無人機只需要從基地起飛，就能夠對指定區域進行巡檢，智能攝像頭能夠自動問診地面，識別護欄錯位、路面積水、凹陷、裂縫、交通事故、車流異常等問題，然后標記位置。而控制中心能夠實時查看前方畫面，接收無人機回傳的數據，并進行診斷分析，整個過程無需過多的人工干預。這種無人機智能問診，是通過向無人機植入高性能的AI圖像處理板以及定制專門的目標識別算法來實現的。成都慧視開發的Viztra-LE026圖像處理板，就非常適合用在無人機智能化領域。這塊板卡外形呈圓形設計，尺寸為ф38*12mm，功率不超過4W，整體呈現功耗低、尺寸小的特點。用在緊湊型的無人機當中也不會因為空間問題而苦惱，并且不會過多消耗無人機的續航。此外，Viztra-LE026這款圖像處理板采用的是RV1126芯片，2.0TOPS的算力用在路面識別領域十分合適。AI算法賦能下的圖像處理板能夠進行目標識別。安徽移動目標跟蹤

目標檢測與目標跟蹤這兩個任務有著密切的聯系。針對目標跟蹤任務，微軟亞洲研究院提出了一種通過目標檢測技術來解決的新視角，采用簡潔、統一而高效的“目標檢測+小樣本學習”框架，在多個主流數據集上均取得了杰出性能。目標跟蹤（Object tracking）與目標檢測（Object detection）是計算機視覺中兩個經典的基礎任務。跟蹤任務需要由用戶指定跟蹤目標，然后在視頻的每一幀中給出該目標所在的位置，通常由一系列的矩形邊界框表示。而檢測任務旨在定位圖片中某幾類物體的坐標位置。對物體的檢測、識別和跟蹤能夠有效地幫助機器理解圖片視頻的內容，為后續的進一步分析打下基礎。安徽移動目標跟蹤RK3399PRO圖像處理板是我司自主研發的目標跟蹤板，該板卡采用國產高性能CPU，搭載自研目標跟蹤及跟蹤算法。

目標檢測和跟蹤在許多應用中都具有重要的意義，例如智能監控、自動駕駛和人機交互等。傳統的目標檢測算法需要多次掃描圖像，并使用復雜的特征提取和分類器來識別目標。然而，這些方法在實時性和準確性上存在一定的限制。隨著YOLO算法的出現，目標檢測和跟蹤領域取得了重大突破。YOLO算法概述YOLO算法是一種基于卷積神經網絡的目標檢測和跟蹤算法。與傳統方法相比，YOLO算法采用了全新的思路和架構。它將目標檢測問題轉化為一個回歸問題，通過單次前向傳播即可同時預測圖像中多個目標的位置和類別。這使得YOLO算法在速度和準確性上具備了明顯優勢。

而維修機器人則能夠通過圖像識別、精細遠程控制技術，實現遠程快速維修，通過加裝高性能圖像處理板，機器人能夠精細電網缺陷以及損壞程度，并通過攝像頭實時回傳高清畫面，工程師只需要遠程操控機器人進行修補，實現精細縫合。整個過程只需要極少數的人員參與，整個巡檢維修的時間能夠從7小時縮減到1小時，極大地保障了電力供應。成都慧視光電采用RK3588開發而成的Viztra-HE030圖像處理板，具備八核處理器，采用BTB傳輸接口，擁有極強傳輸能力，成都慧視能夠憑借豐富的經驗，快速集成開發SDI、CVBS、DVP、LVDS、cameralink等接口以及金屬外殼和散熱器。通過6.0TOPS的算力，以及豐富的接口定制，板卡能夠快速適配不同的無人機和機器人，用在我國西部電力運維領域，將是工程師打造智能化維護的關鍵技術。RV1126圖像處理板的目標識別能力突出。

云臺的旋轉將直接改變攝像機的視野，因此對于云臺的控制必須謹慎且準確。錯誤的控制會使目標從視野中消失，導致跟蹤的失敗。此外，如果云臺的控制幅度過小，可能會達不到目標回到視野中心的目的，目標也同樣極易丟失。相反如果在對目標運動速度有可靠估計的前提下，提前將目標移到視野中目標運動方向的另一側，將為此后跟蹤目標贏得更多的時間，能夠提高跟蹤的成功率。所以為了使對于云臺的控制更為合理，應該對于不同的情況采取不同的控制策略。對于情況的劃分主要取決于目標的可靠性和速度的穩定性。RK3399PRO圖像處理板識別概率超過85%。多系統適配目標跟蹤功效

慧視微型雙光吊艙非常適用于無人機領域。安徽移動目標跟蹤

目標運動估計是根據目標在過去的位置對目標的運動規律加以總結，并以此對目標將來的運動狀態進行預測。正確的預測，可以縮小匹配的計算區域，大幅的降低匹配計算量。在視頻跟蹤系統中由于被跟蹤的目標處于運動狀態，為了把目標始終保持在攝像機視野之內，必須對攝像機加以控制。在實際應用中，攝像機被固定在云臺上，云臺本身不做平移運動，但可以控制云臺進行水平擺動和上下俯仰，從而帶動攝像機做相應運動。所以，對攝像機的控制就是對云臺的控制。安徽移動目標跟蹤