甘肃安防AI智能

无人机在高速公路巡检中的作用越来越突出，特别是在十一黄金周这样的出行高峰，高速公路的安全和畅通至关重要。传统的巡检模式受到人力物力以及时空的限制，弊端很大，难以实现精细大面积的监控疏导。无人机灵活机动的特点则能够很好的弥补时空的局限，而想要进一步减少人力物力的付出，则需要打造智能化的无人机，通过AI赋能，让无人机更加聪明。打造智能化无人机可以在无人机吊舱的基础上加装高性能的AI图像处理设备，成都慧视开发的Viztra-HE030图像处理板凭借6.0TOPS的算力，用在十一黄金周这样的出行高峰期就能够很好地胜任工作，板卡采用了国产化芯片RK3588，在算法的赋能下，能够实现高效巡检。成都慧视推出的SpeedDP很贵吗？甘肃安防AI智能

无人机能够通过高空拍摄快速获取大范围、多角度的地面信息。但是传统的摄像头只能获取视频数据，对于许多需要进行数据分析的行业来说显然不够智能化，从无人机视频数据中快速获取提炼大量有价值的信息，不仅能够提升工作效率，还能够减少不小的成本支出。这就是无人机的AI识别能力。通过识别算法，在无人机工作时就对目标范围进行AI检测识别，从而提炼所需信息。这就需要对无人机进行智能化改造，可以在传统无人机吊舱中植入成都慧视开发的高性能AI图像处理板，如利用RK3588深度开发而成的Viztra-HE030图像处理板，6.0TOPS的算力能够快速处理无人机识别到的复杂画面信息，这样就有了硬件基础，剩下的就需要对自身算法进行不断优化提升。甘肃安防AI智能SpeedDP可以让AI更加聪明。

“启明935A”系列芯片已经成功点亮，并完成各项功能性测试，达到车规级量产标准。启明935A是行业首颗基于Chiplet(芯粒/小芯片)异构集成范式的自动驾驶芯片，但并非单一芯片，而是一个家族系列。启明935HUBChiplet可以和不同数量的大熊星座AIChiplet互相搭配，再结合灵活的封装方式，快速形成不同性能等级的SoC芯片。它还支持高带宽的PBLink多芯互连，双芯双向带宽128GB/s，四芯双向带宽64GB/s。启明935A每颗芯片都支持比较大20路的1080p60摄像头输入，可应用于各类端侧AI部署。得益于大熊星座NPU天然支持Transformer结构，初步支持的模型有Yolo系列、ResNet50、PSPNet、PointNet++、TrafficSign_Retinanet、BevDet、miniCPM、Unet_ResNet50、PointPillars、PillarNest、M2track、BevFusion、PaliGemma、LLaMa-3B、8B等等。

实现这些功能的技术中，图像处理基于AI图像处理板这一传感器。板卡具备快速图像处理识别的硬件能力，植入相应的AI算法，无人机就相当于装上了“智慧眼”，而且这个“智慧眼”居于高空，能够在一个定点，俯瞰大范围，实时监控货物的存放状态。远程控制技术基于网络通信，通过和图像处理板的结合，能够实现低延时低带宽的图像传输处理。在实际落地应用中，可以采用成都慧视开发的高性能图像处理板，其中RV1126系列的Viztra-LE026图像处理板，就是无人机的完美搭子。这款图像处理板具备2.0TOPS的算力，能够根据无人机型号进行接口定制，整体尺寸在40mm×40mm×10mm左右（核心板+接口板），小巧的外形即便是小型无人机也能够装上。此外，板卡整体功耗在4W左右，不会过多增加无人机的负担。节约图像标注的时间就是节约成本。

无人机夜间工作时需要依靠红外机芯进行高清成像，而想要具备AI检测识别的能力则可以通过植入图像处理板。成都慧视可以根据需求提供整套的建设方案，实现快速集成开发。慧视Viztra-LE026图像处理板+MiNO 17红外机芯的组合方案，两款产品均使用小巧设计，整体组合重量在30g左右，并且都采用小功耗设计，用在无人机领域不会过多增加负担。在算法的赋能下，能够实现稳定的目标检测识别。Viztra-LE026图像处理板重量在10g左右，采用了瑞芯微全国产化芯片RV1126，能够输出2.0TOPS的算力，功耗不高于4W。能够以30Hz帧率跟踪像素2*2的目标，能够识别像素为12*12的目标，且识别率高于85%。而MiNO 17红外机芯重量在20g左右（净重5g（不含镜头）），像素分辨率为640*512，采用9/13/25mm三种定焦设计，支持18中伪彩选择，功耗小于0.75W。提高算法识别精度的方案有哪些？安徽智慧小区AI智能烟雾识别

算法的提升得益于大量的图像标注。甘肃安防AI智能

多目标跟踪是指在连续的图像中，通过目标检测算法识别出每一帧中的目标，并在时间上跟踪它们的位置和状态。但目标会不断发生尺度、形变、遮挡等变化，而且还会有目标出现和消失的情况，再加上视频采集端的相机所处环境可能受到外界影响导致抖动的情况（例如无人机高空检测），就会给多目标跟踪造成一定的困难。由于我们不能控制目标，所以只能从视频采集端维护跟踪的稳定性。因此，成都慧视针对于多目标检测跟踪抖动丢失的优化方法是：1.改进目标检测,使用更加鲁棒的目标检测算法。2.增强特征描述，利用深度学习提取更高级别的语义特征，这些特征对于小范围内的视角变化具有更好的不变性3.改进运动模型，在算法中加入对摄像头运动的估计，通过补偿摄像头运动来减小目标真实运动与预测之间的差距。4.数据关联策略，设计更灵活的数据关联算法，允许更大的距离阈值来匹配候选目标。甘肃安防AI智能