有paddle,pytorch框架使用经验,熟练使用python语言,可提供图像算法模型训练,数据集格式转换,算法服务在linux系统下docker打包等服务。paddle-seg,paddledetection,yolov5,yolov8等常用算法模型库均熟练使用。
在paddle框架下使用语义分割模型实现树叶遮挡电线区域识别,并返回目标检测框以表示位置;
使用图像分类方法在屏幕摩尔纹识别场景能有较好检测成功率;
使用yolov5或yolov8实现多目标检测,后续使用onnx或openvino模型在docker环境中部署
服务能够识别出单帧图像中是否存在摩尔纹,并返回图片类别以及该类别置信度。服务提供可直接调用的API接口,在支持GPU的条件下,服务推理过程耗时<1s,支持实时检测。服务可实现 - 接收POST请求,通过表单格式提供请求参数。 - Base64编码:请求的图片需经过Bas
配电通道树障识别 通过输入图片,算法自动定位和识别图片上的通道树障,输出缺陷类别和位置。 以配电线路档内(两个杆塔之间)成片树障为识别逻辑,同一档内有树障的区域输出一个大框,树障判定标准为树木或树叶遮挡导线。两杆塔之间无论导线条数,无论遮挡区域,全部输出为一个框。