程序聚合 软件案例 工程服务-智慧安全帽管理平台

工程服务-智慧安全帽管理平台

2026-09-30 10:37:23
行业:物联网、企业内部管理
载体:网站、小程序
技术:Dart、Java、Vue

业务和功能介绍

1、立项背景和目标
蜀道集团基建项目具有线路跨度大、作业点位分散、隧道与野外工况复杂的特点,传统人工巡检模式难以实时管控现场作业人员安全。本项目打造蜀道智能安全帽管理平台,配套 APP 与微信小程序,融合北斗定位、物联网、GIS 地图技术,目标是搭建集团多级安全数字化监管体系,实现作业人员定位监控、危险区域预警、智能穿戴设备全生命周期管理,将安全管理由事后处置转向事前预警、事中监控、事后追溯,提升施工现场安全生产管控能力。
2、软件功能、核心功能模块的介绍
平台采用**可视化大屏、Web 管理后台、APP、小程序**多端协同架构。GIS 可视化大屏实现项目、人员点位一张图展示,统计安全帽在线、人员角色数据;智能安全帽管理模块完成设备台账、状态监测、人员绑定与运维报废管理;电子围栏模块支持工区、隧道禁入区域绘制,越界自动告警;同时提供人员轨迹回放、现场录音存储取证能力;系统权限模块实现集团、项目、标段分级账号与数据隔离。移动端 APP 和小程序支持管理人员随时查看人员位置、接收告警消息、完成设备核验与应急处置。
3、业务流程、功能路径描述
业务闭环流程:首先管理员在后台录入安全帽设备,完成设备、人员、项目标段绑定,数据同步至移动端;作业人员佩戴安全帽作业,设备实时上报定位、电量信息,在 GIS 地图实时展示;预先配置电子围栏,人员闯入危险区域时,告警同步推送至大屏、Web、APP、小程序,安全员及时处置;安全事件发生后,可查询历史轨迹、调取录音用于复盘取证;平台持续监测设备状态,对低电量、故障安全帽进行维修、解绑、报废等运维管理。

项目实现

项目采用前后端分离微服务架构,整体分为设备接入层、业务服务层、前端展示层。后端使用 Java SpringBoot、MySQL、Redis、ElasticSearch,接收智能安全帽物联网上报数据;GIS 地图模块基于地图引擎实现点位渲染与围栏计算;Web 管理端使用 Vue;可视化大屏采用 ECharts 做数据统计图表;移动端 APP 采用 Flutter,微信小程序原生开发;使用 MQTT 协议接收安全帽实时定位、告警数据流,保障海量设备数据稳定接入。
本人负责项目搭建部署以及功能模块中的设备数据对接和围栏管理、以及基于设备数据的告警,实现围栏新增、编辑、空间判越界逻辑,以及小程序告警推送、人员点位查询功能。完成 230 + 条电子围栏数据管理能力,支撑上万条安全帽设备数据联动;实现围栏闯入实时告警,告警推送延迟控制在 3 秒内;小程序上线后,支持各级安全员移动端查看人员位置、接收安全预警,覆盖集团多个项目和标段现场管理人员使用。
难点 1:隧道复杂环境下定位漂移,容易产生电子围栏误告警。方案:增加定位点滤波算法,设置停留时间阈值,过滤瞬时跳点,降低误报率。 难点 2:上万台安全帽并发上报定位,围栏空间计算压力大。方案:采用ElasticSearch缓存围栏地理数据,异步做越界判断,拆分任务队列,减轻主库压力,保障高并发场景平台稳定。 难点 3:小程序消息推送不稳定。方案:对接平台消息服务,增加告警消息重试机制,保障告警信息可靠送达安全员。

