 年，Shinizu 等利用机器视 业 企 业 、 农 业 视 频 等 14 个 分 类 ， 59 个 主 题 信 息 库，6.8TB 数据资源，实现了农产品数据集市挖掘、基于规则的包装 器专题信息 抽取模型、农业信息专题词库更新算法、无序数据的大样 本学习机制等 技术的应用，为农业知识来源的最大频繁项目集和信息 熵集合提供了数 据仓库基础。 2.1.3 农业感知数据挖掘 除了农业网络数据之外，在农业产业链前端以及农业生产过程 技术解决生产中的问题。其基本架构包括三部分：农业数据挖掘模型、农 业数据挖掘工具集和农业数据挖掘服务。其中，农业数据挖掘模型主要用 于数据的特征提取与模型构建；农业数据挖掘工具集提供了大量的数据预 处理算法和数据挖掘算法；农业数据挖掘服务则以服务的形式提供 了针对不同领域、不同用户的个性化数据挖掘与推荐方法。 2.1.4 农业数据挖掘应用 2.1.4.1 育种数据挖掘 在人类早期简单的种植和采收活动中，就开始孕育作物驯化育种

：实现基于应用场景的数据资源授权管理机制 ，推动全县公共数据按需充分 共享。实现数据分级分类开放管理 ，构建共享交换能力。 用 ：开展主题数据库建设 ，推动数据资源整合及数据分析应用。开展数据应用 模型及算法研究 ，探索数据服务模式创新；推进全县跨部门的数据智能应用。 安 ：打造整体安全管控体系 ，保证平台上政务数据在数据汇聚、数据管理、数 据共享、数据开放等全生命周期中的安全防护能力。 2.3 安全可靠的大数据存储和计算能力；满足对数据的离线、实时处理需求，并提供可靠的 PB 级数据处理能力；并建设公共 AI 能力平台，提供智能预测、知识图谱、数据结构化 处理以及图像搜索等通用 AI 引擎与算法能力，为各类数据应用场景提供统一的公共 AI 算法服务 ，使得可以更高效的从数据中获取应用价值 ，进而满足在数字 S 县建设过程 中所涉及到的政务服务、产业经济发展、乡村振兴等智能场景应用需求。具体 ，在本 次 S 县数据资源中心建设项目中 AI 预测引擎：基于 AI 算法结合实时流处理 Flink 技术 ，构建 AI 预测引擎 ， 对相关业务趋势做出提前预测； 行业知识图谱：基于海量数据 ，结合 nlp 技术打造行业知识图谱； 数据结构化：利用机器学习算法结合大数据处理技术 ，提供对非结构化数据 进行结构化处理的能力与服务； 图像搜索引擎：提供基于 AI 算法对海量图片进行精准搜索服务。 2.3

容易报警 3-5 103-106 需要长时间喊叫（4S 左 右） 4) 报警准确性 该报警算法对于有效范围内的大声呼救、尖叫、爆炸、枪声等异常响动进行 报警，可有效过滤日常生活中多数干扰音。 4、智能气体报警 全智能反恐机器人内置高性能气敏传感器，配合环境自适应算法，有效减小 温度及湿度对气体侦测的影响，自动采集空气样本，实时获取、分析环境中微量 目标气体的变化，快速识别环境气体异常变化，智能上报警情。 万像 素 1920*1144（含 OSD 信息），压缩因子小于 70，以 JPEG 格式存储于 SD 卡 内，并同时上传至中心进行存储。 （3）号牌自动识别功能 系统采用国内领先的图像识别算法，对通过的所有车辆进行车辆号码识别、 号牌颜色识别、车身颜色及车型等自动识别。 （4）智能补光功能 补光是卡口系统的重要组成部分，关系到最终的图像质量，系统采用了高性 能、低功耗、无光污 背景差分得到运动前景像素点，然 后对这些运动前景像素进行处理得到车辆信息。该方法效果的优劣依赖于背景建 模算法的性能。其流程图如下所示： 3.1-18 车辆检测流程图 整个检测过程分为以下几个步骤： 1、由高清摄像抓拍主机获取实时的视频流。 2、利用背景差分算法检测运动前景。首先通过初始多帧视频图像的自学习 摄像机视频序列 前景区域检测 背景更新 车辆跟踪 是否到达触发线

采用云边结合的技术架构和大数据 分析算法，并通过云中心二次过滤算法， 基本上可以做到农田烟雾监测无误报的高 级目标。 对烟雾识别的起火因子标签化，慢 慢形成烟火识别 AI 智能大数据库，逐步 提高系统识别烟雾的能力，进一步减少误 报。 将报警信息标签化，逐步形成烟火 识别大数据库，通过对起火因子进行算法 分析，使烟火识别的准确率会随着大数据 分析，使烟火识别的准确率会随着大数据 库的记录丰富而越发精准。 烟雾算法：烟雾识别并 进行报警 报警推送 农田环境监测 —— 传感物联网 可检测的参数：土壤温湿度、土壤 PH 值、土壤 EC （肥力）、光照强度、空气温湿度。。。 土壤类 镉离子传感器 铜离子传感器 铅离子传感器 钾离子传感器 铵根离子传感器 水质类 溶解氧传感器 PH 传感器 叶绿素传感器 浊度传感器 COD 传感器 电导率传感器 基于高分辨率卫星遥感影像叠加国土三调数据中“耕地”图层、高标准农田图层、永久基本农田图层，通过建筑物 和水体 AI 识别等技术，自动识别出被违规占用的耕地图斑。 获取到项目地最新的卫星影像 数据 第一步 通过 AI 算法自动提取影像中 的建筑物、水体 第二步 提取和“耕地”有交叠的建筑物、 水体（定义为：占用物） 第四步 叠加上国土三调数据中“耕地”图 层、高标准农田图层、永久基 本农田图层 第三步