彭晨淼的案例列表
无人机视觉图像智能识别平台
本作品基于输电在运导线型号智能识别项目，面向输电线路巡检与导线型号核验场景，将无人机航拍、AI视觉识别与边缘计算相结合，辅助解决人工登杆核查风险高、效率低及台账与现场实物不一致等问题。采用 Python、PyTorch 和 YOLO，结合数据增强、领域自适应及模型轻量化，提高复杂光照、样本不均衡和边缘设备算力受限条件下的识别能力。界面围绕巡检总览、实时识别、任务管理和台账核验展开，展示导线定位、型号识别、影像留存与人工复核等业务流程。本人担任项目经理兼算法负责人，统筹需求分析、数据集构建、模型优化、边缘端部署、无人机硬件集成及现场测试验收。
施工现场违章智能追踪识别平台
本作品围绕输变电工程施工现场的安全监管需求，设计集视频监控、违章识别、人员追踪与球机联动于一体的智能监控方案，面向登高、组塔、牵张作业及材料堆放等场景，辅助发现疑似未正确佩戴安全帽、高处防护异常和区域越界等问题。技术方案以 YOLO目标检测与 ByteTrack 多目标跟踪为核心，结合样本扩充、作业风险分级和边缘计算，对高优先级作业目标进行重点监测。通过目标位置与球机控制联动，调整摄像机方向和变焦，减少人工调节镜头的工作量，提升重点作业人员的可见性。展示施工安全总览、实时违章识别、目标追踪与球机联动、告警处置四个页面，串联算法发现、影像留存、人工复核与联动提醒流程，体现视觉算法与现场监控设备协
案例判断参考
彭晨淼的案例列表
无人机视觉图像智能识别平台
本作品基于输电在运导线型号智能识别项目，面向输电线路巡检与导线型号核验场景，将无人机航拍、AI视觉识别与边缘计算相结合，辅助解决人工登杆核查风险高、效率低及台账与现场实物不一致等问题。采用 Python、PyTorch 和 YOLO，结合数据增强、领域自适应及模型轻量化，提高复杂光照、样本不均衡和边缘设备算力受限条件下的识别能力。界面围绕巡检总览、实时识别、任务管理和台账核验展开，展示导线定位、型号识别、影像留存与人工复核等业务流程。本人担任项目经理兼算法负责人，统筹需求分析、数据集构建、模型优化、边缘端部署、无人机硬件集成及现场测试验收。...
施工现场违章智能追踪识别平台
本作品围绕输变电工程施工现场的安全监管需求，设计集视频监控、违章识别、人员追踪与球机联动于一体的智能监控方案，面向登高、组塔、牵张作业及材料堆放等场景，辅助发现疑似未正确佩戴安全帽、高处防护异常和区域越界等问题。技术方案以 YOLO目标检测与 ByteTrack 多目标跟踪为核心，结合样本扩充、作业风险分级和边缘计算，对高优先级作业目标进行重点监测。通过目标位置与球机控制联动，调整摄像机方向和变焦，减少人工调节镜头的工作量，提升重点作业人员的可见性。展示施工安全总览、实时违章识别、目标追踪与球机联动、告警处置四个页面，串联算法发现、影像留存、人工复核与联动提醒流程，体现视觉算法与现场监控设备协...
