贵州深度学习AI智能

这样的无人机智慧“眼”可以通过搭载吊舱实现，吊舱内置各种规格的摄像机，能够实现多角度观察。而智能化则可以在吊舱的基础上植入高性能AI图像处理板。图像处理板能够对摄像机获取的图像进行AI智能分析，这样无人机就能够自动识别缺陷，然后进行信息留存、回传。在这个领域，成都慧视光电可以根据需求进行多接口图像处理板的定制，选择成都慧视开发的RK3588系列图像处理板，支持选择SDI、CVBS、LVDS、USB、cameralink等接口。RK3588拥有6.0TOPS的算力，能够在各种复杂环境进行稳定工作。板卡和识别算法的强强联合下，无论白天黑夜，无人机都可以实现自助巡检，就不需要过多的人工参与。也是一种降本增效的举措。特殊目标的识别精度如何提高？贵州深度学习AI智能

在许多领域，无人机的作业环境相对复杂，需要识别处理图像背景目标众多，这种环境下，要想实现更高精度的检测识别效果，图像处理板的性能至关重要。在慧视光电开发的多款图像处理板中，Viztra-HE030图像处理板以6.0TOPS得以胜任。这款板卡采用了瑞芯微旗舰级芯片RK3588，8nmLP制程，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，支持主流的深度学习框架。性能强劲的RK3588可为无人机AI识别的应用场景带来更强大的性能表现。贵州深度学习AI智能FPV跟踪算法用SpeedDP帮助提升精度。

美国再度要求台积电停止出口7纳米芯片给大陆，目前看来国产AI图像处理的性能还得由RK3588稳坐，不久前传出了瑞芯微RK3688至少在一两年内无法推出，因此对于许多有高性能AI图像处理板需求的客户无需再等了。当下，选择RK3588至少还可以保持性能***两三年，而在国内进行RK3588开发的厂家中，成都慧视凭借多年的丰富经验，已经形成一整套快速的开发流程，针对于RK3588这样的高性能图像处理板，能够快速定制SDI、CVBS、DVP、Cameralink等接口，满足不同行业的需求。并且，随着不少领域等目标跟踪稳定性的进一步提升，针对于高帧频目标跟踪这块，成都慧视也完成了成熟的方案，通过RK358+FPGA，实现高帧频相机的输入输出，为目标跟踪提供更多的细节信息。

“启明935A”系列芯片已经成功点亮，并完成各项功能性测试，达到车规级量产标准。启明935A是行业首颗基于Chiplet(芯粒/小芯片)异构集成范式的自动驾驶芯片，但并非单一芯片，而是一个家族系列。启明935HUBChiplet可以和不同数量的大熊星座AIChiplet互相搭配，再结合灵活的封装方式，快速形成不同性能等级的SoC芯片。它还支持高带宽的PBLink多芯互连，双芯双向带宽128GB/s，四芯双向带宽64GB/s。启明935A每颗芯片都支持比较大20路的1080p60摄像头输入，可应用于各类端侧AI部署。得益于大熊星座NPU天然支持Transformer结构，初步支持的模型有Yolo系列、ResNet50、PSPNet、PointNet++、TrafficSign_Retinanet、BevDet、miniCPM、Unet_ResNet50、PointPillars、PillarNest、M2track、BevFusion、PaliGemma、LLaMa-3B、8B等等。SpeedDP是一个AI算法训练平台。

陕西某地村落一老人被闯入的野猪冲撞撕咬致死，让动物入侵居民区的话题再次登上热搜。此类野生动物在野生动物保护法的保护下，生存环境得到了极大改善，像野猪由于繁殖能力强、适应能力强，已在我国28个省份广分布，已经不再属于濒危动物系列。并且，由于数量过高，有多大26个省份的居民受到了安全威胁。因此各地也在积极出台政策、寻找措施，进行野猪致害防控工作。由于野猪出没得不规律性，这就导致防控的难度也十分大，不可能做到完全避免，因此往往都是事后进行搜捕驱逐，防止二次伤害。利用成都慧视推出的SpeedDP能够帮助训练AI算法。贵州深度学习AI智能

图像标注是一项繁琐的工作。贵州深度学习AI智能

AI的不断应用发展使得传统的人工工作的弊端得到了很好的弥补。比如在图像标注这个领域，传统的标注需要招聘大量的人员，并且标注图像所耗费的时间精力也是不可估量的，而AI模型的出现让这一切都成为过去。利用慧视光电打造的深度学习算法开发平台SpeedDP，就能够针对场景识别进行特有的模型部署训练，通过大量的训练，让AI学会自动标注图像。平台采用标准的AI算法开发流程，通过从需求分析、数据制作到模型训练、测试验证以及模型部署几个主要模块。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。贵州深度学习AI智能