【实战】Jetson 边缘部署工业安全监控：YOLO PPE + VLM 行为分析，一条命令跑通

适合人群做边缘 AI / 工业视觉 / Jetson 落地的工程师、学生、安全方案集成商阅读收益理解「检测 行为理解」双通路架构并拿到可一键复现的 Docker 部署路径硬件验证reComputer Industrial J4012 / reServer Industrial J4011 · JetPack 7.2开源仓库https://github.com/xbs0325/industrial-inspection摄像头很多真正“看懂现场”的却很少工厂、工地、仓库里摄像头早就铺满了但多数系统还是事后调录像找责任人靠人盯大屏盯一会儿就走神只能检出“有人”说不清“有没有戴帽、有没有玩手机、有没有跌倒”真正要落地的工业视觉至少要同时回答三件事人在不在PPE 穿没穿安全帽、反光背心等行为安不安全玩手机、吸烟、跌倒、烟火等而且最好在边缘侧实时告警——别把每一帧都推上云等回传完事故已经发生了。这套方案到底在干什么架构很直白分成两层层干什么你在画面上会看到什么YOLO人员检测 PPE 违规缺帽、缺背心等人绿框违规红框VLM场景级行为理解玩手机、吸烟、跌倒、火焰/烟雾等告警浏览器访问http://你的-Jetson-IP:8080就能看到实时视频 检测叠加 告警信息流。默认模型可替换角色默认模型文件位置人员检测YOLOv8nmodels/yolov8n.onnxPPE 检测YOLOv8 PPEmodels/ppe-yolov8n.pt行为分析SmolVLM-500M-Instructmodels/SmolVLM-500M-Instruct/为什么要 YOLO VLM 一起上 YOLO 擅长“框得准、跑得快”VLM 擅长“说得清发生了什么”。工业安全既要框也要语义——单靠检测框往往覆盖不了“玩手机”这类行为。硬件与环境要求项目建议配置设备reComputer Industrial、reServer Industrial已验证J4012 / J4011 ·JetPack 7.2L4T 39.2.0JetPack7.2 已验证6.2 预期可用更低版本需自备匹配的 PyTorch wheel内存 / 磁盘≥8 GB RAM · ≥8 GB 可用磁盘摄像头USB UVC / V4L2/dev/video*同系列、JetPack 匹配的其他 Seeed 工业 Jetson步骤基本通用。一键部署三行命令起步在目标 Jetson上执行不要跨不同 JetPack 设备直接拷镜像git clone https://github.com/xbs0325/industrial-inspection.git cd industrial-inspection ./run.sh./run.sh会自动缺失时复制.env下载模型构建 Docker 镜像首次约 15–30 分钟正常启动容器然后浏览器打开http://jetson-ip:8080整套应用跑在 Docker 里默认流程不用在宿主机手搓 Python 环境。JetPack / PyTorch 注意点JetPack怎么处理 PyTorch7.2Docker 构建时自动装TORCH_INDEX_URLcu1306.2改TORCH_INDEX_URL指向你的 CUDA 12.x 源或把 wheel 放进wheels/低于 6.2先把匹配的torch-*.whl/torchvision-*.whl放进wheels/再./run.sh改过 JetPack 相关配置后在目标机重建./clean.sh ./run.sh硬规矩不同 JetPack / CUDA 版本之间不要互相拷贝 Docker 镜像务必在本机重建。可选调参.envCAMERA_PIPELINEsw # sw默认或 hw跑起来你会看到什么空闲 UI推流前VLM 行为告警——作业区玩手机YOLO PPE 告警——未戴安全帽这才是工业现场真正想要的反馈框出来 说清楚 立刻告警。停止与清理./clean.sh # 停容器并删本地镜像 ./clean.sh --full # 顺带清 models/、data/、bin/go2rtc踩坑速查表现象怎么处理Docker permission denied用户加入docker组或用sudo docker首次构建很慢正常15–30 minJP 6.2 及以下记得准备 wheelPyTorch / CUDA 对不上在目标 Jetson 重建别复用别的 JP 镜像容器里没有摄像头宿主机确认/dev/video*./run.sh会自动挂载检测到的设备浏览器没画面docker ps看industrial-go2rtc确认端口1984可达