- 综合排序
- 最热优先
- 最新优先
- 来自专栏燧机科技-视频AI智能分析
裸露土堆智能识别检测系统
裸露土堆智能识别检测系统基于python+yolo计算机视觉深度学习技术，裸露土堆智能识别检测系统对现场画面中土堆裸露情况进行实时分析检测，若发现画面中的土堆有超过40%部分裸露，则判定为裸露进行抓拍预警 我们选择当下YOLO最新的卷积神经网络YOLOv5来进行裸露土堆识别检测。6月9日，Ultralytics公司开源了YOLOv5，离上一次YOLOv4发布不到50天。 在我们还对YOLOv4的各种高端操作、丰富的实验对比惊叹不已时，YOLOv5又带来了更强实时目标检测技术。 图片我们使用YOLO(你只看一次)算法进行对象检测。YOLO是一个聪明的卷积神经网络(CNN)，用于实时进行目标检测。
1.5K30编辑于 2023-01-06 - 来自专栏全栈程序员必看
c语言智能车跑道检测程序,基于金属检测的智能循迹小车设计
杜青 乔延华 韩淼 苗艳华 蔡乙男 摘 要： 为解决当前循迹小车存在性能稳定性差的问题，提出一种基于金属检测的智能循迹小车设计方法。 关键词： STC51单片机； 传感器； 报警； 智能循迹小车； 金属检测； LDC1000 中图分类号： TN02?34； TP273 文献标识码： A 文章编号： 1004? ；报警模块可在小车检测到硬币时发出声音提示；电源模块为整个系统提供电源。 3 软件系统的设计 3.1 检测与控制算法 上电后，先检测传感器返回的数值并保存，不同环境下传感器返回的数值会不同。 5 结 语 本文设计利用LDC1000电感数字转换器，使其工作在高频反射式电涡流传感器状态，对金属进行检测，运用STM32和STC51两种芯片，触发外围模块，实现小车的循迹和硬币检测。
1.3K20编辑于 2022-09-06 - 来自专栏AI科技大本营的专栏
Python 搭建车道智能检测系统
，进行多种边缘检测，然后对不同的检测结果进行融合以提取出道路图像，去除其他噪声。 然后根据提取的道路图像，再次利用边缘检测，提取车道线信息，然后利用透视变换将视角变成俯视图，其中透视变换矩阵的四个点由提取道路图像的角点组成。 图1 效果图 系统概述 1.1 对所给数据图像的车道线进行检测。 其中所给数据图像如下图可见： ? 图2 数据图像 下面我将对所用到的功能和原理将分别阐述。 图5 提取的道路图 （4）道路提取图像再次边缘检测： 利用拉普拉斯算子再次对处理后的图像进行边缘检测。并对其进行腐蚀和膨胀消除噪声。 ? 图6道路拉普拉斯边缘提取图 ? 2.3 实现原理： 利用图像处理技术，分割出道路图像，然后对分割出的道路图像再次边缘检测，找出车道，然后透视变换和滑动窗口拟合成曲线，然后处理显示在原场景下。
1.9K10发布于 2021-03-12 AR技术融入质量检测：开启智能检测新时代
在元幂境看来，随着AR技术逐渐在工业制造业方面的应用，为该领域带来全新的活力和变革，也开启了新一代的智能检测时代的新序幕。 一、产品质量检测现状分析 传统产品质量检测方法概述 传统的产品质量检测方法多种多样，常见的有以下几种： 人工检测：主要依靠检测人员的视觉、听觉、触觉等感官对产品进行检查。 例如，智能手机集成了多种先进技术，内部结构精密，包含大量微小零部件，这对质量检测提出了更高的要求，传统检测方法在检测复杂产品时往往力不从心。 例如，在电子产品组装后的功能检测中，AR眼镜可以实时显示各项功能的检测步骤和预期结果，检测人员按照 AR提示操作，能够快速完成检测流程，大大缩短了检测时间。 实现远程协作检测：借助 AR技术的远程通信功能，现场检测人员可以将实时检测画面传输给远程专家，专家通过 AR设备在虚拟环境中对检测情况进行指导和分析，实现远程协作检测。
36510编辑于 2025-09-02- 来自专栏TSINGSEE青犀视频
高空抛物AI智能检测详解
