深度學習是機器學習的一個分支，只在近十年內才得到廣泛的關注與發展。它與機器學習不同的，它模擬我們人類自己去識別人臉的思路。比如，神經學家發現了我們人類在認識一個東西、觀察一個東西的時候，邊緣檢測類的神經元先反應比較大，也就是說我們看物體的時候永遠都是先觀察到邊緣。就這樣，經過科學家大量的觀察與實驗，總結出人眼識別的模式是基于特殊層級的抓取，從一個簡單的層級到一個復雜的層級，這個層級的轉變是有一個抽象迭代的過程的。深度學習就模擬了我們人類去觀測物體這樣一種方式，首先拿到互聯網上海量的數據，拿到以后才有海量樣本，把海量樣本抓取過來做訓練，抓取到重要特征，建立一個網絡，因為深度學習就是建立一個多層的神經網絡，肯定有很多層。有些簡單的算法可能只有四五層，但是有些復雜的，像剛才講的谷歌的，里面有一百多層。當然這其中有的層會去做一些數學計算，有的層會做圖像預算，一般隨著層級往下，特征會越來越抽象。RK3588作為工業級圖像處理板能夠進行大量的目標識別信息處理。云南算法定制AI智能煙霧識別

2023年，全球科技領域受歡迎的當屬AI行業，原以為進入2024會沉寂一段時間，不聊Sora文生視頻大模型的發布又將這一熱度延續到了2024。AI+行業的持續火熱，為我國AI圖像處理板的發展應用提供了契機。我們所熟知的人形機器人在當今已有重要突破，它們已經不再像以前那樣只能進行簡單的直立行走，進行生硬的對話，隨著AI和其他傳感技術的不斷進步，人形機器人已經可以在一些重要行業替代人工進行工作，其中就有制造業、危險化學品行業等，機器人的應用能夠有效節約人力成本，同時，機器人還能夠進行人不能涉及的危險領域。而人形機器人之所以能夠有此作用，就是跟機器視覺有關。湖南行業用AI智能算法工程師以RV1126核心板為基礎進行定制開發，讓攝像頭更加智能高效，能夠輸出高清流的圖像視頻。

物質生活水平的不斷提高下，人們對工作、居住等環境安全的重視與日俱增。特別是在城市中，選擇一處房子，除了區位地段，其安防水平也是人們首要考慮的一點。傳統的社區依靠人工巡查來實現安防，即便是監控普及后，傳控監控的有畫無聲、無法24小時監視等弊端也一樣突出，人工+監控的人力運維成本增加使得安防責任服務商苦不堪言，效率低、漏洞多、死角無法覆蓋的問題使得居民怨聲載道。隨著AI的不斷發展，智慧社區開始逐步建設，社區的安防措施也逐漸向智能化轉型。

SpeedDP有4+3的功能組合，為不同需求的客戶提供定制化服務。項目配置：含任務屬性（當前支持目標檢測）、算法模型（當前支持YOLO-X）、項目參數等；模型訓練：支持模型參數配置、訓練過程可視化等；模型評估：支持評價體系（如：AP）、結果統計等；數據測試：支持數據（圖像、視頻）的實時加載測試，輸出OSD疊加后的測試結果；自動標注：基于導入數據集快速生成標注結果，支持標注工具（LabelImg）讀取和調整；（可選）模型部署：支持PC端、嵌入式端（瑞芯微平臺，RKNN/RKNN2）兩種部署方式；（可選）Web服務：支持快速搭建Web服務，用于團隊內部或對外進行快捷訪問和申請服務；（可選）SpeedDP是一個深度學習算法開發平臺。

在智慧農業領域，當無人機掛載吊艙飛行時，攝像頭就能自動獲取作物狀態，并加以分析輸出相應數據，能夠讓管理者更好地了解整體狀況。在交通領域，將AI算法賦能路邊的攝像頭，能夠實現人流量、車流量的智能統計，為交通管理部門提供詳細的車流數據，從而為出臺緩解交通壓力的措施提供數據支撐。AI算法使用大量的訓練數據集來不斷提升自身的識別能力。即使是十分復雜的照片、特征、特征或物體，也可以使用機器學習算法或邏輯來找到。利用深度學習能夠讓AI更加聰明。河北智慧工地AI智能煙霧識別

慧視光電開發的慧視AI圖像處理板，采用了國產高性能CPU。云南算法定制AI智能煙霧識別

OLO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域的檢測以及特征的分類，這里目標區域的檢測采用的是和圖像區域分類定位的方式實現的。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 一經發布就受到了業界的廣關注，成為了這幾天業界的流量擔當。云南算法定制AI智能煙霧識別