成都**级图像识别模块系统 激光雷达 成都慧视光电供应

成都慧视光电技术有限公司开发的RK3588系列图像处理板Viztra-HE030图像处理板能够在算法的支持下，对高速公路上的车辆进行检测识别，对个别车辆进行指定安全跟踪和检测，这将有助于有关部门进行测速和安全驾驶的管理侦查。通过实时数据的采集分析，还能够找出高速拥堵源头，为交通疏导提供精细信息，为提升整条道路的通行效率提供帮助。在夜间，图像处理板也可以和红外相机有机结合，实现AI检测识别的功能。24小时工作能力也为全天时的交通管理提供技术支撑。成都慧视开发的Viztra-LE026图像处理板拥有2.0TOPS的算力。成都**级图像识别模块系统

在城市甚至郊外的许多区域，明令禁止无人机航飞，虽然会有人工进行区域巡查，但人工巡查始终无法做到滴水不漏。不法分子往往利用监管松散、薄弱的时候进行黑飞，这就给许多重要区域造成了安全风险。为了有效弥补人工监管的不足，智能化的空域AI识别被提出应用。其中，比较简单的方式是利用图像识别设备，通过目标识别算法的赋能，就能够实现对摄像头目标空域进行24小时不间断的AI识别，一旦发现无人机黑飞，系统能够立即锁定跟踪并向平台发出警报。成都慧视开发的Viztra-HE030图像处理板，能够兼容适配国内常规摄像头，在自研目标识别算法的共同作用下，即便是小目标像素的飞行器入侵也能够识别跟踪。目前，该板卡能够识别10*10像素的目标，能够锁定跟踪2*2像素的小目标，且整个目标捕获的时间延迟不大于100ms，快速识别跟踪目标不成问题。成都**级图像识别模块系统成都慧视可以定制高帧频目标跟踪的图像处理板。

而AI标注则好很多，通过AI算法开发的基本流程，就能够对AI进行深度训练，让其能够像人眼一样对图像上的目标进行判断分类，然后不同目标自动框选标注。这个工作主要是前期的模型训练需要大量时间，而后期的图像标注就很节省时间，通常情况下，一张图片，只需要7-8ms就能够精细标注完成，无论图片上的目标数量和复杂程度，这是人工远不能及的。目前，慧视SpeedDP经过多个版本的迭代，能够支持YOLO系列算法以及YOLOv8算法的分割标注，标注的精度进一步提升。目前我司能够提供完整的针对于人、车、船的标注模型，如果有其他目标标注的需求，则可以自行进行针对性训练。毫无疑问，AI标注的出现能够为企业大量的数据标注工作节省时间，从而节省成本。随着AI的进一步发展，未来传统标注的模式势必会被完全取代。

在无人机摄像头的基础上加装慧视光电开发的Viztra-LE026图像处理板，这是一块轻型化、低功耗的图像处理板，用在无人机上面既不会过多占用空间，也不会过多消耗续航，通过目标识别算法的赋能，就可以针对像东北虎这样的动物AI自动识别，一旦识别到老虎的特征物体，无人机就能够立即锁定并抵近观察，为消防和公安提供精确坐标。Viztra-LE026图像处理板采用的是瑞芯微RV1126芯片，能够输出2.0TOPS的算力。而在算法方面，成都慧视能够提供一站式AI算法训练平台SpeedDP，通过对大量动物的标注数据集的模型训练，能够实现对新数据集的快速AI自动标注，然后提升识别算法的性能。成都慧视利用RK3588芯片打造了一个高性能的Viztra-HE030图像处理板。

SpeedDP用于模型训练和评估测试的数据集是由一系列的图像和标注文件组成的，平台支持多种开源数据格式如VOC和COCO。而目前平台共支持yolox系列和yolov8系列模型用于模型训练（分割任务支持yolov8模型），通过不断额测试验证，就能够让AI实现海思、RockChip嵌入式硬件平台等模型部署的可视化AI开发功能。经过验证，训练成熟后的AI进行标注时，通常情况下，7-8ms就能标注一张图像，这是人工标注远不能及的速度。目前，我司能够为该平台提供完整的人、车、船等目标检测模型的数据提供，也可以根据应用场景进行特殊定制。成都慧视可以定制cameralink接口的RK3588图像处理板。成都**级图像识别模块系统

无人机AI识别选择哪块图像处理板？成都**级图像识别模块系统

瑞芯微推出的RK3588系列图像处理板作为国产化板卡的性能前列，成为了各领域研究开发的优先，它能在诸多行业实现目标检测、识别以及跟踪等功能，具有重要的研究开发价值。特别是对于高校而言，将RK3588作为课题进行研究开发，是一个不错的选择。但是在这些功能实现过程中，算法的能力就十分重要，如何让算法更加精细的识别检测例如人、车、船等目标成为首要解决的问题。要想让AI算法更能精确的识别检测目标，可以利用AI的深度学习能力，让AI不断学习这些目标的特征，从而达到精细识别的能力。这个过程，可以通过大量的数据标注，来训练AI。但大量待标注工作，常常让开发者头疼。如果采用传统方式用人工挨个挨帧标注，将会耗费大量时间精力，让成本不可控。成都**级图像识别模块系统