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。慧視光電開發的慧視RK3588圖像處理板，采用了國產高性能CPU。如何目標跟蹤進貨價

SpeedDP的出現則正好解決了這一問題，它是一個基于瑞芯微的深度學習算法開發平臺，提供從數據標注、模型訓練、測試驗證到RockChip嵌入式硬件平臺模型部署的可視化AI開發功能。平臺支持本地化服務器部署，高校、特殊單位等數據敏感的用戶無需擔心數據信息泄露的問題。高校等單位可以通過模型訓練和模型評估等功能，打造一個符合需求的AI模型，來幫助進行海量的數據標注，這不僅將節約大量的數據標注時間，更重要的是能夠幫助提升自身算法在RK3588圖像處理板的檢測識別能力。國產目標跟蹤應用RK3588圖像處理板識別概率超過85%。

RK3588作為瑞芯微國產化旗艦級芯片，用在目標跟蹤領域，通常情況下跟蹤幀率都在50Hz左右，這已經足夠滿足大多數應用領域的需求。但在許多特殊領域，如軍備、邊防，高幀頻的視頻輸出能夠在極短的時間內捕捉到更多的畫面，實現高速動態場景的連續拍攝。高幀頻的目標跟蹤則能夠獲得更多的目標細節，便于做出下一步判斷。許多中低端性能的由于算力等因素無法達到這樣的需求，但RK3588作為性能怪，6.0TOPS的算力開發潛力無限。成都慧視就針對于這樣的需求場景，在硬件的支持下，定制開發出能夠支撐100Hz跟蹤算法，從而打造出能夠穩定實現100Hz目標跟蹤的整合方案。

在深度學習中，解決訓練數據不足常用的一個技巧是“預訓練-微調”（Pretraining-finetune），即大數據集上面預訓練模型，然后在小數據集上去微調權重。但是，在訓練數據極其稀少的時候（只有個位數的訓練圖片），這個技巧是無法奏效的。圖2展示了一個檢測模型預訓練過后，在單張訓練圖片上微調的過程：盡管訓練集上逐漸收斂，但是檢測器仍無法檢測出測試圖片中的物體。這反映出了“預訓練-微調”框架的泛化能力不足。利用SpeedDP經過大量的數據訓練后，機器就能夠精確檢測跟蹤圖像中的物體。慧視RK3399板卡可以用于大型公共停車場。

實際上，跟蹤和檢測是分不開的，比如傳統TLD框架使用的在線學習檢測器，或KCF密集采樣訓練的檢測器，以及當前基于深度學習的卷積特征跟蹤框架。一方面，跟蹤能夠保證速度上的需要，而檢測能夠有效地修正跟蹤的累計誤差。不同的應用場合對跟蹤的要求也不一樣，比如特定目標跟蹤中的人臉跟蹤，在跟蹤成功率、準確度和魯棒性方面都有具體的要求。另外，跟蹤的另一個分支是多目標跟蹤（MultipleObjectTracking）。多目標跟蹤并不是簡單的多個單目標跟蹤，因為它不僅涉及到各個目標的持續跟蹤，還涉及到不同目標之間的身份識別、自遮擋和互遮擋的處理，以及跟蹤和檢測結果的數據關聯等。慧視RK3399圖像處理板能實現24小時、無間隙信息化監控。比較好的目標跟蹤銷售廠家

用于安防監控及狀態監測的攝像頭數量的飛速發展。如何目標跟蹤進貨價

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。如何目標跟蹤進貨價