江西低空安防图像识别模块AI智能

成都慧视光电技术有限公司推出的SpeedDP是针对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。SpeedDP功能简洁、上手快，是当下进行AI深度学习训练的重要的工具。而且目标识别检测领域，成都慧视开发的高性能Viztra-HE030图像处理板，可以通过四大四小处理器高达6.0TOPS的算力，精细分析识别到的物体，区分作物和杂草，进而为机器人提供正确的信息，辅助除草。AI算法赋能下的图像处理板能够进行智能目标识别。江西低空安防图像识别模块AI智能

我国机动车数量庞大，但是停车位的建设却没有很好的跟上节奏，这也就导致许多车找不到停车位，车主也就不得不临时将车停放在路边。随着停放车辆的增多，原本宽敞的道路也就变得狭窄，严重时甚至会堵得水泄不通。此外，一些大车由于阻挡视野，还容易造成“鬼探头”等事故。通常情况下，交管部门会利用路边的抓拍设备进行违停抓拍或者巡逻车进行巡逻，但是从实际效果来看，作用并不明显。于是，无人机被派上用场。管人员远程操控无人机在道路上空进行巡飞，就能够发现哪条路上有违停车辆。相较于传统治理，无人机拥有更高视野及机动性。在提前规划无人机航线后，“自动机场”内部署的无人机会定时进行空中巡视，一旦发现违停车辆即开展图像取证。随后，后台系统将实时推送违停提示短信至车主，提醒其在10分钟内驶离。对于规定时间内未驶离的车辆，系统将通知就近警力赶赴现场，二次取证并进行整治。江西低空安防图像识别模块AI智能Viztra-LE034图像处理板识别概率超过85%。

工业4.0就是无人作业的天下，各行各业都在进行无人化改造，农业领域也不例外。近年来随着政策的不断导向，我国已经成功建立了31个无人农业作业实验区。这些无人农业作业试验区覆盖水稻、玉米、小米等14种作物，累计投入智能农机和系统62万台(套)，智能化作业面积达到1.7亿亩。综合抽样统计，作业效率提升60%、人工减少50%、土地利用率在95%以上。这些无人农业区利用无人机、无人车进行作物的播撒、浇灌、施肥等一系列操作，而无人设备要想实现这些功能要么是人工的远程精细操控，要么就是靠图像处理来实现完全的自动化。后者通过在无人设备上加装高性能的AI图像处理板，这些图像处理板在算法的赋能下，能够实现精细的目标识别和检测，例如无人机，在无人机上安装慧视光电推出的微型双光吊舱，吊舱内置图像处理板，无人机在起飞后能够自动识别哪些是作物哪些是其他物体。

通过在无人机光电吊舱中植入高性能的AI图像处理板，这些板卡在目标跟踪算法的赋能下，就能够对目标车辆进行锁定跟踪，即便是车辆短时间内收到视野阻挡，在车辆后续出现时，也能够立即锁定。这就是成都慧视开发的Viztra-HE030图像处理板。该板卡采用了瑞芯微高性能芯片RK3588，八核处理器能够输出6.0TOPS算力，可实时对目标进行识别或者人为的的锁定，同时可以根据输出目标的靶量信息，对目标进行实时跟踪。利用吊舱和图像处理板的合作，实现高效追踪查处“不法车辆”，能够有效减少事故的发生，打造安全出行。慧视光电开发的慧视AI图像处理板，采用了国产高性能CPU。

随着无人机在城市管理领域的大规模应用，采用无人机追踪地面车辆，然后配合地面拦截，成为一道风景线。让无人机搭载光电吊舱起飞，就能够通过无人机实现视频实时传输，远距离追踪车辆，实时上传记录位置，帮助地面执勤提升拦截效率。慧视VIZ-YWT201微型双光吊舱，集成了可见光摄像机、红外热像仪等传感器，能够对地面车辆进行昼夜观察、识别、捕获和跟踪，并及时上报目标的图像和坐标信息。除此之外，无人机还可以实现智能化追踪。通过在无人机光电吊舱中植入高性能的AI图像处理板，这些板卡在目标跟踪算法的赋能下，就能够对目标车辆进行锁定跟踪，即便是车辆短时间内收到视野阻挡，在车辆后续出现时，也能够立即锁定。这就是成都慧视开发的Viztra-HE030图像处理板。该板卡采用了瑞芯微高性能芯片RK3588，八核处理器能够输出6.0TOPS算力，可实时对目标进行识别或者人为的的锁定，同时可以根据输出目标的靶量信息，对目标进行实时跟踪。RK3588图像处理板能够用于工地安全监控。重庆双光成像图像识别模块板卡

无人机小吊舱可以采用慧视RV1126图像处理板实现远程目标锁定。江西低空安防图像识别模块AI智能

YOLO系列算法是目标识别领域很重要的技术之一，因为性能强大、消耗算力较少，一直以来都是实时目标检测领域的主要范式。该框架被***用于各种实际应用，包括自动驾驶、监控和物流等行业的目标识别。自今年2月YOLOv9发布以后，近期，清华又推出了YOLOv10，作为计算机视觉领域的突破性框架，具备实时的端到端目标检测能力，通过提供结合效率和准确性的强大解决方案，延续了YOLO系列的传统。据悉，YOLOv10在各种模型规模上都实现了SOTA性能和效率。例如，YOLOv10-S在COCO上的类似AP下比RT-DETR-R18快1.8倍，同时参数数量和FLOP大幅减少。与YOLOv9-C相比，在性能相同的情况下，YOLOv10-B的延迟减少了46%，参数减少了25%。江西低空安防图像识别模块AI智能