Dillon

用户上传图片至后端服务后，后端首先完成图片接收、格式校验、图像预处理等基础操作，随后调用 AI 多模态大模型对图片内容进行全域语义解析与场景化识别，精准判定图片中所包含的安全隐患具体类型，覆盖生产作业、消防、施工、设备、环境等多类安全风险场景；在完成隐患类型识别后，继续调用视觉检测大模型，基于目标检测、实例分割等技术对图片内隐患进行精准定位，输出隐患所在区域的坐标、边界范围等位置信息；后端再依据检测得到的隐患位置数据，对原始图片进行智能分割与可视化标注处理，将隐患区域单独分割提取并返回标注后的可视化图片；同时，后端联动行业安全隐患标准知识库，自动匹配该类隐患在对应行业内的风险等级、整改优先级、法定 / 标准整改时长、整改要求、责任主体及相关安全规范依据等关联信息，最终将分割后的隐患图片、隐患基础信息、行业配套管控数据统一整合返回，为安全隐患排查、整改闭环与风险管控提供完整的数据支撑。

以国家 / 行业官方安全生产强制性规范、标准规程、安全管理条例、专项安全技术要求、地方安全生产监管文件及企业内部安全生产管理制度为核心数据源，通过专业的文档结构化解析、标准化拆分与向量化建模，搭建垂直领域专属安全生产规范 RAG 检索增强知识库；实现基于现场安全隐患类型、隐患具体描述、违规作业行为特征、设备设施缺陷场景等多维度输入，通过语义检索与精准匹配，快速定位该隐患 / 违规行为所违反的对应安全生产规范具体条款编号、条文原文、适用行业场景、强制约束要求，并结合规范核心管控要点、行业安全实操标准、风险分级管控要求，自动生成针对性、可落地、可验收的隐患整改建议，同时配套违规等级判定、整改责任划分、整改时限参考、合规验证标准及同类隐患整改案例参考，形成 “隐患识别→违规溯源→规范依据→整改落地→闭环验证” 的全流程智能化安全生产合规支撑体系。

系统在接收到用户提出的问题后，首先调用大模型对用户的原始问题进行语义解析、歧义消除与逻辑梳理，将口语化、碎片化的问题转化为表述精准、要素完整的规范文本，明确查询对象、筛选条件、统计规则等核心信息；随后依据该规范文本结合数据库表结构与字段关联关系，自动生成语法合规、逻辑严谨的可执行 SQL 语句，精准调取后台数据库中的目标数据；最后对查询到的原始数据进行格式优化、冗余剔除、数值规整等处理，剔除无效信息并精简呈现，最终高效、准确地返回清晰易用的查询结果。