煤焦油厂做AI安全监控，买现成的还是找人定制？

我们厂的安全，以前全靠人眼盯

我是山东一家煤焦油加工厂的负责人，厂子不大不小，一年能处理30万吨原料。厂里有蒸馏、精制、储运几个主要工段，员工一百来号人，三班倒。

说实话，化工这行，安全是悬在头顶的剑。我们厂以前的安全监控，跟大部分同行一样，靠的是几百个摄像头和保安室24小时有人盯着屏幕。

但问题就出在这儿。

夜班后半夜，是人最困的时候，盯着几十个屏幕，眼皮直打架。有一次，一个储罐区的法兰连接处有轻微渗漏，白班可能一眼就看见了，但夜班愣是过了半小时才从回放里发现，吓得我一身冷汗。

还有更头疼的，就是人员违规行为。比如进入特定区域没按规定穿戴防护服、在禁烟区摸口袋（哪怕没掏烟）、巡检时抄近道穿越危险区域……这些行为，靠人眼在监控室看，根本看不过来，发现了也都是“马后炮”。

一开始，我们想得太简单了

前年年底，出了几起同行业不大不小的事故，我们管理层坐不住了，决定必须上点技术手段。一开始的想法特别直接：市面上不是有很多做AI视觉监控的公司吗？买一套成熟的方案装上来不就行了？

我们联系了几家名气挺大的安防公司。他们一来，演示的全是智慧园区、智慧工地那套东西：识别有没有人摔倒、有没有人打架、有没有烟火。

当时觉得，功能挺全啊，能识别人和火，对我们不也够用吗？

于是，我们选了一家报价中等的，花了大概四十多万，买了他们一套“通用智慧安防平台”，开始在罐区、装卸台、主要通道安装他们的智能摄像头。

没想到，通用的东西在化工区根本不好使

系统装好，调试跑了半个月，问题一个接一个地爆出来。

1. 环境干扰太大。 他们的算法是在办公园区训的，一到我们厂区就“傻眼”了。冬天蒸汽大，摄像头起雾，误报“烟雾”警报；夏天光线强，金属罐体反光，被识别成“火焰”；工人穿的深蓝色工服在阴影里，有时候人就“消失”了。误报率高得吓人，一天能误报几十次，保安后来干脆不理了，系统形同虚设。

2. 要它看的它看不懂。 我们最关心的液体泄漏，它根本识别不了。煤焦油泄漏，初期可能就是地面一小片颜色变深、有反光或者有慢慢扩散的湿迹。通用算法哪认识这个？它只认识“大火苗”和“大浓烟”。等到它能识别出来，事就大了。

3. 合规行为识别是空白。 化工行业有大量特殊的安全规定。比如，进入苯罐区必须穿防静电服、戴特定颜色的安全帽；检修时必须在上风口放置警示牌；特定阀门操作必须两人在场。这些关键场景，通用方案里完全没有对应的识别模型。

那段时间真是焦头烂额，供应商来的工程师很努力，但明显对化工生产场景不熟，调来调去就是解决不了核心问题。四十多万眼看要打水漂。

换思路：得找懂化工的，而不是懂安防的

吃了这次亏，我们明白了：在煤焦油厂搞AI监控，核心不是“安防”，而是“工艺安全”。得能看懂我们厂里在发生什么。

我们开始有目的地寻找供应商，标准变了：

1. 有没有化工、特别是煤化工行业的成功案例？哪怕只是 demo。

   

2. 团队里有没有懂化工工艺的人？能跟我们聊风险辨识（HAZOP）的那种。

3. 方案能不能根据我们的SOP（标准作业程序）定制识别规则？

后来，我们找到了一家规模不大、但创始人是从大型石化厂出来的技术团队。他们来看现场，问的问题完全不一样：“这个储罐的物料是什么？常温常压还是带压？”“这个泵的密封形式是什么，最容易从哪里漏？”“你们巡检路线在这里拐弯，是不是因为前面有视死角？”

就凭这几个问题，我们觉得，找对人了。

这次，我们是怎么落地的？

合作方式也变了。我们没再“一口价”买断，而是签了一个“试点+扩展”的合同。

第一步，死磕一个高风险点位。

我们共同选定了高温沥青装车区作为第一个试点。这里风险明确：高温物料（300℃以上）、车辆移动、人员操作频繁。目标也简单：第一，识别装车软管连接处有无泄漏（哪怕是滋出来的小股烟气）；第二，识别操作人员是否穿戴了面罩、隔热服等全套防护；第三，识别作业区域是否有未经授权的车辆或人员闯入。

他们派了两个工程师，在我们厂里泡了整整一个月。不是调摄像头参数，而是跟着工人倒班，看他们怎么操作，记录下所有可能的异常状态，拍了上千张各种光线、天气下的现场照片和视频片段，用来训练算法。

