工作总结
2026-04-18 工作总结 地铁安检地铁安检工作总结[2026示例]。
站上X光机屏幕前，盯了六年。从最初分不清充电宝和爆炸装置结构差异的新手，到如今能从图像灰度梯度变化预判金属叠加风险的班组长，这中间踩过不少坑。今天不念稿子，说几个真事儿。
去年三月早高峰，我所在的换乘大站A口出了漏检。一个乘客把管制刀具藏在笔记本电脑和平板之间，利用电子设备密集线束干扰判图。当班安检员没看出来，乘客进了站台才被巡警抽查发现。事后调监控，三个环节出问题：安检员连续作业超90分钟没轮换，注意力掉得厉害；那台设备临近强制校准周期，图像对比度已经偏了；行李通过速度被调到0.68米/秒，比标准快了0.12。
当天我被叫去运营室，中队长拍了桌子。我一声没吭。回去把过去三个月该站所有漏检事件数据扒出来——17起，时间戳、班次、人员、设备编号、通过速度，一个一个录进表格。花了两个晚上，发现上午8:15到8:45漏检率是其他时段的2.3倍。再拆，这个时段正好是员工换岗吃饭的集中期，而且行李通过速度被人为调高了。谁调的？值班组长，想缓解排队压力，怕被乘客投诉慢。
我没去找组长吵架。第一，改排班表，把集中换岗拆成每15分钟轮两人，保证每个口子都有清醒的判图员。第二，在控制系统里锁死通过速度上限，要调必须由中队长输授权码，操作记录自动上传。第三，针对电子设备叠加藏匿的手法，我从历史图像库里抽了200张高难度样本，每天班前会限时测试。四个月后，同样的模拟暗访测试通过率从73%提到96%。设备校准也从季度强制改成月度自检加季度强检，图像质量投诉归零。
但数据也会骗人。去年冬天，一个安检员连续三次把某品牌保温杯里的液态镍氢电池判成可疑液体，要求开瓶。乘客炸了，直接投诉到市长热线。我调出他一周的记录，圆柱形金属容器的误报率高达41%。翻培训档案才发现，他入职那会儿正好赶上专项行动，教官反复讲保温杯藏汽油的案例，他脑子里的“报警阈值”被调得太低了。
怎么治？不是批评，是反向训练。我挑了200张正常保温杯图像和40张改装杯（里面有电池、打火机、小刀片）混在一起，让他每看一张先说“正常概率百分之多少”，再下结论。每天练20分钟，练了两周。误报率降到7%，真实风险的识别速度反而快了。有次他拦住一个包，里面真有改装过的充电宝电芯，事后他说“那个灰度梯度不对劲，跟训练图库第87张很像”。
还有设备上的硬仗。三号线开通前，新采购的双视角X光机验收时出了毛病——对厚度小于0.3毫米的刀片漏报。厂家说是软件算法问题，等下一版。我等不了。自己扒了设备日志，发现第47号通道的信号增益系数漂移了。我跟厂家技术通电话，对方说“不可能，我们出厂测试都是好的”。我说那你把同批次另外两台的数据发给我对比。三天后他们承认，某批次硬件温控模块有设计缺陷。我问能不能换，他们说备件要等两个月。我等不起。
自己动手。在不换硬件的前提下，重新校准了温度补偿曲线，又写了个边缘检测增强脚本直接嵌进工作站。厂家工程师说“你这样搞我们不负责”。我说出了事我担着。实际运行中刀片识别率从68%拉到92%。三个月后厂家发了正式补丁，核心参数跟我的方案几乎一样。那天我请班组喝了奶茶。
也不是所有尝试都成功。去年夏天我想通过调整光源亮度来提升薄金属片识别率，结果误报率飙了三倍，废了三天才把参数调回来。还有一次尝试用聚类分析预测高峰时段风险，模型跑出来说“下午5点45分风险最高”，实际是5点20分就开始拥堵了——我没把雨天乘客带伞这个变量加进去。后来老老实实在模型里加了天气、温度、湿度三个因子，准确率才上来。
现在每周三下午，我固定做一件事：把七天内的判图异常数据拉出来跑一遍聚类。不是找谁的责任，是看设备、人员、时段、物品种类之间有没有新关联。上个月发现晚高峰雨伞多的时候，安检员对包内小金属件的漏检率会升5个百分点。原因很简单——雨伞在图像里造成大面积低密度阴影，金属边缘被盖住了。对策是在雨季前做专项遮挡训练，再跟运营协调在入口加雨伞沥水篮，减少湿伞上传送带。
有人问我搞这些数据分析是不是太费劲。我算过账：每周两小时，换来一条线每月少8到10次有效投诉，至少两次潜在风险拦截。这买卖划算。
我工具箱里最常用的不是对讲机，是Python脚本、设备校准规和那张画满各种信号曲线的草稿纸。每天下班前必干的事：导一遍当日判图日志，跑个五分钟的异常检测脚本。没事最好，有事不过夜。
- 我们精彩推荐工作总结专题，静候访问专题：工作总结