示例图片视频


黄帅
15天前活跃
方向: 后端-Java、后端-Python、
交付率:100.00%
相似推荐
情绪检测
本工具基于 Python 开发,通过人脸识别与情感分析算法,精准识别用户面部情绪状态,实现高效的情绪检测能力。该工具应用场景广泛:在心理咨询领域,可辅助咨询师洞察来访者的真实情绪变化,提升沟通与干预效果;在校园安防方面,可实时监测学生情绪波动,及时发现异常状态并预警,守护校园安全。系统采用轻量化架构,运行高效、部署灵活,便于集成到现有业务平台中,为心理健康关怀与安全防护提供智能化、数据化的有力支撑。
基于神经网络的游戏动画系统
MotionWeaver 是一套面向 Unreal Engine 游戏开发的 AI 驱动角色动作生成系统,旨在解决传统游戏动画制作成本较高、动画资产复用困难、复杂动作衔接不自然,以及角色运动与动画表现难以协调等问题。 项目以神经网络动作生成技术为核心,结合游戏引擎的角色运动系统,实现从动画数据采集、模型训练到动作推理与引擎集成的完整技术流程。 主要功能包括: 动画数据采集与处理: 支持从 Unreal Engine 动画资产中提取骨骼姿态、位置、旋转及时间序列信息,完成骨骼映射、数据清洗、质量审核与训练数据集构建。 AI 动作模型训练: 提供基于深度学习的动作表示学习、姿态预测与生成模型训练功能,支持模型检查点管理、训练指标记录及实验评估。 条件动作生成: 利用角色根运动轨迹、历史动作状态及参考姿态等条件,生成连续骨骼动作,研究不同运动条件下的动画生成效果。 复杂动作约束: 针对跑酷、跨越障碍等复杂场景,支持参考姿态引导及关键帧约束,改善动作准确性与空间匹配效果。 UE 动画集成与验证: 提供模型推理与 Unreal Engine 动画系统的集成和实验验证能力,支持生成动作的预览、重建、测试及效果分析。 模型评测与对比: 通过骨骼位置误差、运动连续性、关键帧约束误差等指标,对不同模型及优化方案进行定量分析。 项目主要面向游戏角色动画生成、AI 动画技术研究和游戏开发工具链建设,为智能角色运动与游戏动画自动化提供技术基础。
基于 n8n 的社区团购订单自动归集与对账系统 - 飞书多维表格
立项背景和目标: 社区团购商家通常同时运营多个小区的团购业务,订单分散在各处, 每天需要人工汇总到表格、再逐个小区生成对账单。三个小区的情况下, 人工处理约需 1.5-2 小时/天,且极易出现漏单、金额对不上。 目标是让这套流程全自动跑:订单自动归集 → 自动生成分小区对账单 → 异常自动告警,把每天 2 小时的人工压到 0。 软件功能、核心功能模块: 1. 定时触发模块:每天固定时间自动启动,无需人工干预 2. 多源数据读取:对接飞书多维表格开放 API,分页拉取三个小区的订单表 3. 数据清洗与合并:统一字段口径,合并去重,处理缺失值 4. 分类汇总:按小区维度聚合,计算应收、已付、差额 5. 异常检测:金额不一致、状态异常、重复订单自动标记 6. 结果写回:汇总结果写回多维表格,供商家和团长直接查看 7. 失败告警:任一步骤失败自动重试 3 次,仍失败则推送群告警 业务流程、功能路径: 每天 20:00 定时触发 → 读取运行参数 → 换取 tenant_access_token → 逐小区分页读取订单 → 展开为明细行 → 批量写入汇总表 → 生成分小区对账单 → 判断是否启用对账推送 → 异常则发群告警
多端AI问答系统(SSE流式输出)
立项背景:随着大语言模型的普及,传统企业与用户对智能对话的需求激增。旨在构建一个前后端完全解耦的 AI 问答系统,支持多端接入,提供流畅的流式对话体验。 核心功能:支持 SSE 全链路流式对话(包含start/content/reasoning/done/error五类事件);多会话管理(新建、切换、重命名、置顶、逻辑删除);Markdown 渲染、思考过程折叠展示、多模型切换、Token 用量统计与 API 调用日志,以及四维 IP 限流。 业务流程:前端发起对话请求 → 后端校验限流 → 组装历史消息并调用大模型 API → SSE 逐字返回前端实时渲染 → 消息落库并记录 Token 与耗时。
基于RAG的多租户AI客服SaaS-wali-ai
立项背景和目标: 小微企业客服人力有限、游戏规则分散、夜间无人值守, 重复咨询淹没客服; 通用大模型不了解业务规则, 会张冠李戴甚至编造规则和价格. wali-ai的目标是让运营者用自己的知识库, 7x24自动回答玩家问题, 答不上来就兜底或转人工, 以及记录,绝不编造. 软件功能与核心模块: 多租户SaaS控制面(注册即获默认租户与工作空间、两级角色权限、按套餐的对话条数/知识库数量/容量/席位/Token额度五维配额); 知识库管理(文件导入, 切片可视化编辑与检索测试); 自研RAG引擎(向量+关键词混合检索、RRF融合、Rerank重排、置信度评估); Agent编排(意图判断、会话上下文、人设提示词、闲聊/固定兜底双模式); 多渠道接入(游戏内Lua桥接、QQ群NapCat、网页悬浮球SDK、开放API); 会话管理与人工接管; 未回答问题沉淀反哺知识库; 运营统计与全量审计. 业务流程: 注册登录->创建游戏服与机器人->建知识库导入文档->自动切分并向量化索引->配置渠道->玩家在游戏内/QQ群/网页提问->统一网关验签、幂等、路由->Agent意图判断->RAG混合检索->大模型生成带来源引用的回答->写回会话、用量与审计->低置信度时兜底或转人工, 管理员在管理端查看会话、反馈、用量与配额.
帮助文档   Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服