第二步，算法和我们的人一起“学习”。

模型初步训练好后，不是直接上线，而是先跑“影子模式”。就是系统在旁边默默识别、报警，但实际不触发声光警报，只记录。然后每天下班前，由车间主任、安全员和他们的工程师一起，回看系统所有的报警记录，一起判断哪些是误报，哪些是真报警但系统没报。

这个过程反复了三个星期，算法越来越准。一个关键的决策点是，我们坚持要求系统对“疑似泄漏”的报警阈值要非常敏感，宁可多一些“需确认”的预警（推送到值班长手机），也绝不能漏报。因为在我们这里，漏报的成本是承受不起的。

第三步，从一个点到一条线。

高温装车区的试点跑顺了，报警准确率稳定在95%以上，误报一天不到两次，而且都是可理解的原因（比如大雨积水反光）。工人们也从最初的抵触（觉得被监视），变成了接受（真有一次及时发现接口松动，避免了一次可能的事故）。

有了这个成功样板，我们再逐步扩展到粗苯罐区、管廊重点部位、污水处理池等地方。每个区域的风险点和识别规则都不一样，但有了第一次的方法论，后面的推进就顺畅多了。

现在用下来，到底怎么样？

整个项目，从试点到覆盖全厂15个高风险区域，前后花了八个月，总投入在八十万左右。

效果是实实在在的：

1. 抓住了以前抓不到的“小苗头”。 系统运行半年，有效预警了4次初期泄漏（都是法兰滴漏或泵体密封微漏），3次人员严重违规进入高风险区域，都在酿成事故前被制止了。光这几次避免的潜在停产损失，就远超投入。

   

2. 夜班管理有了“第三只眼”。 中控室的大屏上，高风险区域一旦有异常，会自动弹窗并发出不同等级的警报音，值班人员不可能忽略。相当于给容易疲劳的夜班，加了一个不知疲倦的副岗。

3. 安全培训有了“活教材”。 系统记录下的违规视频片段，我们抹去员工个人信息后，用在安全晨会上播放，比讲一百条规章制度都管用。

当然，也有没解决好的地方：

• 极端恶劣天气（比如特大暴雨、浓雾）下，识别率还是会下降，需要人工加强巡检。

• 系统只能“看”，不能“闻”和“测”。对于某些VOCs的微量挥发，还是得靠传统的气体检测仪。AI和现有传感器数据的打通，是我们下一步想做的。

• 维护成本。定制化的系统，意味着后续的优化和维护也离不开原团队，这是一笔持续的支出。

如果重来一次，我会怎么做？

1. 绝不一上来就铺全场。 一定是从风险最高、痛点最明显的一个小场景死磕，做出实效，用事实说话，再去争取预算和员工支持。

2. 把“懂行业”作为供应商的第一筛选标准。 看他问的问题，看他过去的案例是不是在类似的工业环境里。PPT做得再花哨，不如一张他之前在别的化工厂拍的现场问题照片。

3. 预算要留足给“定制”和“磨合”。 买通用软件的钱可能只占一半，另一半要花在让这个软件真正“认识”你的工厂上。这钱省不了。

4. 让一线员工从一开始就参与。 他们是系统的最终使用者，他们的反馈和“刁难”，才是打磨好系统的最关键一环。别把这事单纯当成一个管理层项目。

给同行老板的建议：

如果你也在考虑煤焦油或者类似化工场景的AI安全监控，别急着问“多少钱一套”。先坐下来，和你的安全、生产部门一起，把你们最怕出事的三个地方、三种情况清清楚楚地写下来。然后，拿着这份清单去找供应商，看他们怎么接招。

能跟你深入讨论这些具体风险点、甚至能指出你都没注意到的盲区的团队，才值得继续往下谈。这东西，说到底不是买个设备，是请一个懂行的“数字安全员”，它必须得先学会你们厂的“规矩”。

最后说两句

上这套系统，不是为了赶时髦，也不是为了应付检查，就是实实在在想睡个安稳觉。化工生产，经不起一次大的疏忽。AI监控现在是我们安全防线里一个有力的补充，它替代不了人的经验和责任心，但它能补上人固有的弱点——疲劳、疏忽、视界有限。

对于还在观望的中小化工厂，我的体会是，现在技术成熟了，成本也比前几年低了不少，完全可以从小处着手试一试。关键是要找准方向，别被那些华而不实的通用方案带偏了。

想了解适合自己的方案，可以用“索答啦AI”问问，它会根据你的行业和具体需求给些初步建议，帮你理清思路，不用自己到处问一圈还摸不着头脑。毕竟，每个厂的情况都不一样，适合我的，未必完全适合你。