AI智能分析算法，能自动识别高空抛物情况，精确定位坠物运动轨迹。 二、AI智能检测亮点1）实时视频监控与高空抛物监测全方位24小时不间断、高清流畅的视频监控，能实时监测出高空抛物行为，自动抓拍及保存视频录像，并及时向管理人员发出告警信息。 通过TSINGSEE青犀人工智能技术的加持，用于保护和检测敏感区域，一旦设定的监控区域发生变化，立刻告警。 每个监控的图像画面，均可划分为若干的矩形小区域，并选定其中的任何一个或多个视频区域进行移动检测分析。 AI识别平台基于视频AI技术自动检测违规行为，采取技防+人防模式，有效辅助预警、监管、取证，支持同时检测睡岗和离岗行为，实现全场景多功能预警，保障作业安全，减少安全事故的发生概率。
82630编辑于 2023-08-23 - 来自专栏镁客网
Hoope智能戒指——戴上就能检测疾病的智能硬件
疾病检测对很多人来说是一件很麻烦的事情，因为这样那样的事而抽不出时间去医院检查。 为此硅谷的初创公司团队研发了一款智能硬件——Hoope戒指，将它戴在大拇指上不到一分钟就可以检测梅毒、淋病、衣原体和滴虫病等。 ? 如果有任何抗体的存在，都能将其捕获，由机载电子设备检测并发生电化学反应。 Hoope戒指通过无线发送数据到用户智能手机上的APP，告诉他们检测到的疾病，通知他们及时去治疗。 ? 罗拉多州立大学已经生产出了Hoope戒指样品，测试证明在检测梅毒方面非常可靠，国际团队目前正在为检测其他三种疾病而努力，并且朝着过敏症、癌症、糖尿病和妊娠检测方向进行研究。
84750发布于 2018-05-25 - 来自专栏TSINGSEE青犀视频
AI车辆检测人脸检测智能分析网关新增烟火检测识别与烟火告警
智能分析网关V2版现已经可支持烟火识别，当检测到疑似烟火的场景时，将通过主动预警推送的方式，对现场进行抓拍、保存、上传至平台，并将预警消息通过短信、电话、邮件、微信等方式推送给相关管理人员。 图片如图所示，开启AI算法烟火检测，当通过视频画面检测出明火或烟雾时，将发出告警。同理，开启AI算法车辆检测时，可检测出经过车辆的型号、车牌、颜色，并能触发车辆违停告警。 参考代码：图片图片后台管理页面展示：图片烟火检测技术可应用在工地、煤矿、石油化工、水利水电、森林防火、仓储物流、秸秆焚烧等场景中，能弥补传统视频监控的不足，减少人工监控的工作强度。 智能分析网关基于深度学习与AI图像识别处理技术，可对前端设备采集的图像、视频等数据进行实时风险监测与烟火识别分析，一方面确保预警识别的准确性，另一方面做到及时预警，做到火情早发现、早处置，降低火灾危害程度 图片利用EasyCVR视频融合平台与边缘智能硬件智能分析网关，融合AI、云计算、大数据等技术，可通过对监控场景中的人、物、行为等进行识别，对异常情况进行告警，感兴趣的用户可以联系我们或前往演示平台测试使用
97120编辑于 2022-10-21 - 来自专栏FunTester
智能测试实践之路-UI缺陷检测
技术上或通过UIAutomator/WDA与GUITree 控件树来实现定位与判决，或通过图像智能识别来实现分类、遍历与异常检测。 在智能化切入目的性测试领域前，从结果诊断逻辑上探索异常巡检的落地技术实践是一种有效方式。 图二：图像训练与检测逻辑图 通过AI建设智能测试基础能力，核心在于数据与模型，再者是在业务域的工程落地实践。从数据上来看，我们需要建立主站app各类页面的遍历能力，以便实现业务域场景的覆盖。 对于图像分类任务，每张图片对应于某个类别（正常、空白块、文字重叠）；对于目标检测任务，每张图片对应于多个目标的检测框，每个检测框同时包含类别信息和位置信息。 我们将本实践中的异常检测问题定义为目标检测问题，不仅标注出缺陷的类别信息，同时标注出缺陷的具体位置。
1.2K31编辑于 2022-12-09 - 来自专栏燧机科技-视频AI智能分析
老人摔倒智能识别检测算法
