港口智慧安监多模态大模型应用及 AI告警管理采购

对投标人澄清函的回复

一、关于训推平台的具体要求：招标文件第五章“实施要求”中提及需要部署可运行的训推平台，但在整个项目需求中并未对训推平台的具体要求、功能定位及配置标准进行描述。

部署推理平台在本项目中定位为支撑**AI模型（包括专有算法模型、多模态大模型）在线推理部署的核心基础平台，服务于算法研发、模型更新迭代与业务部署需求。

Φ 数据接入与预处理；

Φ 专有算法模型部署、推理；

Φ **调度与异构计算支持；

Φ 推理任务自动触发、在线API调用与状态监控；

Φ 行业垂直型多模态AI助手，实现告警图片的智能分析、安全规章的精准问答、员工培训试题生成等功能。

算法推理平台根据**的智慧安防需求，设计研发专业场景分析用小模型算法，并接入**现有视频流实时分析输出告警图片给到AI告警管理子系统。用户在AI告警管理子系统上可通过多模态大模型对告警图片进一步分析，生**全生产报告。

数据交互方式主要涉及：

1）算法服务到告警平台

通信方式可采用消息中间件或平台提供的 RESTful API，实现告警事件的高效传输与处理。数据格式可采用 JSON 或 Protobuf，确保良好的结构化与可扩展性。

2）告警平台到多模态大模型服务

通信方式通过 RESTful API 等方式完成，支持按批量或单条形式将告警信息传入多模态大模型服务进行推理分析。接口设计灵活，可对接结构化告警数据与图像等多模态输入，增强对告警语义和上下文的理解，进一步提升平台的智能识别与响应能力。

﹒ 危险作业区入侵检测；

﹒ 夜间或低照度下的人员异常行为识别；

﹒ 特种设备附近的人员动态监控；

﹒ 特殊事件追溯。

﹒ 在实际部署环境中，模型的精确率（Precision）和召回率（Recall）均不低于90%；

﹒ 模型可在边缘计算节点/服务器中以 <1s 推理延迟实现实时分析；

﹒ 具备对复杂背景、遮挡、低光等情况的鲁棒性；

﹒ 可支持按需扩展识别类别、行为类型及场景定制化优化。

﹒ 项目实施单位需对现场真实监控视频、图片数据进行采集和脱敏，数据收集时间范围不小于1年；

﹒ 现场采集方式包括对接**摄像头设备、导出录像、人工标注采集；

﹒ 采集的数据需要综合考虑多个维度，包括时间、天气、人员服饰、作业情况。

﹒ 平均每个模型类别建议提供至少 10000 张图片/视频片段 作为标注样本；

﹒ 平均行为识别类任务需提供10000 次以上的完整行为样本序列；

﹒ 总体训练数据集量级不少于 100000 张图像或视频帧。

﹒ 每条标注数据需包含：清晰目标边界框/关键点/行为类型标签；

﹒ 标注准确率 ≥ 98%，由两轮标注和校验流程完成；

﹒ 标签种类、格式、结构需与模型训练框架兼容。

应从以下方面评估数据质量：

l 基础质量评估：准确性、完整性、一致性、多样性；

l 定量评估：类分布均衡性、标注一致性与错误率、图像质量评估（清晰度、亮度、对比度）。