成都慧視開發(fā)的RK3588系列高性能圖像處理板Viztra-HE030，能夠在-40℃~65℃的環(huán)境中進行工作，用在寒冷的北方冬天電力巡檢領域，可以有效支撐無人機的穩(wěn)定工作。此外，這款板卡的存儲溫度范圍在-55℃~75℃，遇到更加極端寒冷的天氣時，不使用也能夠有效抗寒。RK3588屬于旗艦機芯片，搭載八核64位CPU，主頻高達2.4GHz。集成ARMMali-G610MP4四核GPU，內置AI加速器NPU，可提供6Tops算力，用在電力巡檢領域能夠快速穩(wěn)定處理復雜的場景，幫助進行保供電工作。如何進行精確的目標識別？國產化圖像處理板結構設計

無人機能夠通過高空拍攝快速獲取大范圍、多角度的地面信息。但是傳統(tǒng)的攝像頭只能獲取視頻數據，對于許多需要進行數據分析的行業(yè)來說顯然不夠智能化，從無人機視頻數據中快速獲取提煉大量有價值的信息，不僅能夠提升工作效率，還能夠減少不小的成本支出。這就是無人機的AI識別能力。通過識別算法，在無人機工作時就對目標范圍進行AI檢測識別，從而提煉所需信息。這就需要對無人機進行智能化改造，可以在傳統(tǒng)無人機吊艙中植入成都慧視開發(fā)的高性能AI圖像處理板，如利用RK3588深度開發(fā)而成的Viztra-HE030圖像處理板，6.0TOPS的算力能夠快速處理無人機識別到的復雜畫面信息，這樣就有了硬件基礎，剩下的就需要對自身算法進行不斷優(yōu)化提升。圖像處理板銷售廠家全國產化圖像處理板。

目標識別算法是一種深度學習算法，其聰明程度需要我們不斷訓練，這就得益于大量的圖像標注，通過對車輛行駛環(huán)境的數據集的大量標注，能夠讓AI更加聰明，標注得越多，識別的精度就可能越高。但是大量的圖像標注跟工作顯然會耗費大量的時間精力。而慧視SpeedDP的出現很好地解決了這個問題。SpeedDP是一個深度學習AI算法訓練開發(fā)平臺，他能夠通過現有的算法模型或者自訓練一個算法模型，實現對新數據集的快速AI自動標注，以此反復，幫助使用者提升算法性能。能夠有效節(jié)約大量的時間。

美國再度要求臺積電停止出口7納米芯片給大陸，目前看來國產AI圖像處理的性能還得由RK3588穩(wěn)坐，不久前傳出了瑞芯微RK3688至少在一兩年內無法推出，因此對于許多有高性能AI圖像處理板需求的客戶無需再等了。當下，選擇RK3588至少還可以保持性能***兩三年，而在國內進行RK3588開發(fā)的廠家中，成都慧視憑借多年的豐富經驗，已經形成一整套快速的開發(fā)流程，針對于RK3588這樣的高性能圖像處理板，能夠快速定制SDI、CVBS、DVP、Cameralink等接口，滿足不同行業(yè)的需求。并且，隨著不少領域等目標跟蹤穩(wěn)定性的進一步提升，針對于高幀頻目標跟蹤這塊，成都慧視也完成了成熟的方案，通過RK358+FPGA，實現高幀頻相機的輸入輸出，為目標跟蹤提供更多的細節(jié)信息?；垡暪怆娔軌蚨ㄖ芻amera link接口的RK3588圖像處理板。

這個過程中，采用無人機是個高效的辦法。無人機高空觀察能夠獲得更多的視野，并且針對許多人無法到達的地方，還能夠快速抵近觀察，防止驚擾。此外，更高效的措施是在無人機上加裝具備圖像處理的板卡，這時候無人機就是一個智慧眼，它能夠在算法的輔助下，對野豬等動物進行AI搜尋，并且具備目標鎖定功能。當無人機發(fā)現疑似目標就可以抵近觀察，一旦確認目標就能夠立即鎖定跟蹤，這樣，地面圍剿人員就可以快速像區(qū)域靠攏，對野豬進行逮捕驅逐。這樣的無人機智慧眼可以用成都慧視開發(fā)的Viztra-HE030圖像處理板來實現，這塊板卡采用瑞芯微旗艦級芯片RK3588，算力能夠達到6.0TOPS，處理村落、樹林等復雜環(huán)境不在話下。同時，針對于野生動物目標識別算法的AI訓練，成都慧視還可以提供專門的AI訓練平臺SpeedDP，通過大量的模型訓練實現AI自動圖像標注，進而幫助提升算法識別性能。攝像機AI前置方案哪里能做？寧夏高效圖像處理板

FPV適合加裝哪些圖像處理板？國產化圖像處理板結構設計

“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(guī)級量產標準。啟明935A是行業(yè)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。國產化圖像處理板結構設計