老人摔倒智能识别检测算法通过yolov8深度学习算法模型架构，老人摔倒智能识别检测算法能够实时监测老人的活动状态及时发现摔倒事件，系统会立即触发告警，向相关人员发送求助信号，减少延误救援的时间。 老人摔倒智能识别检测算法训练模型选择YOLOv8 算法的核心特性和改动可以归结为如下：提供了一个全新的 SOTA 模型，包括 P5 640 和 P6 1280 分辨率的目标检测网络和基于 YOLACT 老人摔倒智能识别检测算法 Head部分较yolov5而言有两大改进：1）换成了目前主流的解耦头结构(Decoupled-Head)，将分类和检测头分离 2）同时也从 Anchor-Based 换成了 Anchor-Free1 ) 老人摔倒智能识别检测算法YOLOv8抛弃了以往的IOU匹配或者单边比例的分配方式，而是使用了Task-Aligned Assigner正负样本匹配方式。 老人摔倒智能识别检测算法YOLOv8 的训练策略和 YOLOv5 没有啥区别，最大区别就是模型的训练总 epoch 数从 300 提升到了 500，这也导致老人摔倒智能识别检测算法训练时间急剧增加。
72640编辑于 2023-09-15 - 来自专栏燧机科技-视频AI智能分析
煤矿皮带跑偏撕裂智能检测系统
煤矿皮带跑偏撕裂智能检测系统能够通过python+opencv深度学习技术实时监测运输皮带的状况，煤矿皮带跑偏撕裂智能检测系统监测到皮带出现撕裂跑偏时，立刻抓拍告警并中止皮带的运输。
78830编辑于 2023-01-05 - 来自专栏深度学习和计算机视觉
在智能家庭用OpenCV实现人员检测
物联网家庭自动化中的OpenCV OpenCV库在智能家庭中得到了广泛的应用，智能家庭是一种物联网系统，可以帮助人们运行智能家庭功能。 提供安全是物联网家庭自动化的一个组成部分，因此，智能安全解决方案可以帮助家长照顾孩子。 如何使用计算机视觉通过OpenCV库检测智能家庭中的人 Algodroid项目的主要任务是将CV系统集成到物联网解决方案中，以识别威胁生命的情况并为家中的老人提供安全。 我们使用OpenCV实现计算机视觉，用于人体检测和骨骼可视化；并且我们建立了神经网络，并训练它们使用各种免费在线数据检测人类。 为了分割人体骨骼，我们使用了基于TensorFlow的BodyPix。 结论 现代智能家庭通常依靠机器学习和人工智能技术。例如， 远程监控系统可以基于计算机视觉算法进行人员检测。集成到家庭自动化解决方案中的远程监控系统可以照顾独立生活的老人和残疾人。
86610编辑于 2021-12-22 - 来自专栏燧机科技-视频AI智能分析
工地安全帽智能识别检测系统
在施工工地，务必配戴安全帽，工地安全帽智能识别检测系统可以在大部分工程施工损害中充分发挥保障功效。 工地安全帽智能识别检测系统全自动监管现场施工作业区域范围内的工作人员是不是戴安全帽。要是没有戴安全帽，会及时警示，并通告监控后台安全管理者妥善处理。 根据智能视频采集，施工工地安全帽短视频智能识别监管系统全自动剖析识别短视频图象信息内容，不用人工控制，对施工工地关键地区开展全天监管。 工地安全帽智能识别检测系统自动识别进到实际操作范围的工作人员：假如工作人员并没有戴安全帽，可以马上警报，将报警截屏和视频存储到数据库形成报表，与此同时向有关现场管理工作人员推送警报信息，可以依据警报纪录和警报截屏
50520编辑于 2022-09-09 - 来自专栏AI SPPECH
AI助力合规：GDPR与CCPA智能检测
