摘要
本项目基于全国产化算力平台，打造智慧交通视频与图像安检智能体系统。系统以品原AI一体机为国产边缘AI算力核心，融合行业垂域智能体技术与轻量级大模型优化方法，构建高效边缘智能云底座。在公共交通安防监测中，实现违禁品毫秒级初筛与深度研判，有效解决传统人工判图“效率低、易漏检误检”问题，为智慧交通提供安全可控的全国产化解决方案。
一、项目背景
随着城市化进程加速和交通需求持续增长，智慧交通已成为解决现代交通问题的关键手段。在公共交通安防监测领域，传统人工判图方式存在效率低下、易出现疏漏等问题，难以满足复杂多变场景的管理要求。同时，随着人工智能技术的快速发展，利用AI技术提升安检智能化水平已成为行业共识。然而，在关键基础设施领域，采用国外算力平台和AI技术存在安全风险，因此，构建全国产化的智能安检系统势在必行。
品高股份作为国内领先的云计算及人工智能解决方案提供商，依托自主研发的品原AI一体机等全国产化算力平台，结合在边缘计算和人工智能领域的技术积累，推出了基于全国产算力的智慧交通视频与图像安检智能体系统。充分利用国产算力资源，通过轻量级大模型优化优化和行业垂域智能体设计，现了云边协同的高效精准智能安检能力。
二、建设目标
本项目针对智慧交通领域视频与图像自动化处理的核心需求，以“提升交通场景监管效率与自动化水平”为目标，构建基于智能体架构的智能分析系统，核心技术路径与落地成果如下：
- 全国产化算力平台搭建：以品原AI一体机等国产边缘AI算力硬件为核心，搭建从硬件到软件的全栈国产化算力基础，确保系统安全可控，规避外部技术依赖风险。
- 行业垂域智能体研发：针对交通安检场景中“多目标、高动态”的特殊需求，定制研发行业专用垂域智能体，实现多模态（视频、图像）数据的精准分析与自主决策，适配交通场景的复杂环境。
- 轻量级大模型技术突破：攻克大模型轻量化优化关键技术，将大模型压缩适配边缘算力平台，在保证检测精度的同时，实现毫秒级高效推理，满足交通场景的实时性要求。
- 边缘智能云底座构建：基于品高智能算力调度平台，打造边缘智能云底座，实现算力资源的统一管理、弹性调度与高效利用，为多交通场景（枢纽、站点、路段）的智能应用部署提供支撑。
- 规模化落地验证：在多个核心交通枢纽完成系统部署，通过实际场景验证系统的实用性、稳定性与可推广性，最终形成可复制的智慧交通监管解决方案，树立行业标杆。
三、建设内容
项目采用分层分布式架构，主要由边缘计算层、网络传输层、中心服务器层组成，通过边缘计算、高性能网络与中心智能的紧密配合，实现高效、精准的安检图像分析。其中，品高股份提供的国产加速硬件设备实现了从芯片设计、晶圆制造、封装测试到整机组装的全链路技术自主可控，全面保障核心技术的独立性与供应链安全。同时，结合算力设备和驱动、算子等推理软件栈，以及品高云边端一体化的云算力调度平台，本方案本方案构建了软硬件融合的智能加速底座，形成云边一体化协同推理体系。
（一）全国产化算力平台
- 加速硬件设备：品原AI一体机（PYD-MIN/PYD-MAX）
该项目采用全国产高密度算力一体机——品原AI一体机（PYD-MIN/PYD-PRO/PYD-MAX），搭载全国产自主设计和制造的江原D10加速卡，具备全国产、低功耗、高算力、强大视频编解码能力等特点。该设备作为核心算力单元，承担从中心至边缘的全场景视频和图像数据的实时处理与智能分析任务。同时，品高股份提供了完整的驱动、算子等推理软件栈，确保AI模型在国产硬件上的高效运行。
- “云-边-端”协同架构
平台采用"云-边-端"一体化协同架构，通过品高智算底座实现跨层级的算力调度和资源协同中心节点部署PYD10-PRO/PYD10-MAX超融合计算节点，边缘端采用PYD10-MIN边缘计算设备，形成分级算力支撑体系。
（二）行业垂域智能体
系统通过“边缘-中心-人工”三级协同工作流架构，整合轻量化检测模型、多模态大模型、专业知识库与工作流引擎，构建针对安检场景的垂域智能体。
- 多模态数据融合分析：支持视频、图像、音频等多模态数据的实时采集与分析，实现安检信息的全面感知。
- 特征融合与分析：采用多模态融合策略将两类特征结合，生成更全面的特征表示，输入分类器或推理引擎进行深度分析与可解释推理。
- 专业知识库支持：知识库存储交通领域专业知识（如违禁品信息、交通规则、历史案例），为模型提供辅助推理依据，提升分析准确性和可靠性。
（三）轻量化大模型优化技术
针对交通运输边缘场景计算资源受限的特点，系统提供边缘轻量化检测模型。基于边缘计算节点的本地快速计算能力和轻量化模型的高效推理，本系统能够实现物品毫秒级初筛。
- GPU高效切割技术：在边缘计算场景中，GPU高效切割技术通过驱动层优化，实现1%颗粒度的算力细分，并实现最小最小显存分配，精准适配传统小模型并行推理等差异化任务。
- 分时复用技术：针对部分GPU驱动不支持硬件切割的分时复用技术，通过时间片轮转实现资源共享。分时复用通过时间划分，支持单个GPU多任务执行，适用于不支持切割的驱动。在边缘场景中，动态调整时间使用，满足任务需求。
