云南智慧工地AI智能提供商

慧视VIZ-YWT201微型双光吊舱集成集成可见光摄像机、红外热像仪等传感器，能够实现昼夜成像，内置成都慧视自研全国产化RV1126图像跟踪板，搭载自研AI跟踪算法，重量只有280g。能够对地面车辆、人员等目标进行昼夜观察、识别、捕获和跟踪，上报目标的图像及坐标信息。慧视VIZ-YWT202微型双可见光吊舱集成宽窄视场2路可见光摄像机，重量小于260g，采用金属外壳，抗冲击力强，具有功耗低、陀螺稳定、小体积、轻重量的优点。慧视VIZ-GT05V微型三轴双可见光惯性稳定吊舱搭载一颗千万级可见光CMOS传感器和一颗星光级可见光CMOS传感器，具备大小两个视场角，能够实时输出1080P的高清可见光视频，可实现夜间微弱光线下的目标观测。可应用于微小型无人飞行器、无人车、无人艇和其他无人观测设备，进行警务执法、电力巡检、安保巡视、救援搜索、消防救火等任务。算法的提升得益于大量的图像标注。云南智慧工地AI智能提供商

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。成都智慧视觉AI智能视觉系统数据标注是一项繁琐的工作。

例如是飞过来的杂物，还是闯入的人或者动物，如果摄像头能够智能识别，那么就可以实现上述目的。而要实现这样的功能，一个很简单的方法就是在传统摄像头的基础上植入高性能的AI图像处理板。图像处理板通过定制接口和摄像头连接，在目标识别算法的赋能下，就能够对摄像头获取的物体进行AI识别分类，从而对摄像头发出指令是否锁定跟踪目标，从而转动摄像头。成都慧视开发的Viztra-ME025图像处理板，是慧视光电采用瑞芯微RK3399pro芯片开发而成的高性能板卡，芯片基于双Cortex-A72+四Cortex-A53大小核CPU结构；CPU主频1.8GHz；高性能+强大的算力3.0TOPS，GPU采用Mali-T860MP4,支持1080P视频编解码、H.265硬解码。

今年各地陆陆续续出现大范围的强降雨，不少城市更是出现内涝的情况，而乡镇农村更是洪峰过境。突然降临的洪水内涝让受灾地不少人被困，同时也给防汛救援造成了不小的难题，为了尽可能节约救援时间，增加搜救率，前期的信息收集工作十分重要。这项工作交给无人机是当下比较高效的解决方案。无人机便捷灵活，能够轻松到达许多内涝区域搜集信息。搭载光电吊舱则能够实时回传现场画面，不少吊舱具备红外和可见光双光成像的能力，夜间工作也能够清晰成像。除了搜集洪水信息，无人机还可以通过智能化吊舱实现AI智能识别，例如高空飞行作业的无人机通过盘旋扫描，能够识别是否存在被困人员，识别被困人员数量。从而展开精细的救援转移，保障人民生命财产安全。数据标注很麻烦，所以需要AI介入。

从2016年12月11日起，我国就正式施行林河长制。其中林长制主要职责是林业生态保护修复、森林防火、林业有害生物防治、森林资源管护以及野生动植物保护工作。而河长制是保护水资源，打造安全用水环境。这两项工作对我国的自然生态的稳定具有关键作用。在中西部许多地区，由于环境下复杂，对于林、河的巡护是一项困难的工作，不仅要花费大量的时间精力，还不能做到大面积的覆盖。随着无人机的落地应用，这种困难得到了有效缓解。无人机“加持”下的林河长巡查，形成了“人防+技防”的地空巡检新模式，覆盖更广、发现更及时。无人机凭借其灵活、轻巧的特点可以轻松飞越一些人无法到达的地点，还能够实时传输高清图像数据，节约时间成本，快速高效地获取资料，让管理人员对森林植被、河湖状况一目了然。科研、事业单位进行图像标注工作就选慧视SpeedDP。陕西慧视光电AI智能

利用成都慧视推出的SpeedDP能够帮助训练AI算法。云南智慧工地AI智能提供商

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%。云南智慧工地AI智能提供商