【项目背景】
稀土高新区某新材料公司的安全总监找到我，说老板今年打算"上个AI"，需求就两条：第一，厂区入口用人脸识别门禁，顺便测体温；第二，车间里装摄像头自动识别谁没戴安全帽，识别到了就报警。这需求听着不复杂，但很多IT服务商上来就推云端AI——我给他们算了笔账：厂区每天1万次人脸识别，云端API按次收费0.01元/次，一个月就是300块，一年3600；员工数据还得上传到别人服务器，隐私合规怎么过审？我建议做本地化AI，私有部署，数据不出厂区，安全又省钱。
【咨询设计】
硬件选型是本地AI成败的关键。人脸识别门禁我们用了海康DS-K1T671M-3XF（双目活体摄像头+红外测温，支持1:N人脸比对，本地数据库最大50000人），门禁控制器用海康DS-K2602-G，服务器用戴尔PowerEdge R750xs（双路至强4314/128GB ECC/4TB NVMe SSD），部署旷视Face++本地版算法引擎。安全帽识别用了NVIDIA Jetson AGX Orin边缘计算盒子（32TOPS算力），搭配海康DS-2CD7A287-5XZ10IS（800W星光级筒机+深度学习算法），识别准确率实测97.3%（现场光线下）。服务器端还部署了一台超聚变FusionOne AI一体机，内置商汤SenseChat类LLM本地模型（7B参数Q5量化），用于安全日志智能问答和报表生成——这块是亮点，同行基本没人做。
【施工规划】
边缘AI施工的难点，是算力分布和网络回传。从门禁到机房走光纤（车间到办公区距离约200米），人脸底库比对在本地服务器完成，识别结果通过HTTPS加密回传到门禁控制器，响应时间实测<200ms。安全帽识别在边缘盒子本地闭环处理——识别到未佩戴安全帽后，Jetson AGX Orin通过GPIO触发声光报警，同时抓拍图片存到NAS（群晖DS1621+，8块6TB希捷IronWolf NAS盘，RAID6），不在网络上传输人脸图片，彻底杜绝隐私泄露风险。本地LLM部署：用Ollama框架加载Qwen2-7B-Instruct Q5_K_M量化模型，实测推理速度38 tokens/s（intel iGPU加速），足够日常安全咨询使用。LLM知识库我们导入了公司安全规程、操作手册、历史事故报告，用RAG（检索增强生成）架构，每次回答都能溯源到具体文件页码。
【安全补丁】
本地AI的安全，比云端AI更可控，但也有自己的风险点。我们做了三件事：第一，门禁系统网络隔离——门禁服务器放在独立VLAN 100，和办公网通过防火墙ACL互通，办公网用户无法直接访问门禁管理后台；第二，Jetson AGX Orin的USB端口全部物理封堵，防止有人插U盘植入恶意程序；第三，本地LLM服务启用用户名+密码认证，API调用需要JWT token，防止未授权访问。另外，我们对边缘盒子做了抗干扰加固——车间里有中频炉，电磁辐射严重，所有边缘计算设备全部加装了电磁屏蔽外壳（铝合金+导电泡棉），测试电磁辐射从0.5V/m降到0.05V/m，符合GB 9254 Class B标准。
【验收交付】
验收数据：人脸识别门禁——1:1比对时间<150ms，1:N（50000底库）识别时间<300ms，活体防假率>99.5%，寒风中戴手套识别率>96%；安全帽识别——未佩戴安全帽报警准确率97.3%，误报率<2%，响应时间<500ms；本地LLM——安全规程问答准确率>90%，生成报告平均长度200-400字，引用溯源准确率100%。交付文档：AI系统架构图、边缘计算设备配置清单、人脸底库导入记录、安全帽识别算法精度测试报告、RAG知识库索引报告。
【售后承诺】
本地AI系统需要持续运维优化。我们提供季度算法迭代更新——根据现场误报案例，重新标注数据、重新训练模型，每季度出新的算法包上门升级。本地LLM知识库每月更新一次（新增安全通告、操作规程修订），免费协助导入。人脸识别底库变更（入职/离职），提供管理后台培训，行政人员可自行操作。大年三十、设备故障应急，打17704868686，2小时到现场。
【不舍昼夜技术 · 包头IT全生命周期服务】
业务全闭环：咨询规划、方案设计、工程实施、竣工验收、维保售后。
咱能干的：包头修电脑/装监控/拉网线/做系统/救数据/办软件/卖耗材。
技术范畴：5G通信、大数据服务、信息系统集成、网络安全、商用密码、平面设计。
服务区域：昆区、青山区、九原区、东河区、高新区等包头全境，随叫随到。
技术热线：17704868686（本地专业团队，不舍昼夜为您守候！）