AI消防智能巡检与视频违规识别系统产品系统

面向消防安全管理场景，实现消防设施智能巡检、消防通道占用识别、消防卷帘状态检测及违规视频分析。通过 AI 视觉识别技术分析图片和视频，自动识别消防安全隐患，生成检测结果及可视化标注，帮助企业提高消防巡检效率，降低人工巡检成本。

项目主要包含用户管理、巡检任务管理、图片上传、视频上传、AI智能识别、违规结果管理、检测记录管理及结果可视化等功能模块。

系统支持消防安全场景下的图片和视频巡检，主要覆盖消防栓设备状态检测、消防卷帘状态识别、灭火器压力异常识别及消防通道占用检测。用户可以上传现场图片或视频，系统自动创建巡检任务，通过调用多模态视觉大模型对图片及视频关键帧进行分析，识别潜在消防安全隐患，并返回违规类型、问题描述及目标坐标等结构化数据。系统根据识别结果自动生成带有违规标注框的图片或视频，支持检测结果查询、任务状态跟踪及历史巡检记录管理，实现消防巡检流程的智能化和可视化。

本人主要负责项目 Java 后端核心业务模块的设计与开发，包括巡检任务管理、文件上传、AI识别接口对接、异步任务处理、检测结果解析及数据持久化等工作。

项目采用 Spring Boot + MyBatis-Plus + MySQL + Redis + MinIO 技术栈，采用前后端分离架构。通过 MinIO 实现图片和视频文件存储，通过 HTTP API 对接 Qwen-VL 等多模态视觉大模型，将 AI 返回的内容解析为结构化 JSON 数据，并保存违规类型、置信度、问题描述及目标坐标等信息。

针对视频检测耗时较长的问题，采用 Spring 异步任务处理机制，将视频检测与主业务请求分离，利用 FFmpeg 对视频进行定时抽帧，将关键帧提交给 AI 模型分析，再根据识别结果使用 Java 图像处理技术绘制违规标注框，最终重新合成检测结果视频。通过任务状态管理、异常处理及文件存储机制，提高系统处理效率和任务执行稳定性。