但這也遇到很多難點，通常情況下，視頻回傳的延遲大概在200ms左右，隨著大量的彈打出，視頻傳輸所需帶寬就面臨壓力，如何在通信帶寬有限的情況下，保證視頻順暢、清晰、無卡頓地傳輸，是分析改進這個工作需要解決的前期難點。針對于這個問題，慧視光電利用GS弱網高清音視頻傳輸系統(tǒng)和RK3588打造的Viztra-HE030圖像處理板結合，推出了低延遲低帶寬圖傳解決方案。在一個窄帶收發(fā)信道內，例如在信道有效帶寬0.5Mb/s~2Mb/s內，多路視頻和交互控制共用一對收發(fā)信道，信道支持數據透傳，外部系統(tǒng)可以使用該信道，傳輸任意格式的數據；可實時調整視頻碼率，在低至500K帶寬情況下依然可以回傳清晰流暢的圖像。可以使設備飛的更遠、走的更遠;可實現(xiàn)視頻中繼轉發(fā)；能夠基于H265實時視頻編碼；可實現(xiàn)基于視頻流的“人在回路低延遲控制”。基于普通60幀相機，實現(xiàn)15ms的低延遲編解碼，加上數據鏈傳輸延遲時間在30ms左右，目前業(yè)界前列。通用性強，使用更加靈活，適用更多應用場景；支持多路SDI視頻在低至500K帶寬情況下的同時傳輸（1080P60FPS），徹底解決“帶寬苦惱”；整體時延約60ms（含相機、編解碼、顯示，不含傳輸），實現(xiàn)實時控制、實時打擊。SpeedDP能夠打造需要的算法模型。黑龍江自主可控圖像標注應用

無人機夜間工作時需要依靠紅外機芯進行高清成像，而想要具備AI檢測識別的能力則可以通過植入圖像處理板。成都慧視可以根據需求提供整套的建設方案，實現(xiàn)快速集成開發(fā)。慧視Viztra-LE026圖像處理板+MiNO?17紅外機芯的組合方案，兩款產品均使用小巧設計，整體組合重量在30g左右，并且都采用小功耗設計，用在無人機領域不會過多增加負擔。在算法的賦能下，能夠實現(xiàn)穩(wěn)定的目標檢測識別。Viztra-LE026圖像處理板重量在10g左右，采用了瑞芯微全國產化芯片RV1126，能夠輸出2.0TOPS的算力，功耗不高于4W。能夠以30Hz幀率跟蹤像素2*2的目標，能夠識別像素為12*12的目標，且識別率高于85%。而MiNO?17紅外機芯重量在20g左右（凈重5g（不含鏡頭）），像素分辨率為640*512，采用9/13/25mm三種定焦設計，支持18中偽彩選擇，功耗小于0.75W。上海信息化圖像標注功能SmartDP適用于無數據集、需要快速部署的場景。

圖像識別以圖像處理為基礎，是指以圖像為對象所開展的各種處理性工作，包括編碼、壓縮、復原及分割等。圖像處理過程中，以圖像輸入后，一般情況下也會通過圖像形態(tài)進行輸出。在圖像識別過程中，將處理后的圖像輸入，一般情況下輸出類別與圖像結構分析。也就是說，圖像識別是一個自原始圖像到物體類型的過程，原始圖像經過圖像處理后，抽取特征并加以分類對比，以圖像樣本庫資源作為對比分析的參考依據，然后確定物體類型。從本質上來講，可以將圖像識別看作是對圖像分類與描述進行研究的過程。在圖像識別過程中，在對圖像中物體進行檢測分離之后，將物體特征提取出來，以形狀、紋理特征等作為提取對象，一般將圖像處理融入到圖像特征提取環(huán)節(jié)中。待對比分析明確物體類型后，從結構層面上對圖像進行分析。

利用無人機實現(xiàn)智能化識別能夠幫助我們提升許多工作效率，在很多行業(yè)都有應用。像安防巡檢、交通管理等，飛在高空的無人機比傳統(tǒng)的地面巡邏更有視野，更能搜集掌握全局信息，再通過和地面巡邏的配合，能夠有效減少工作量。但是在無人機識別的過程中會遇到很多問題，比如當環(huán)境變得復雜時，識別的精度可能就會受到影響。AI識別算法是一種深度學習的算法，它不是一成不變的，它也需要適應不同的環(huán)境，因此對于AI算法的訓練也必不可少。算法定制找成都慧視！

經過算法的不斷升級驗證，Viztra-LE026圖像處理板能夠以30Hz的幀率跟蹤像素為2*2的目標，能夠識別**小像素為12*12的目標，整個延遲不高于100ms，識別精度能夠大于85%。無人機作業(yè)，續(xù)航是使用者首要考慮的。Viztra-LE026的設計正是考慮了這項因素，首先重量上就不會給無人機增加過多負擔，尺寸方面也無需過多空間，低于4W的功耗對于整個無人機的續(xù)航影響也是微乎其微。綜合這些特點，可見Viztra-LE026圖像處理板和無人機的完美契合，將是各領域打造智能無人機的得力助手。量化感知 訓練技術是SpeedDP的一大亮點。江蘇自主可控圖像標注功能

SpeedDP獲得了眾多算法工程師的青睞。黑龍江自主可控圖像標注應用

YOLO系列算法目前更新到YOLOv8。Yolo系列算法是典型的onestage算法，同樣，在算法設計上也注重目標區(qū)域的檢測以及特征的分類，這里目標區(qū)域的檢測采用的是和圖像區(qū)域分類定位的方式實現(xiàn)的。Yolo系列算法是一種比較成熟的目標檢測算法框架，基于這種框架的算法還在不斷地迭代中，當然解決的問題也越來越細化，比如候選區(qū)精度、比如小尺度檢測等。基本上YoloV3及以上版本的算法可以在很多場景下得到現(xiàn)實應用。2023年1月，目標檢測經典模型YOLO系列再添一個新成員YOLOv8，這是Ultralytics公司繼YOLOv5之后的又一次重大更新。YOLOv8一經發(fā)布就受到了業(yè)界的廣關注，成為了這幾天業(yè)界的流量擔當。黑龍江自主可控圖像標注應用