场景说明
把视频流送上 AI 大脑,让每一路摄像头都能在端侧实时输出"目标位置 / 文字内容 / 异常事件"等结构化数据。视频不出端、毫秒响应、断网仍能跑——是工业、零售、安防、健康等场景能落地的前提。
本地实时推理
本地实时推理
  • NPU/GPU 硬件加速,毫秒级响应
  • 视频不出端,隐私合规
  • 断网仍可独立运行
多路并发可扩展
多路并发可扩展
  • 单设备 1–20+ 路 1080p
  • 算力按需分级,从 26 TOPS 到 275 TOPS
  • 多设备横向扩展无瓶颈
带宽与隐私友好
带宽与隐私友好
  • 仅回传事件元数据,几十 KB/次
  • 端侧自动打码,敏感信息不上云
  • RTSP / WebRTC 双输出,对接灵活
场景详情
安全预警

安全帽没戴、有人摔倒——现场出事的那一刻就报警

建筑工地、车间、变电站要盯的是"人有没有按规矩来";养老院、独居住宅、医院走廊要盯的是"人有没有出事"。两类现场的共同点是:事故只发生在几秒钟内,事后回看录像没有意义。端侧模型在画面里直接判断穿戴合规与人体姿态,异常发生即刻触发本地声光告警。


核心优势

  • 安全帽 / 反光衣 / 手套 / 口罩等穿戴项可按现场规程组合,进入指定区域才判定
  • 跌倒基于人体骨骼姿态判断,不是靠"人不动了"猜,久卧、久滞同样能报
  • 告警在设备本地触发声光或门禁联动,断网照常工作,仅回传几十 KB 事件元数据
Scene Feature
穿戴合规检测
未戴安全帽、未穿反光衣即刻告警,可绑定区域与班次生效。
Scene Feature
跌倒检测
骨骼姿态识别跌倒与久卧,养老院、独居住宅、医院走廊场景可用。
Scene Feature
危险区域闯入
划定禁入区与越界线,非授权人员进入立即触发本地告警。
人流统计

来了多少人、在哪儿停留、来了多少车

门店要知道进店人数与转化,商圈和市政要知道各时段的人流负荷,停车场和门岗要知道进出车辆。摄像头端侧直接输出进出计数、停留热力、车辆进出这三类指标,回传的只是数字,不占带宽也不涉及人脸。


核心优势

  • 人流基数:双向进出计数 + ID 去重,同一人来回走动不重复计数
  • 活跃度:区域停留时长聚合成热力图,看清哪个货架、哪个路口最热
  • 车流量:进出场车辆计数,停车场、门岗、道路断面同一套算子
  • 输出的是计数与时长指标,可直接对接 BI / 看板,画面不出设备
Scene Feature
人流基数统计
双向进出计数与 ID 跟踪,门店进店量、场馆负荷直接出数。
Scene Feature
活跃度与停留分析
停留时长聚合成热力图与时段曲线,看清动线与高峰。
Scene Feature
车流量统计
进出场车辆计数与断面流量,停车场、门岗一套算子通用。
工业质检

划痕、漏装、批次号——产线上该拦下来的,当场拦下

人工目检一天下来注意力会掉,同一批货前后判定标准也不一致。端侧视觉在产线节拍内完成表面瑕疵、漏装错装、字符与批次号三类判定,NG 件当场剔除,判定结果连同工位、时间、批次一起入库,出问题能追到具体那一件。


核心优势

  • 瑕疵样本不必从零攒:在开源数据集上补充数百到数千张现场样本即可微调上线
  • 字符与二维码识别在端侧完成,型号、序列号、生产日期与工单自动比对
  • 判定结果带工位 / 时间 / 批次入库,支持按批次反查
Scene Feature
表面瑕疵检测
划痕、黑点、脏污与型号误判,在产线节拍内逐件判定。
Scene Feature
漏装与错装检测
螺丝漏打、元件装反、缺料——装配完成前拦下,不流到下一工位。
Scene Feature
字符与批次号校验
印码、激光刻字、二维码端侧识别,自动比对工单并写入追溯记录。
部署与选型
架构拓扑

看算力放哪:3 种部署形态

视频分析方案由摄像头、AI 算力盒、网络、云端 4 类角色拼成;根据"算力放在哪",落地形态分 3 种。


核心优势

  • 一体化 AI 摄像头(reCamera / R2130):采集与推理同设备,1 路最简,开箱即用
  • 分离边缘盒(J3011 / J4012 / J5012):复用既有 IP 摄像头走 RTSP,2 路到十几路都是这条路径
  • 相机直连式算力单元(J5012 + GMSL):相机经同轴线直连不走网络,车规级链路,适合机器人 / AGV / 车载
产品图产品核心定位算力 (int8)YOLOv8m 路数成本
Vision V2OEM 定制裸板0.04 TOPS—(仅 tiny 模型)
reCamera一体化 AI 摄像头1 TOPS1 路~$80
reCamera Pro一体化 AI 摄像头(4K + VLM)3 TOPS1 路~$300
R2130RPi 5 + Hailo-826 TOPS2–3 路~$370
J3011Jetson Orin Nano 8G40 TOPS~4 路~$750
J4012Jetson Orin NX 16G100 TOPS~7 路~$1400
J5012AGX Orin 64G275 TOPS~15 路~$4550

