一个引擎，多种应用。
各类应用均采用同一款引擎。设备健康监测与结构健康监测已开放试点，视觉应用仍在开发中，引擎也可集成到其他厂商的设备中。不同设备和结构物的状态各有差异，每个摄像头拍摄的场景也不尽相同。
工业设备
预测性维护（PdM）
面向工厂设备与维护团队。
基础设施
结构健康监测（SHM）与管网监测
面向结构与管网的业主和运营方。
视觉
现场视频与图像分析
面向产线质检团队和道路运营方。
工业设备 · 预测性维护（PdM） · 开放试点
面向工厂设备与维护团队。
旋转机械
电机、泵、风机、齿轮箱和压缩机。
难点
每台设备的运行状态都略有不同。带标注的故障数据很少，许多现场也没有稳定的网络连接。
RAILMIND 怎么做
每台设备装一个节点，就地学习这台设备的正常状态，状态一有变化就提示。
Edge Node · Edge Hub
化工厂
泵、搅拌器、压缩机和冷却水系统。
难点
转动设备多，进出管理严格，且各台设备的运行工况各有差异。
RAILMIND 怎么做
各设备上的节点学习各自的正常状态，Edge Hub 汇集全厂数据。
Edge Node · Edge Hub
塑料生产线
挤出机、注塑机和输送线。
难点
产线全天运转，停机代价高，质量靠人眼或相机检查。
RAILMIND 怎么做
节点装在驱动装置和齿轮箱上。同一台 Edge Hub 还可以接入产线的检测相机（见产线质量检测）。
Edge Node · Edge Hub
基础设施 · 结构健康监测（SHM）与管网监测 · 开放试点
面向结构与管网的业主和运营方。
桥梁与边坡
主梁、支座、桥墩和纳入监测的边坡。
难点
车流、温度和天气变化都会引起结构响应，多数情况下并无异常。监测现场往往地处偏远。
RAILMIND 怎么做
每个结构物都有自己的正常响应模型，对照自身的历史记录判断是否发生变化。现场的 Edge Hub 汇集所有节点的数据。
Edge Node · Edge Hub · Edge GTS
公路隧道
线路长、呈线状分布、人员难以到达。
难点
设备无人值守，每次进场都要封闭车道。
RAILMIND 怎么做
隧道内的节点通过线缆连接到洞口的 Edge Hub，由它统一汇集数据。
Edge Node · Edge Hub
城市排水管网
管道交汇处的窨井，易淤积，需要清理。
难点
窨井数以千计。由于无法逐一查看井内情况，清淤通常按固定周期安排。
RAILMIND 怎么做
井下的投入式传感器接入节点，片区内的节点将数据发送至 Edge Hub，再由 Edge Hub 接入您的监测平台，从而按实际需要安排清淤。
Edge Node · Edge Hub
视觉 · 现场视频与图像分析 · 开发中
面向产线质检团队和道路运营方。
产线质量检测
输送线、挤出机和包装工位上方的检测相机。
难点
每条产线、每种产品、每种光照条件都不一样。在一条线上调好的规则很难照搬到另一条线，缺陷样本也很少。
RAILMIND 怎么做
产线上的相机直接接入 Edge Hub，由它学习该产线正常的监控画面，并在画面变化时提示。
Edge Hub
道路与交通视频
路侧和路口摄像头。
难点
摄像头多，每个视角都不同。把全部视频传输和存储下来成本很高。
RAILMIND 怎么做
在摄像头下方的路侧机箱内部署 Edge Hub，就地接入视频流，并学习各摄像头画面的正常状态。
Edge Hub · Edge GTS
我们实践过的场景
这些是我们通过数据分析、演示或合作项目接触过的场景，不公开具体名称。
高速公路桥梁
主梁、桥墩和支座。
公路隧道
高速公路上的长隧道。
边坡
高速公路沿线的路堑边坡。
基坑
建筑的深基坑。
城市排水
窨井与排水管网。
港口
岸桥与集装箱码头。
道路交通视频
路侧与路口摄像头。
风力发电机
风电场中的风机。
储能电站
大型储能电站中的电池集装箱。
数据中心冷却
为数据机房提供冷却的机组。
旋转机械
电机、泵和风机。
工业机械臂
产线上的机器人工作站。