辽宁移动目标识别郑重承诺

首先，RV1126图像处理板是我司自主研发的目标跟踪板，该板卡采用国产高性能CPU，搭载自研目标检测及跟踪算法。具有体积小、功耗低、目标检测准确、跟踪稳定等优点。用在无人机领域，不会过多增加无人机载重负担。软件方面，在此基础上定制板卡的处理能力，其中：可见光通道图像处理能力：1920×1080不低于30Hz红外通道图像处理能力：640×512不低于50Hz图像跟踪模块在对目标尺寸不小于3×3像素、目标对比度不小于10％，双振幅不小于2/3视场，作往复匀速直线运动的模拟目标进行跟踪时，其跟踪速度在水平方向和垂直方向均不小于1.5视场/s。对圆周半径不小于1/3视场，作匀速圆周运动的模拟目标进行跟踪时，其跟踪速度应不小于1.5周/s。识别像素不低于15×15像素，识别频率≥10Hz。并且植入视频压缩存储功能，高清视频存储能力不低于1h，以满足特殊需求。板卡是可以用于远程打击的。辽宁移动目标识别郑重承诺

SpeedDP开发平台采用标准的AI开发流程，即数据标注-> 模型开发-> 应用部署。旨在快速直观的验证所开发的不同算法在移动端部署时的实际效果。测试平台目前支持的主要任务功能包括图像分类、目标检测、多目标跟踪，主要的部署平台是RockChip嵌入式硬件平台包括rk3399pro、rk3588等。为了尽可能减小测试工具与实际移动端部署程序之间的差异同时简化测试工具的开发难度，在设计测试平台程序时采用了一些特殊方法。首先使用C和C++设计封装了不同子任务的可执行程序，并通过读取不同配置文件的方式实现不同的功能，然后使用python+streamlit+子程序设计了web服务程序，用户可通过浏览器访问特定网址来使用测试平台。江苏视频目标识别经验丰富在需要目标识别检测的行业当中，图像处理板一直是识别设备当中的一个不错的选择。

人工智能是利用计算机和机器模仿人类思维来解决问题或制定决策。而深度学习是人工智能的子领域，其算法模型由神经网络组成。通过学习样本数据的特征表达以及数据分布然后实现能够像人一样具备分析和识别目标的能力。这一能力能够很好地运用在图像标注领域，取代传统的人工标注，提升效率。图像标注首先要进行目标检测，通过给定一张图像，让计算机计算出该图像中感兴趣的目标物体的类别与位置大小（目标框）。在AI的帮助下，计算机能够快速地进行海量图片的检测筛选。基于这一需求，慧视光电推出了SpeedDP深度学习算法开发平台，作为一款针对AI零基础用户的低门槛AI开发平台，提供从数据标注、模型训练、测试验证到RockChip嵌入式硬件平台模型部署的可视化AI开发功能

智慧农业已是当下农业发展的助推剂。农业机器人的应用使得农作效率进一步提升，在农业机器人中加装慧视光电开发的RK3588图像处理板后，机器人能够实现自动化作业，一天能够耕种百亩土地。农作物杀虫是至关重要的环节，喷药机器人装配有一个大水箱，里面是实现灌注的杀虫农药。在图像处理板和相应算法的加持下，机器人能够智能识别哪些是农作物哪些是其他物，进而实现自动化农药喷洒。使用机器人作业，不仅能够实现人药分离，避免人受到农药危害，还可以实现单人操作多台机器人，提高生产效率。其原理是提前在图像跟踪板中装入目标图像，跟踪板在视场内寻找类似的目标实时检测，找到之后进行实时跟踪。

图像标注作为一项简单但是枯燥无味的工作，一直被行业期望于被AI取代，慧视光电推出的SpeedDP就是这样一款软件。慧视SpeedDP提供从数据标注、模型训练、测试验证到RockChip嵌入式硬件平台模型部署的可视化AI开发功能。要使用SpeedDP实现自动图像标注，首先要对应不同的数据和算法参数设置，慧视SpeedDP开发平台采用项目配置的方式来对不同的业务需求进行管理。通过yolox系列模型的输入，支持可见光图像和红外图像进行分类配置，然后便可点击“开始训练”开始模型训练并实时显示训练记录，点击“停止训练”即可停止当前的训练。慧视光电开发的Viztra-LE026图像处理板就是无人机吊舱用的板卡。辽宁移动目标识别郑重承诺

慧视光电开发的Viztra-LE026图像处理板采用圆形外形设计，整体呈现高性能、轻量化，功耗在4W左右。辽宁移动目标识别郑重承诺

随着科技的发展，无人机技术的不断成熟，电力巡检的方式也在不断改进，相比于传统的人工巡检，无人机电力巡检可以在环境复杂的崇山峻林、深山老林、江河湖泊之间轻松实现作业，不仅能够节约大量人力物力还极大地提升效率保障安全。搭载了吊舱的无人机能够实现精细化的自主巡检服务，当某处线路出现问题时，无人机能够快速进行筛查，找出故障点，为故障修复人员精确指明方向，减少经济损失。无人机搭载吊舱后还可以在发生自然灾害后，从安全地区起飞到达受灾现场进行勘察，通过远程高空识别，能够对整体线路的受损状况做出初步判断，为指挥和电力抢修提供关键信息。辽宁移动目标识别郑重承诺