江西行业用AI智能视觉

垃圾分类是一门大学问，日常生活经验不足的人往往分不清垃圾类别，这就对垃圾分类工作造成了极大地阻碍。此外，有的地方用人工对垃圾进行分拣，这无疑费时又费力，许多垃圾处理企业逐步采用机器进行分拣，但是传统的分拣机器只具备简单的拿放功能，并不能对垃圾进行细致的分类，又得进行二次回收工作，一来二去，成本不言而喻。倘若要告别传统垃圾分拣的弊端，那么机器AI识别将是不错的解决方案。AI目标识别是指摄像头在特定算法的作用下，能够对目标范围的物体进行分类，例如瓶子、纸质物体属于可回收物，就不应该和厨余垃圾放在一起，再比如瓶子属于塑料类别，就不应该和纸质物品分在一类。在这类工作中，AI目标识别将极大地解放双手，提升垃圾分拣回收的效率。慧视AI板卡可以用于大型公共停车场。江西行业用AI智能视觉

凤凰卫视在“数聚未来——凤凰大模型数据研讨沙龙”上正式推出“凤凰智媒AI数据业务”，发布首批“中文访谈对话数据集”和“正向价值对齐数据集”，还将推出以数据为中心的一站式AI训练平台，计划于近期开放内测。凤凰卫视执行副总裁兼运营总裁李奇在致辞中表示，凤凰卫视作为一个立足香港、背靠内地、面向全球发展的国际媒体，也将是人工智能时代的积极参与者，期望发挥凤凰的媒体平台优势，为产业界建立一个共建共享的数据平台，共同推进人工智能的快速发展。湖南开发AI智能技术慧视RK3399图像跟踪板支持AI智能识别目标（人、车）。

无损检测法是一种常用的故障诊断技术，故障诊断从本质上来讲就是模式识别问题，而模式识别又可以狭义地理解为图像识别。从介绍图像、图像识别、图像识别过程和图像识别系统的基本概念着手，就几种常用图’像识别方法的原理和特点进行比较，给出了CCD图像获取系统的组成。然后结合发动机曲轴的一种自动磁粉探伤系统实例，对系统的图像处理和识别流程进行详细的讨论，并针对一般无损检测系统难以满足曲轴的检测要求和精度要求的状况，提出经过改进的一种适用于曲轴的整体无损检测系统。该系统有助于高效和完整地获取整个曲轴的图像，提高图像信息的质量，从而提高发动机曲轴表面缺陷检测的准确性和可靠性。

部署机器学习模型，也称为模型部署，简单来说就是将机器学习模型集成到现有的生产环境中，在该环境中，模型可以接受输入并返回输出。部署模型的目的是让其他人（无论是用户、管理人员还是其他系统）可以使用训练有素的机器学习模型进行预测。模型部署与机器学习系统架构密切相关，机器学习系统架构是指系统内软件组件的排列和交互，以实现预定义的目标。成都慧视推出的AI自动图像标注软件SpeedDP也是这样，通过正确的模型部署后方能进行正确的AI模型训练，让AI更加智能。慧视AI算法是无人设备的“眼睛”。

OLO系列算法目前更新到YOLOv8。Yolo系列算法是典型的onestage算法，同样，在算法设计上也注重目标区域的检测以及特征的分类，这里目标区域的检测采用的是和图像区域分类定位的方式实现的。Yolo系列算法是一种比较成熟的目标检测算法框架，基于这种框架的算法还在不断地迭代中，当然解决的问题也越来越细化，比如候选区精度、比如小尺度检测等。基本上YoloV3及以上版本的算法可以在很多场景下得到现实应用。2023 年 1 月，目标检测经典模型 YOLO 系列再添一个新成员 YOLOv8，这是 Ultralytics 公司继 YOLOv5 之后的又一次重大更新。YOLOv8 一经发布就受到了业界的广关注，成为了这几天业界的流量担当。RK3399PRO图像处理板是我司自主研发的目标跟踪板，该板卡采用国产高性能CPU，搭载自研目标检测及跟踪算法。四川人工智能AI智能视觉

RK3399图像处理板识别概率超过85%。江西行业用AI智能视觉

YOLO（You Only Look Once）是一种目标检测算法，它使用深度神经网络模型，特别是卷积神经网络，来实时检测和分类对象。该算法开始被提出是在2016年的论文《You Only Look Once：统一的实时目标检测》中。自发布以来，由于其高准确性和速度，YOLO已成为目标检测和分类任务中很受欢迎的算法之一。它在各种目标检测基准测试中实现了高性能。就在2023年5月初，YOLO-NAS模型被引入到机器学习领域，它拥有更高的精度和速度，超越了其他模型如YOLOv7和YOLOv8。江西行业用AI智能视觉