- 算力资源快速回收设计：通过心跳监测、自动清理和动态重分配，应对因设备振动、温差或突发事件导致的任务异常。当异常发生时，系统能立即释放GPU等算力资源，并优先分配给高优先级任务，从而将恢复时间从秒级缩短至毫秒级，有效防止故障扩散，保障系统稳定运行。
（四）边缘智能云底座
品高智算底座具备“云-边-端”一体化协同计算的能力，可将边缘侧计算平台和中心的算力设备，以及其中部署的应用进行协同调度，最终实现应用协同。
- 轻量化边缘容器云平台
针对边缘设备资源受限的环境，通过深度轻量化改造，实现低功耗硬件上的容器云平台稳定运行。支持边缘自治，弱网环境下边缘节点持续提供服务，节点控制器整合核心功能并将内存占用控制在200MB内等，整套方案显著降低系统资源依赖，满足边缘设备的低功耗运行需求。
- 云-边-端协同智算调度平台
采用云原生标准构建云边端一体化协同管理调度平台，实现从云中心到边缘节点、再到终端设备的无缝资源调度与任务协作。通过容器化编排和声明式API，本系统将云端大模型训练与边缘实时推理、终端数据采集有机融合，形成闭环反馈机制。该系统支持中心云、边缘云、端云三级资源统一调度，可实现应用编排、负载均衡、监控告警等核心功能；提供GPU虚拟化能力，支持算力惊喜切割与共享。
四、预期效果
- 运行效率与资源配置双重优化
通过“边缘端初筛+中心端精判”的分层处理机制，边缘端可实时过滤95%以上无风险常规样本，将中心服务器算力集中于疑难图像分析，不仅大幅降低人工介入频次（预计减少60%以上无效人工审核），更使系统整体数据吞吐量提升40%+，同时避免人力资源浪费，实现“人、机、算力”的最优匹配。
- 识别精度提升与安全风险可控
依托多模态大模型的特征提取能力与交通安检场景专属知识库（覆盖100+类危险品特征），系统可精准破解“物品形态复杂、遮挡严重、相似度高”的识别难题，误判率预计降低至3%以下，漏判率控制在0.5%以内，危险品检出能力较传统方案提升50%+，从技术层面筑牢交通场景安全防线。
- 可解释性输出与人机协同强化
突破传统AI“只给结果、不做解释”的局限，系统在输出物品判定结论时，同步关联对应法规条款（如《铁路安全管理条例》相关条款）与历史典型案例样例，既提升结果可信度，也帮助工作人员快速理解判定逻辑，平均判别处置时间预计缩短30%，实现“AI辅助决策+人工最终确认”的高效人机协同模式。
- 持续进化能力与业务动态适配
支持基于本地新增样本的增量训练模式，无需对模型进行全量重训，即可让系统快速学习新出现的危险品形态（如新型伪装违禁品）、复杂场景特征（如恶劣天气下的图像识别），确保模型性能随政策更新、风险变化持续优化，满足智慧交通长期发展的业务需求。
五、系统优势
依托全国产化算力，打造智慧交通视频/图像安检智能体系统，解决传统人工判图“效率低、易漏误检”问题，提供安全可控的全国产化智慧交通安检方案。
- 高效处理：边缘过滤95%+常规样本，中心聚焦疑难分析，系统吞吐量升40%+，人工无效审核减60%+。
- 精准识别：误判率＜3%、漏判率＜0.5%，危险品检出能力较传统升50%+，输出含法规依据与案例，处置时间减30%。
- 灵活扩展：支持本地增量训练，无需全量重训即可适配新型违禁品/复杂场景，适配多交通场景部署。
- 安全可靠：全链路国产杜绝外部依赖，物理专网保障数据传输安全，“AI+人工”双重复核兜底。
六、应用场景
本系统已成功应用于机场货运智慧安检场景，在提升安检效率、降低运营成本、增强安全保障等方面成效显著且系统具备高度的可扩展性。
（一）公共交通安防监测场景
依托“边缘-中心-人工”三级协同架构，系统基于安检X光机数据，通过边缘轻量化模型实现毫秒级违禁品初筛，识别50类违禁品，检出率≥95%。疑难图像经专网传至中心，结合多模态大模型深度分析，实现实时检测与精准预警。
（二）道路交通治理场景
系统通过卡口与路侧监控，基于光纤网实时识别危险货物及道路异常。边缘计算分析视频流，验证危险品运输资质，检测路面异常，并将结果实时传输至指挥中心，支撑道路安全管理。
（三）货运物流监管
系统利用智能判图技术提升园区安检效率。X光机采集包裹图像，边缘节点快速分析识别特殊物品，支持危险品全程监测。日均处理8–12万张图像，通过“采集-分析-复核”流程提升自动化水平。
（四）交通设施运维
系统融合视频与传感器数据，实时监测隧道、桥梁等设施的结构变形与异常。结合多模态大模型分析预警，依托低延迟光纤网传输数据，建立健康评估模型，提升运维智能化与安全保障能力。
七、总结与展望
本项目成功构建了基于全国产算力的智慧交通视频与图像安检智能体系统，在技术自主可控、业务应用效果等方面取得显著成果。未来，随着数据规模的持续增长和技术的不断进步，系统将进一步加强多模态大模型优化，为智慧交通发展提供更强大的技术支撑。
完成单位：广州市品高软件股份有限公司
完成人：林冬艺、黄继承、黎思恒、吴思洪