在很長一段時間內，傳統的糧庫害蟲檢查方法是依靠人工巡檢，用肉眼觀察，逐倉篩查的方法，這種方法覆蓋面不足且效率低下，篩查一次將耗費工作人員的大量時間精力。隨著技術的發展，AI化的篩查逐步采用，通過算法的AI識別實現自動化篩查。方法基于高像素高清攝像機，實時遠程監控糧庫，一旦發現害蟲就能夠立即向管理平臺發出告警，有效降低巡檢成本和壓力，提升工作效率。這之中，實現AI識別處理的傳感器同樣重要，面對復雜的糧庫環境，一個高性能能夠快速處理數據的圖像處理板是關鍵。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。福建安全目標跟蹤

這種智慧化的建設就是采用圖像處理。在無人機內部安裝圖像處理板，這些圖像處理板和相機、算法的有機結合就形成了無人機的智慧眼，有了這個智慧眼，無人機就能夠對視野范圍內的物體進行AI識別，從而自動完成避障、巡檢等操作。成都慧視開發的小型化圖像處理板Viztra-LE026就是專門為無人機設計的一款“智慧眼”處理器。這塊板卡采用了RV1126開發而成，具備2.0TOPS的算力，外形呈圓形化設計，整體外觀大小為Ф38mm*12mm，重量只有12g，功耗不高于4W，用在無人機領域具有功耗低、尺寸小的優勢，不會過多占用和消耗無人機的內部空間和續航。遼寧多系統適配目標跟蹤RK3399處理板如何實現目標的識別及跟蹤？

低空經濟成為當下火熱的行業之一，各行各業都想利用無人機為自己服務，但是卻面臨一個問題，專業人才嚴重不足。有關數據顯示，我國無人機經營性企業已超過1.7萬家，全國實名登記的無人機已超過200萬架。而無人機人才的缺口卻多達100萬，這就給低空經濟的快速發展按下了慢速鍵。各大高校陸續建設無人機專業，但是四年的教學路怎么也得一步一個腳印，為了應對市場需求，只能從高效率的教學方法著手，讓學生更多的結合實際操作進行學習，能夠讓學生在畢業之后更快的適應工作需求，進而提升穩定就業的概率。

無人機的迅猛發展，使得無人機的反制技術也水漲船高，常見的有電子干擾、無人機識別對抗等方式。后者采用圖像識別技術，通過在無人機攝像頭的基礎上加裝AI高性能圖像處理板，在算法的作用下，就具備無人機識別的功能，為無人機對抗創造條件。由于無人機飛行速度極快，因此針對于這樣環境下的AI識別需要“與眾不同”的圖像處理板。我們都知道，當視頻幀率越高時，視頻越能夠體現畫面細節信息，而圖像識別算法正是逐幀進行識別，因此，攝像頭捕捉到的畫面細節越多，識別的精度就會越高。慧視微型雙光吊艙非常適用于無人機領域。

這樣的無人機智慧“眼”可以通過搭載吊艙實現，吊艙內置各種規格的攝像機，能夠實現多角度觀察。而智能化則可以在吊艙的基礎上植入高性能AI圖像處理板。圖像處理板能夠對攝像機獲取的圖像進行AI智能分析，這樣無人機就能夠自動識別缺陷，然后進行信息留存、回傳。在這個領域，成都慧視光電可以根據需求進行多接口圖像處理板的定制，選擇成都慧視開發的RK3588系列圖像處理板，支持選擇SDI、CVBS、LVDS、USB、cameralink等接口。RK3588擁有6.0TOPS的算力，能夠在各種復雜環境進行穩定工作。板卡和識別算法的強強聯合下，無論白天黑夜，無人機都可以實現自助巡檢，就不需要過多的人工參與。也是一種降本增效的舉措。慧視AI板卡可以用于大型公共停車場。遼寧多系統適配目標跟蹤

RV1126圖像處理板識別概率超過85%。福建安全目標跟蹤

2010年以前，目標跟蹤領域大部分采用一些經典的跟蹤方法，比如Meanshift、Particle Filter和Kalman Filter，以及基于特征點的光流算法等。Meanshift方法是一種基于概率密度分布的跟蹤方法，使目標的搜索一直沿著概率梯度上升的方向，迭代收斂到概率密度分布的局部峰值上。首先Meanshift會對目標進行建模，比如利用目標的顏色分布來描述目標，然后計算目標在下一幀圖像上的概率分布，從而迭代得到局部密集的區域。Meanshift適用于目標的色彩模型和背景差異比較大的情形，早期也用于人臉跟蹤。由于Meanshift方法的快速計算，它的很多改進方法也一直適用至今。福建安全目標跟蹤