安徽智慧交通AI智能口罩识别

除了高质量数据集产品外，凤凰数据还将推出以数据为中心的一站式AI训练平台，计划于近期开放内测。平台将与高质量数据集市实现互联互通，确保数据在平台内的安全使用。平台也将提供一系列以数据为中心的服务，包括丰富的数据处理工具、可视化模型训练和微调套件、大量的数据和模型评估框架和多云异构的算力资源。在内地，也有很多企业开发了类似平台，慧视光电推出的AI自动图像标注平台SpeedDP就是一个以数据为中心的一站式AI训练平台，通过平台能够让AI不断进行学习，进而更加精确的识别图像。机器学习是使用算法来处理、学习和理解或预测可用数据的模式。安徽智慧交通AI智能口罩识别

无人机吊舱除了在安防巡检、应急救援等领域有应用前景外，随着2024上半年低空经济的大力发展，吊舱迎来了又一大应用市场。利用无人机载物运输，具有便利高效的特点，它能够弥补传统运输的不足，提高交通运输的效率和灵活性，能够有效连接城区与郊区、城与城之前的资源互送，做到资源的协调调配。低空经济以无人机为载体，载动物品进行低空运输，这个过程中就可以用到无人机吊舱，慧视无人机吊舱内置摄像头+AI图像处理板，能够清晰获得无人机前方画面，在运输时能够实现避障等操作。慧视光电开发的VIZ-GT07D三轴双光惯性稳定吊舱，集成了640×512高分辨率红外相机、1300万像素的全高清可见光相机和陀螺稳定平台。超小的体积和重量，携行方便，无论是白天还是夜间，都能够获取清晰的视频画面，为无人机运输提供便利。西藏AI智能算法分析平台SpeedDP是深度学习领域的产品。

高空坠物已经成为城市安全的一大威胁，一方面来自于人，而另一方面则来自于建筑物。以前的楼房大都是马赛克墙面，然后在外面再涂一层亚士漆作为保护，随着楼房建成年份变久，楼房的外立面历经风吹雨晒，就会出现、起壳、空鼓、渗水等迹象。传统的检查模式，需要“蜘蛛人”进行排查，这种方法费时费力，准确度也难以控制。无人机和吊舱的出现则有效解决了这一难点。无人机搭载吊舱，对大楼进行细致的扫描，就能够将建筑外墙的情况尽收眼底，就像给大楼拍CT一样。这种吊舱需要具备红外热成像的功能，通过太阳照射墙面的温度，捕捉肉眼不可见的隐患，如果外墙存在缺陷，则会呈现“热斑”和“冷斑”两种形态。搭载吊舱的无人机一二十分钟就能检查完一面墙，效率是人工远远无法企及的。

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。人工智能和机器学习的数字施工工具，可以提供准确和精确的测量。

随着无人机在城市管理领域的大规模应用，采用无人机追踪地面车辆，然后配合地面拦截，成为一道风景线。让无人机搭载光电吊舱起飞，就能够通过无人机实现视频实时传输，远距离追踪车辆，实时上传记录位置，帮助地面执勤提升拦截效率。慧视VIZ-YWT201微型双光吊舱，集成了可见光摄像机、红外热像仪等传感器，能够对地面车辆进行昼夜观察、识别、捕获和跟踪，并及时上报目标的图像和坐标信息。除此之外，无人机还可以实现智能化追踪。通过在无人机光电吊舱中植入高性能的AI图像处理板，这些板卡在目标跟踪算法的赋能下，就能够对目标车辆进行锁定跟踪，即便是车辆短时间内收到视野阻挡，在车辆后续出现时，也能够立即锁定。这就是成都慧视开发的Viztra-HE030图像处理板。该板卡采用了瑞芯微高性能芯片RK3588，八核处理器能够输出6.0TOPS算力，可实时对目标进行识别或者人为的的锁定，同时可以根据输出目标的靶量信息，对目标进行实时跟踪。SpeedDP图像标注操作流程很简便。重庆智慧消防AI智能

SpeedDP整体安全性很高。安徽智慧交通AI智能口罩识别

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，近期，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%。安徽智慧交通AI智能口罩识别