[VIP第1年] 指数:3
无人机在农业领域能够实现高效率的施肥、播种等操作。但是不同的作业环境对于无人机的工作性能要求不一样，同样的方案在平原地区适用，在高原地区就不行。因此针对于特殊作业环境需要制定不同的智慧化方案。像青藏高原这样地貌复杂、低气压、大温差的特点，参与智能化工作的各个部件需要符合这样作业环境特点的性能要求。不比平原的一马平川，高原由于环境复杂，地形起伏对于无人机的飞行也需要进行控制，无论是高度还是速度甚至距离都需要进行严格限制，防止出现撞机等事故。因此，这个方面的智慧化建设就需要无人机具备智能避障的功能，无人机需要在高速度或者远距离的情况下识别树木、电线杆、石头等障碍物，并能够实现避障。FPV如何做到跟踪FPV。成都运动图像识别模块方法
首先摄像机采用的是可见光高清摄像机，具备1920*1080的分辨率，系统视场31.11°×17.8°，其中搜索视场15.8°×15.8°（1080P像素）。而图像处理则采用慧视开发的RV1126高性能图像处理板，之所以采用这块板卡，一方面得益于其低功耗、微型外观的设计，非常契合“智慧眼”这样对于空间要求严格的应用场景；另一方面RV1126具备2.0TOPS的算力，在国产化方面也十分完整，安全性十足。两者结合，就能够形成重量不超过100g的“智慧眼”。在算法的作用下，能够达到≥50Hz的跟踪帧率，≥25Hz的检测帧率，实现捕获4m*4m目标超过800m、6m*6m目标超过1000m。这就是“机器狼”的智慧化措施，通过一个“小小的”“智慧眼”的加入，便能够让其实现许多自动化任务。随着技术的不断发展，“机器狼”的形态将会不断进步，满足更多多样化需求。成都轨迹图像识别模块系统如何打造一块合格的图像处理板？
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。
这个过程中，采用无人机是个高效的办法。无人机高空观察能够获得更多的视野，并且针对许多人无法到达的地方，还能够快速抵近观察，防止惊扰。此外，更高效的措施是在无人机上加装具备图像处理的板卡，这时候无人机就是一个智慧眼，它能够在算法的辅助下，对野猪等动物进行AI搜寻，并且具备目标锁定功能。当无人机发现疑似目标就可以抵近观察，一旦确认目标就能够立即锁定跟踪，这样，地面围剿人员就可以快速像区域靠拢，对野猪进行逮捕驱逐。这样的无人机智慧眼可以用成都慧视开发的Viztra-HE030图像处理板来实现，这块板卡采用瑞芯微旗舰级芯片RK3588，算力能够达到6.0TOPS，处理村落、树林等复杂环境不在话下。同时，针对于野生动物目标识别算法的AI训练，成都慧视还可以提供专门的AI训练平台SpeedDP，通过大量的模型训练实现AI自动图像标注，进而帮助提升算法识别性能。成都慧视开发的图像处理板都是经过严格的测试。
在许多目标检测跟踪的应用领域，RV1126系列图像跟踪板性能稍微欠佳，而RK3588性能则表现过剩，为了中和性能与价格，许多企业就不得不选择其他替代方案。处于性能中端的RK3399Pro芯片的板卡就脱颖而出。成都慧视开发的Viztra-ME025图像处理板正是利用瑞芯微中端芯片RK3399Pro打造而成。性能方面板卡基于双Cortex-A72+四Cortex-A53大小核CPU结构；CPU主频1.8GHz；能够提供3.0TOPS算力。GPU采用Mali-T860MP4,支持1080P视频编解码、H.265硬解码。目标检测跟踪方面，能够以1080P多格式视频解码(VC-1.MPEG-1/2/4，VP8)输出1080P视频编码，支持H.264，VP8格式，视频后期处理器具备反交错、去噪、边缘/细节色彩优化的能力。支持目标点选、框选两种方式跟踪目标。锁定跟踪支持目标自适应，丢失重锁定，抗干扰，抗遮挡能力强。如何提升目标识别的精度？成都运动图像识别模块方法
成都慧视开发的Viztra-ME025图像处理板拥有3.0TOPS的算力。成都运动图像识别模块方法
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。成都运动图像识别模块方法
文章来源地址: http://dzyqj.smdnjgsb.chanpin818.com/chuanganqisr/sjtxcgq/deta_27466703.html
免责声明： 本页面所展现的信息及其他相关推荐信息，均来源于其对应的用户，本网对此不承担任何保证责任。如涉及作品内容、 版权和其他问题，请及时与本网联系，我们将核实后进行删除，本网站对此声明具有最终解释权。