本文将深入探讨AI如何助力GDPR与CCPA合规性检测，从技术原理到实战应用，为法律与技术交叉领域的专业人士提供一份全面的智能合规指南。 AI在合规性检测中的技术原理 传统的合规性检测主要依赖人工审核和简单的规则引擎，这种方法在面对海量数据和复杂法规时，效率低下、准确性差、成本高昂。AI技术通过以下原理实现合规性检测的智能化： 1. 为了提高合规效率、降低合规成本、避免违规风险，该企业引入了AI驱动的合规性检测系统，实现了GDPR合规的智能化转型。 大模型在合规性检测中的深度应用 大语言模型等先进AI技术正在为合规性检测带来新的可能性： 法规智能问答系统：基于大模型构建合规问答系统，解答企业在合规过程中的疑问。 在未来，随着多语言多地区法规的智能覆盖、实时合规监控与自动化响应、大模型的深度应用以及隐私计算与合规技术的融合，AI合规性检测将变得更加智能、全面和高效，为企业的合规管理提供更强大的支持。
64410编辑于 2025-11-13 - 来自专栏TSINGSEE青犀视频
如何通过AI视频智能分析，构建着装规范检测工装穿戴检测系统？
TSINGSEE青犀视频AI算法平台的着装规范检测/工装穿戴检测算法，是基于AI深度学习，通过计算机视觉技术准确地识别特定区域内工人是否穿戴是否合规，包括工作服、反光衣、安全帽等，常用于工地、工厂、车间 1）未戴安全帽：支持识别包含红、白、蓝、灰、黄等颜色在内的安全帽目标识别；支持在划定区域内检测是否有未戴安全帽的工人。 2）未穿反光背心：支持识别橙色、莹绿色开襟马甲、套衫马甲工作服的目标识别，以及人形检测；支持在划定区域内检测是否有未穿工作服的工人。3）未戴口罩识别：支持对人脸是否佩戴口罩进行检测。 在应用场景中，通过在服务器端部署AI算法平台，将监管现场的监控视频流接入并进行实时智能分析与预警。一旦检测到有人员未按照规定着装时，会在视频画面中实时框出该人员，抓拍截图、并记录。 3）危化工厂：自动识别未穿工作服、未戴口罩的工作人员，一旦检测到将立即触发告警。4）电力巡检：对作业人员工服着装及施工环境规范做出监控预警，规范工作流程，标准化流程管控，确保作业过程中各环节安全有序。
1.2K20编辑于 2023-09-21 YashanDB数据库的智能故障检测对策
为了解决这些问题，YashanDB引入了智能故障检测机制，旨在通过实时监控和分析数据库状态，及时发现和处理潜在的故障，从而提升系统的可靠性和服务质量。 智能故障检测与分析在YashanDB中，智能故障检测机制结合了机器学习和数据挖掘技术，能够通过历史数据分析和模式识别识别出潜在的故障风险。 启用智能故障检测机制，通过分析历史数据，识别系统潜在的故障风险并进行预警。通过MVCC调整数据访问策略，确保读写操作间的隔离。定期进行数据备份，并制定完善的恢复方案，以防止关键数据丢失。 结论随着数据规模的迅速增长，数据库系统的故障检测和响应机制变得愈发重要。YashanDB通过高可用性架构、在线监控、数据自愈能力以及智能故障检测等技术手段，提升了系统的可靠性与稳定性。 未来，随着技术的不断进步，这些智能化的故障检测对策将在更广泛的应用场景中发挥重要作用，鼓励用户持续关注数据库技术的发展，提升管理与运维效率。
14600编辑于 2025-07-09- 来自专栏音视频技术
借助Video Intelligence API实现视频智能检测识别
LiveVideoStack邀请到了MeshCloud的陈满老师，为我们介绍如何借助谷歌云在视频智能检测识别方面的技术与能力，实现海外音视频业务的快速与高质量部署。 文/陈满 整理/LiveVideoStack 大家好，我是来自MeshCloud的陈满，今天我分享的主题是使用Google Cloud集成API实现视频智能检测识别。 首先介绍一下脉时云。 此外，还可以做到人脸检测与识别和人物识别，在日常生活中，这主要用于交通识别和小区出入的牌照识别。最后，还可以做到露骨内容检测。 接下来具体介绍每个功能，首先是镜头切换识别。 首先，将预存的文件组合成一定大小的文件，以视频流的方式传给API，API会对其进行分析和标签化处理，还会检测镜头变化、创建元数据信息和跟踪对象。 第二个功能是直播，可以对常见的直播的视频流，比如RTMP，进行实时流式分析和标签化检测。同时，将内容放在对象存储或谷歌的BigQuery里，实现元数据的管理，并基于事件的方式实现视频内容的分析和识别。
