重庆省时省力目标识别情况

“空中哨兵”是城市安防建设解决方案中比较高效智能的一环，无人机搭载吊舱后能够帮助公安机关进行巡逻、安保、维稳、侦查等工作，凭借其机动灵活的特点，能够打破传统地面安全防范工作模式，满足警务工作中点、线、面等方面的需求作用十分突出。在城中村或者郊外等地区，可以利用搭载吊舱的无人机进行高空巡逻，对人工不方便到达的区域进行远程巡查，例如院落死角、阳台楼顶等区域。可以有效发现非法种植非法作物的现象，利用吊舱能够及时取证、留存，为有关部门打击处理提供证据。此外，无人机吊舱还可以智慧化，通过在无人机吊舱中植入AI图像处理板，通过不断的深度学习，让内置AI具备自动识别比对的能力，提升巡查效率精度。Viztra-LE026图像处理板能够进行目标识别。重庆省时省力目标识别情况

传统的吊舱只能如上述那样工作，而要打造更加智能化的边海防无人机巡逻，则可以在光电吊舱中植入高性能的图像处理板，通过目标识别、检测算法的赋能，就能够让无人机实现目标识别检测、目标锁定跟踪等功能。为了进行有效结合，成都慧视开发了多块高性能的具备图像处理能力的光电吊舱。例如慧视VIZ-100T三轴三光目标定位吊舱，集10倍光学变倍可见光相机、640×512高分辨率红外相机、测程1.2km半导体激光测距机于一体，在边海防巡逻时能够昼夜成像工作。三轴高稳定精度平台框架能够有效保障画面的清晰稳定，并对目标点位的定位。吊舱内置我司自主开发的高性能AI图像处理板Viztra-HE030，该板卡采用瑞芯微旗舰级芯片RK3588，能够在算法的作用下实现高空目标识别检测、锁定跟踪人、车、船等目标，再通过和地面巡逻人员协调统一，就能够打造边海防的智能化体系。吉林快速目标识别开发搭载AI图像处理板的吊舱能够辅助进行AI目标识别。

从2016年12月11日起，我国就正式施行林河长制。其中林长制主要职责是林业生态保护修复、森林防火、林业有害生物防治、森林资源管护以及野生动植物保护工作。而河长制是保护水资源，打造安全用水环境。这两项工作对我国的自然生态的稳定具有关键作用。在中西部许多地区，由于环境下复杂，对于林、河的巡护是一项困难的工作，不仅要花费大量的时间精力，还不能做到大面积的覆盖。随着无人机的落地应用，这种困难得到了有效缓解。无人机“加持”下的林河长巡查，形成了“人防+技防”的地空巡检新模式，覆盖更打、发现更及时。无人机凭借其灵活、轻巧的特点可以轻松飞越一些人无法到达的地点，还能够实时传输高清图像数据，节约时间成本，快速高效地获取资料，让管理人员对森林植被、河湖状况一目了然。

巡检机器人能够实现抵近待测设备，进行精细的测温、测量以及感应。同时具备自主导航、实时避障功能，能够智能规划比较好巡检路径、规避站内检修区域，效率是人工的好几倍，并且还不会出现传统人工巡检造成人身危害等行为。这种机器人搭载的图像处理板可以自由选择，例如成都慧视开发的Viztra-HE030图像处理板，就可以很好的应用在电力巡检领域，这块板卡采用了瑞芯微全新一代旗舰级芯片RK3588，采用8nmLP制程，四大四小八核处理器；搭载八核64位CPU，主频高达2.4GHz；集成ARMMali-G610MP4四核GPU，内置AI加速器NPU，算力高达6.0TOPS。用在电力巡检领域完全可以满足需求，并且成都慧视可以根据使用场景进行外壳的特殊化定制，有效处理散热防水，为机器人的户外工作提供更加稳定的处理能力。要想实现目标识别可以找成都慧视。

摄像头需求识别出现在镜头的物体。例如是飞过来的杂物，还是闯入的人或者动物，如果摄像头能够智能识别，那么就可以实现上述目的。而要实现这样的功能，一个很简单的方法就是在传统摄像头的基础上植入高性能的AI图像处理板。图像处理板通过定制接口和摄像头连接，在目标识别算法的赋能下，就能够对摄像头获取的物体进行AI识别分类，从而对摄像头发出指令是否锁定跟踪目标，从而转动摄像头。成都慧视开发的Viztra-ME025图像处理板，是慧视光电采用瑞芯微RK3399pro芯片开发而成的高性能板卡，芯片基于双Cortex-A72+四Cortex-A53大小核CPU结构；CPU主频1.8GHz；高性能+强大的算力3.0TOPS，GPU采用Mali-T860MP4,支持1080P视频编解码、H.265硬解码。成都慧视的吊舱能够进行目标检测。湖北移动目标识别解决方案

成都慧视的目标识别算法是自研吗？重庆省时省力目标识别情况

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，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%。重庆省时省力目标识别情况