YOLO系列算法是目標識別領域很重要的技術之一，因為性能強大、消耗算力較少，一直以來都是實時目標檢測領域的主要范式。該框架被用于各種實際應用，包括自動駕駛、監控和物流等行業的目標識別。自今年2月YOLOv9發布以后，清華又推出了YOLOv10，作為計算機視覺領域的突破性框架，具備實時的端到端目標檢測能力，通過提供結合效率和準確性的強大解決方案，延續了YOLO系列的傳統。據悉，YOLOv10在各種模型規模上都實現了SOTA性能和效率。例如，YOLOv10-S在COCO上的類似AP下比RT-DETR-R18快1.8倍，同時參數數量和FLOP大幅減少。與YOLOv9-C相比，在性能相同的情況下，YOLOv10-B的延遲減少了46%，參數減少了25%。用于目標檢測的傳感器有哪些？海南視頻目標檢測經驗豐富

騰訊開發的機器人小五，采用輪、腿、足復合設計，使得它具備越障能力的同時，也保持了輪式機器人的運行效率。每條腿都可以單獨伸長縮短，能有效提升承載能力。裝上了雙編碼器大扭矩密度的執行器后，就能承受住一般成年人的重量。將機器人用于養老服務領域，能夠幫老人取快遞，抱老人起床，帶老人進行活動。機器人內置RGBD相機，在圖像處理板的賦能下，能夠實時檢測周邊環境，進行路線規劃和避障，以高效完成各項工作指令。同時能夠對物體進行AI識別，判斷老人位置、行為動作，為老人的行動做出幫助。西藏專業目標檢測技術FPV檢測識別可以搭載成都慧視開發的RV1126圖像處理板。

低于10*10像素的小目標由于像素小、面積小等問題，能夠提供的檢測信息就少，即便是高性能的圖像處理板也難以進行運算，就會給目標檢測跟蹤造成了不小的難度。慧視光電根據自身經驗推出的質心小目標跟蹤方案則很好的解決了小目標跟蹤當中的一些問題，讓許多客戶在應用場景中減少了很多麻煩。慧視光電的工程師通過對算法的定制，使得該跟蹤方案無論是在RK3588這樣的旗艦級圖像處理板上還是RV1126這樣的入門級芯片上都有著很好的效果。

“啟明935A”系列芯片已經成功點亮，并完成各項功能性測試，達到車規級量產標準。啟明935A是行業首顆基于Chiplet(芯粒/小芯片)異構集成范式的自動駕駛芯片，但并非單一芯片，而是一個家族系列。啟明935HUBChiplet可以和不同數量的大熊星座AIChiplet互相搭配，再結合靈活的封裝方式，快速形成不同性能等級的SoC芯片。它還支持高帶寬的PBLink多芯互連，雙芯雙向帶寬128GB/s，四芯雙向帶寬64GB/s。啟明935A每顆芯片都支持比較大20路的1080p60攝像頭輸入，可應用于各類端側AI部署。得益于大熊星座NPU天然支持Transformer結構，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。檢測傳感器選成都慧視。

目前，采用圖像識別技術來實現無人機規避其他障礙物是一個有效的方法。通過在無人機上植入圖像識別模塊，這個模塊由圖像處理板和相機組合而成，通過算法的賦能，就能針對不同物體實現快速AI識別，然后實現規避。而在圖像處理板的選擇上，成都慧視開發的Viztra-LE026圖像處理板就十分合適。這塊板卡采用了RV1126開發設計而成，外形呈圓形，體積小巧，尺寸為Ф38mm*12mm，重量只有12g，用在無人機上不會過多占用空間。此外，該板卡功耗≤4W，也不會增加無人機的續航負擔。慧視光電開發的圖像處理板能夠實現人、車、船等目標檢測。浙江靜態目標檢測

成都慧視還能夠定制小目標檢測算法。海南視頻目標檢測經驗豐富

機器人是AI落地應用的一個很重要載體，AI賦能的機器人能夠在安防巡檢、自動化作業、應急救援等領域發揮重要作用。在電力巡檢當中，傳統的模式需要人工一步一步走出來，面對假設在各種環境中的輸電線，這種模式弊端重重，費時費力。而常年經受風吹雨曬的輸電線，在使用久了之后，難免會出現電力設備損壞缺失等問題，AI賦能下的機器人的出現，為這項行業的工作效率的提升提供了新思路。巡檢機器人內置可見光和紅外攝像頭，能夠實現晝夜巡檢，然后再內置高性能的AI圖像處理板，就能夠運用AI識別、多機協同、數字孿生、巡檢監控等技術，實現自動巡視、缺陷和表計自動識別和告警、巡視報表自動生成和發送等功能，實現場站式巡檢場景的全息感知和全域決策輔助。海南視頻目標檢測經驗豐富