如今，AI已走入萬千企業(yè)，其展現(xiàn)出的強大賦能作用，讓無數企業(yè)受益。尤其實在制造業(yè)中，AI能夠賦能多個領域，讓企業(yè)更加高效、更加節(jié)能。例如許多大型的紡織工廠，定期的機器巡檢以及對產品的質檢至關重要。傳統(tǒng)模式是采用人工巡檢，大量的巡檢人員對很大程度上小小的紡織機器和產品進行肉眼質檢，雖然這種模式效率低、精度無法掌握，但也是無賴之舉。隨著AI的發(fā)展應用，利用AI進行質檢，能夠彌補了這些缺陷。通過在攝像頭的基礎上集成具備圖像識別的AI圖像處理板、AI算法以及大數據分析技術，就能夠搭建一套簡易但功能強大的AI質檢系統(tǒng)。成都慧視光電能夠打造一套完整的圖像識別所需模塊。四川低空安防圖像識別模塊研發(fā)

圖像標注廣泛應用于智能駕駛、安防巡檢、應急救援等領域。盡管社會為領域培養(yǎng)了大量的圖像標注人才，但是人工的弊端仍無法完全彌補。近些年隨著AI技術的不斷發(fā)展，機械化的圖像標注工作迎來了改變契機，許多利用AI進行圖像標注的平臺面向大眾，成都慧視推出的SpeedDP深度學習算法開發(fā)平臺就是利用AI訓練、部署實現(xiàn)自動化圖像標注。它的出現(xiàn)，極大地改變了圖像標注行業(yè)的現(xiàn)狀。傳統(tǒng)標注和AI標注的不同在于傳統(tǒng)的圖像標注需要人工肉眼判斷目標，然后進行手動拉框，如此反復。這是一個機械化的動作，久而久之便會使圖像標注員產生倦怠，從而影響效率。此外，面對復雜背景下，目標數量眾多、重疊等情況，人工拉框也很無力。甘肅機載吊艙圖像識別模塊接口豐富低功耗圖像處理板Viztra-LE026。

多目標跟蹤是指在連續(xù)的圖像中，通過目標檢測算法識別出每一幀中的目標，并在時間上跟蹤它們的位置和狀態(tài)。但目標會不斷發(fā)生尺度、形變、遮擋等變化，而且還會有目標出現(xiàn)和消失的情況，再加上視頻采集端的相機所處環(huán)境可能受到外界影響導致抖動的情況（例如無人機高空檢測），就會給多目標跟蹤造成一定的困難。由于我們不能控制目標，所以只能從視頻采集端維護跟蹤的穩(wěn)定性。因此，成都慧視針對于多目標檢測跟蹤抖動丟失的優(yōu)化方法是：1.改進目標檢測,使用更加魯棒的目標檢測算法。2.增強特征描述，利用深度學習提取更高級別的語義特征，這些特征對于小范圍內的視角變化具有更好的不變性3.改進運動模型，在算法中加入對攝像頭運動的估計，通過補償攝像頭運動來減小目標真實運動與預測之間的差距。4.數據關聯(lián)策略，設計更靈活的數據關聯(lián)算法，允許更大的距離閾值來匹配候選目標。

SpeedDP作為一個服務型AI平臺，它能提供從數據標注、模型訓練、測試驗證到RockChip嵌入式硬件平臺模型部署的可視化AI開發(fā)功能。平臺所需算法并不是固定的，使用者可以根據自身實際應用場景進行AI算法的定制化開發(fā)，例如平臺經過不斷的迭代，目前能夠支持YOLOv8系列算法進行圖像標注。SpeedDP這個平臺使用起來十分簡便，在圖像標注領域其基本使用方法是：1.首先有一個比較好的預選模型2.用這個預選模型做自動標注3.后期人工審核修正 越高性能的圖像處理板越能處理復雜的場景。

SpeedDP用于模型訓練和評估測試的數據集是由一系列的圖像和標注文件組成的，平臺支持多種開源數據格式如VOC和COCO。而目前平臺共支持yolox系列和yolov8系列模型用于模型訓練（分割任務支持yolov8模型），通過不斷額測試驗證，就能夠讓AI實現(xiàn)海思、RockChip嵌入式硬件平臺等模型部署的可視化AI開發(fā)功能。經過驗證，訓練成熟后的AI進行標注時，通常情況下，7-8ms就能標注一張圖像，這是人工標注遠不能及的速度。目前，我司能夠為該平臺提供完整的人、車、船等目標檢測模型的數據提供，也可以根據應用場景進行特殊定制。如何選擇合適的圖像處理板性能？四川智慧工業(yè)圖像識別模塊研發(fā)

利用AI算法實現(xiàn)圖像的精確識別。四川低空安防圖像識別模塊研發(fā)

成都慧視推出的深度學習算法開發(fā)平臺SpeedDP，它的主要功能就是幫助進行算法模型的測試驗證，進行快速的針對大量數據的AI自動標注，然后提升自身算法能力。在無人機智能炮彈測試驗證中，通過對原始算法的模型訓練，能夠不斷評估算法的能力，然后對新的打擊數據集目標進行AI自動標注，讓算法在學習中不斷變得聰明。通過SpeedDP的應用，能夠極大減少整個測試驗證所需時間，減少人力成本支出，減少項目開發(fā)周期，讓工程師不再為繁瑣的圖像標注浪費時間將更多的精力放在更重要的領域。四川低空安防圖像識別模塊研發(fā)