基于大模型的化工安全风险智能识别研究.pdfVIP

本期专题杨成玮，陆新建，徐滨阳，周致永

MonthlyTopic基于大模型的化工安全风险智能识别研究

基于大模型的

化工安全风险智能识别研究

ResearchonLargeModel-DrivenIntelligent

IdentificationforChemicalSafetyRisks

1232

杨成玮，陆新建，徐滨阳，周致永（1.友达光电〔苏州〕有限公司，江苏苏州215021；2.南京科思倍信息科技有限公司，江苏

南京210000；3.中讯邮电咨询设计院有限公司，北京100048）

1232

YangChengwei，LuXinjian，XuBinyang，ZhouZhiyong（1.AUO〔Suzhou〕Co.，Ltd.，Suzhou215021，China；2.NanjingChemCyber

TechnologyCompanyLtd.，Nanjing210000，China；3.ChinaInformationTechnologyDesigningConsultingInstituteCo.，Ltd.，Beijing

100048，China）

摘要：关键词：

在化工、能源等高危行业智能化转型中，作业现场安全风险识别与预警成焦点，化工安全；风险识别；智能预警；多模态大模型；知

传统检测方法难适应复杂动态场景。提出了一种基于多模态大模型的智能风识库融合；Prompt工程；人工智能

险识别与预警系统，通过结构化Prompt工程引导与企业知识库深度融合，提升doi：10.12045/j.issn.1007-3043.2025.06.004

视觉大语言模型在复杂工业场景下的推理与识别能力。系统既支持视频动态文章编号：1007-3043（2025）06-0018-05

目标抽取与关键帧筛选，也可对静态场景图像进行智能分析与风险判断。该系中图分类号：TP391

统以自动化、智能化为核心，显著提升了风险识别的适应性和实用性。文献标识码：A

开放科学（资源服务）标识码（OSID）：

Abstract：

Undertheintelligenttransformationofhigh-riskindustriessuchaschemicalandenergy，safetyriskidentificationandearly

warningatworksiteshavebecomeafocus.Thetraditionaldetectionmethodsaredifficulttoadapttocomplexdynamic

scenarios.Itproposesanintelligentriskidentificationandearlywarningsystembasedonmulti-modallargemodels，which

enhancesthereasoningandrecognitioncapabilitiesofVision-LanguageModels（VLMs）incomplexindustrialscenarios

throughtheintegrationofstructuredPromptengineeringandenterpriseknowledgebases.Thesystemsupportsvideo

dynamicobjectextractionandkeyframefiltering，aswellasintelligentanalysisandriskassessmentofstaticsceneimages.

T