看菜下饭:按路数挑硬件

想跑几路 1080p30,主要看算力(TOPS)和模型大小。下表统一以 **YOLOv8m**(工业可靠精度)为基准,汇总 7 款产品的算力、推荐路数与成本。基准细则:1080p @ 15 FPS int8(640×640);30+ FPS 高速场景路数按 1/2 估算。


核心优势

  • 路数基准:按主流工业模型(YOLOv8m)估算;换轻量模型路数可翻 2–3 倍,详见表注
  • 路数瓶颈通常在视频解码而非推理,模型越大越明显,实际值会略低于纯推理估算
  • 价格:查询当时的整机参考价,仅供判断量级,随配置与批量变动,以商品页为准
  • 怎么选:单点 1 路用 reCamera,要 4K 画质或跑 VLM 则上 reCamera Pro;2–6 路 J3011/J4012;8 路以上或需要 GMSL 直连相机选 J5012
产品图产品网口USBMIPI CSIGMSLRTSP 解码 (1080p30, H.265)
reCamera×1 (100M)×11 路(端侧)
reCamera 2002 HQ PoE×1 (100M, PoE 供电)×11 路(端侧)
reCamera Pro×1 (GbE)×1 (Type-C 3.0)×2(1 路已用于自带 8MP 传感器)1 路(端侧,硬解 4K30)
R2130×1 (GbE)×2×2~4 路 (RPi 5 VPU)
J3011×1 (GbE)×4×211 路
J4012×1 (GbE)×4×218 路
J5012×4 GbE + ×1 10GbE×4×844 路

我的相机能接哪台设备?

下表汇总各设备的视频接入接口与硬件解码上限。


核心优势

  • IP 摄像头:网口接 RTSP,路数受硬解上限约束(J 系列数据源自 NVIDIA 手册)
  • 本地相机:MIPI CSI(J3011 / J4012 / reCamera Pro)或 GMSL(仅 J5012,子卡 ×8)
  • 输出与总线:RTSP / WebRTC 输出;CAN 见于 J4012 / J5012 / reCamera Pro,RS-485 见于 J4012 / J5012
  • 一体化 AI 摄像头:2002w — USB-C + WiFi,室内即插即用;HQ PoE — 一根网线供电传数据,IP66 户外,M12 可换镜头;Pro — 4K + VLM,走 GbE
产品图产品散热方式适用环境工作温度供电
reComputer AI Industrial R2135主动(风扇)普通室内-20~65°CDC 12-19V
reComputer Industrial R2235被动(无风扇)粉尘/车间-20~50°CDC 9-36V 宽压
reComputer Super J3011主动(风扇)Super普通室内-20~60°CDC 12-19V
reComputer Industrial J3011被动(无风扇)Industrial粉尘/车间-20~60°CDC 12V~24V
reComputer Super J4012主动(风扇)Super普通室内-20~60°CDC 12-19V
reComputer Industrial J4012被动(无风扇)Industrial粉尘/车间-20~60°CDC 12V~24V
reComputer Robotics J5012主动(风扇)普通室内 / GMSL-10~60°CDC 19~48V
reServer Industrial J501被动(无风扇)Industrial粉尘/车间-20~60°CDC 12V~36V

被动 vs 主动:按环境粉尘选外壳

部署环境决定散热方式——粉尘多不多,是选"风扇款"还是"工业款"的第一判断标准。主动散热(风扇)成本低、持续满负荷性能好;被动散热(无风扇密封机壳)不怕粉尘、宽温、宽压,适合恶劣现场。


核心优势

  • 粉尘多、防护等级要求高(矿山/面粉厂/木材加工/户外)→ 选被动散热工业款(Industrial / Fanless),无风扇全密封机壳
  • 普通室内环境(办公室/商场/实验室/服务器间)→ 选主动散热款(Super / AI),风冷持续满负荷,性价比更优
  • 命名规则:J 系列看产品名是否有 Industrial 区分 Super/工业款;R2000 系列看产品名是否有「AI」——有 AI = 主动风扇,无 AI = 被动无风扇

常见问题

联系我们
获取方案参考设计与产品选型支持。
下一步