1.6K10编辑于 2023-02-23 - 来自专栏轨道交通检测
精准识“瓦”，智能护行——51camera TFDS闸瓦智能检测系统
TFDS 闸瓦智能检测系统是一套专为货车闸瓦及配件自动识别设计的轨旁智能检测系统，集高精度成像、深度学习识别与全流程自动化控制于一体。 2.多类型缺陷智能检测基于自主研发的深度学习算法模型，系统对采集数据进行智能分析,可精准识别闸瓦裂纹、异常磨耗、配件缺失等常见故障。 为提升列车运行安全保障能力，该港口引入TFDS 闸瓦智能检测系统，实现了列车关键行走部件的智能化、自动化检测。 安全保障升级：系统具备一旦检测到异常情况，会立即触发报警机制，将报警信息及故障图像实时推送至监控中心。智能化运维转型:系统形成“机检代替人检”的智能作业流程，实现了列车关键部件360度无死角检测。 TFDS闸瓦智能检测系统的成功应用，更证明了该系统的实用性和有效性。
12310编辑于 2026-03-06 - 来自专栏ATYUN订阅号
人工智能检测癌症仍需谨慎对待
正如阿达姆森在最近的一篇论文中所说，医疗检测需要有不确定性的空间，第三种选择代表诊断的灰色区域，延长诊断时间，而不是结束辩论。 人工智能可以取代整个医疗工作类别：放射学，但是这种想法不是在论文或算法中发现的，而是来源于对人工智能的盲目信心。 2017，谷歌大脑的联合创始人Andrew Ng在评论一种用X射线检测肺炎的算法时重复了这一点：“放射科医师应该担心他们的工作吗？”” 人工智能世界过度自信的根源不在于对放射科医生的仇视，而在于人工智能本身的结构性亲和力。到目前为止，机器视觉已经被证明是最强大的深度学习，是人工智能的主导风格。 人工智能与医疗的故事重构 如果在人工智能和医学的重叠地带找到一个一致的主题，那就是医疗问题并不像最初看起来那么简单。
54120发布于 2020-02-21 - 来自专栏CSDN
论文精读（三）|智能合约漏洞检测技术综述
《智能合约漏洞检测技术综述》一文系统梳理了截至 2021 年 7 月的 84 篇相关研究，将漏洞检测技术分为六大类，从技术原理、实验数据到国内外研究差异进行全面分析，为我们绘制了智能合约安全防御的 “技术地图 一.智能合约：为何漏洞检测如此关键？ 智能合约并非真正 “智能”，它本质是一段运行在区块链上的自动化代码，用 Solidity 等语言编写，编译成 EVM（以太坊虚拟机）字节码后部署到以太坊等平台。 四.现存挑战：智能合约安全的 “拦路虎” 尽管技术不断进步，智能合约漏洞检测仍面临六大核心挑战，这些挑战也是未来研究的重要方向。 七.总结：安全是智能合约的生命线 智能合约漏洞检测技术已从早期单一工具发展为多技术融合的体系，但面对不断演化的攻击手段，仍需持续创新。 毕竟，最好的漏洞检测是让漏洞从未诞生。 通过本文对智能合约漏洞检测技术的全面解析，希望能帮助读者理解当前技术现状、挑战与趋势，为参与智能合约安全实践或研究提供参考。
89710编辑于 2025-08-24 - 来自专栏大龄程序员的人工智能之路
利用人工智能检测色情图片
随着计算机视觉和深度学习的发展，算法已经成熟，利用人工智能，我们能够更加精确的识别色情内容。现在有很多云服务商提供鉴黄服务，通过集成鉴黄API到产品中，就可以给产品增加色情过滤功能。 这种模式存在一些不足： 鉴别图片、视频内容等必须通过网络服务进行，响应速度难以保证; 通常鉴黄服务按次或者按照流量计费，对于个人开发者而言，有成本负担; open_nsfw 现在有个好消息，雅虎开源了其深度学习色情图片检测模型
3.8K20发布于 2019-07-02
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号