背景分析

AI相机可以用在没有网络通信或在4G流量卡通信的场景，这是一种离散式部署。然而AI相机与普通相机相比，

价格较高且技术发展不成熟。在水利农业领域中，对于河道漂浮物识别、人车识别等模型没有成熟的数据，

需要我们自己训练，但是AI相机数据抓取采集、数据管理方面存在挑战，这就造成在实际应用中对专属模型

训练的困难。另外AI相机没有完善的云平台管理机制，当设备安装到现场后，随着数据的增多数据管理不易 。

设计思路

实施方案

利用现场边缘计算云盒所接的摄像头采集现场图片数据，也可以直接在云平台对图片进行上传，然后对图片进行

标注并保存成数据集，我们在深度学习框架yolov5预置的预训练的模型yolov5s的基础上，以R3588的NPU为硬件

基础，使用采集到的数据集对模型进行迭代优化，生成定制化的人车模型，进而放在模型库以备后面使用。

AI智能云盒子：

选择EC-R3588SPC智能工业主机作为AI智能盒设备。这款设备配备了八核64位处理器，支持多种操作系统，如

Linux、Windows等。

除此之外，它还具有强大的计算能力和丰富的接口，能够满足多种应用场景下的需求，为我们的河道监控系统

提供稳定可靠的硬件支持。

摄像头：

现场采用普通能联网的摄像头即可。

我们的硬件平台基于具备NPU的神经处理单元，在OpenCV等计算机视觉库上，利用识别算法对视频流的图像进行

提取。然后，将这些图像传递给我们定制的模型进行推理预测，从而检测视频中的人物、垃圾、车辆等数据，

并生成新的视频流进行推送。同时，我们还会将检测到的数据发送到服务器端进行存储。

模型训练：

完成了人车模型训练。将采集到的数据保存成数据集，在深度学习框架yolov5预置的预训练的模型yolov5s的基

础上，使用采集到的数据集对模型进行迭代优化，生成了人车识别的定制化的模型。