监测管道否出现漏油。通常情况下,当发生渗漏油时,漏油区域的颜色一般会呈现黄褐色,因此可以基于该颜色特征对渗漏油现象进行识别。考虑到图像中可能存在与油液相同颜色的物体,以及通常漏油区域为较小的近似圆形区域,通过计算漏油区域的面积以及圆形度大小,根据定义的阈值,从而可以判断机仓是否存在漏油。当出现漏油,则向报警模块传递信息。
NPU(Neural Network Processing Unit)神经网络处理器,是基于神经网络算法与加速的新型处理器总称。矩阵意思是大规模并行,大范围部署。本系统中每一块NPU核心板都可作为矩阵的一个单元,能级联拼装成一个大型并行处理系统。适用于大规模智能安防系统、监控情报分析、工业缺陷检测、遥感影像目标识别等,本项目主要用于漏油检测。
基于AI神经计算技术(AI-NPU),它类似于芯片领域的FPGA(可编程逻辑)一样,一是算法的定制环节,它有半自动化作业的“打标”系统,可以节省大量的“打标”时间,大幅度的降低研发成本,特别是在项目的实际投入使用之后,再根据现场的准确率进行“后学习”,这在传统的算法定制过程中几乎是不可能的,而AI-NPU只需将错误率比较高的视频样版再次进行半自动化“打标”即可输出新的模型库,从算法的根本上降低错误率。简单来说,算法模型是“可定义”的。
在芯片的底层AISC环节,导出的算法模型不是纯软件,而是相当于FPGA一样可以直接影响芯片本身的功能逻辑,让计算过程“固件化”,相当于重新定义了芯片本身的硬件逻辑,而且是单芯片单路视频或两路视频这种计算单位,芯片本身有高达3T的8位整型计算算力是相当富余的,完全能满足实时24帧以上的计算与分析的要求。简单来说,芯片硬件也是“可定义”的。
产品参数:
智能类型 | 参数 |
CPU | 双核 Cortex-A35,*高频率1.6GHz |
NPU | 3 TOPs for INT8/ 300 GOPs for INT 16 /100 GFLOPs for FP16 |
支持OpenCL/OpenVX | |
支持INT8/IN16/FP16 | |
支持TensorFlow,Caffe,ONNX,Darknet模型 | |
检测虚警率 | <0.1% |
处理帧率 | 24fps |
多模型切换 | 已实现 |
支持定制化 目标识别 | 支持根据样图定制化学习新目标 |
摄像头智能 算力配置 | 支持(实现高性价比) |
*小目标像素大小 | 6*6,支持超远距离小目标探测 |
输出目标三维信息 | 实时输出目标经纬度及相对于摄像头的三维坐标 |
输出视频深度信息 | 可实时动态输出三维视频点云 |
目标兴趣区设置 | 支持任意多边形区 |
运行时CPU占有率 | 40% |
运行时GPU占有率 | 60% |
运行时内存消耗 | 650M |
模型大小 | <64M |
推理1920*1080视频的帧率 | 8~24fps |
视频解码方式 | 支持h264视频硬件和软件解码 |
温度范围: | 0~40 摄氏度 |
湿度范围: | 10%-90%RH |
大气压力: | 86-106kPa |
供电: | 单机箱7路使用12V9A电源,单机箱23路使用12V30A电源,单路建议使用12V2A电源.功率<12w/路 |