智慧油站AI2.0检测系统
案例介绍
卸油区八步法分析：基于YOLOv5目标检测与CenterNet关键点检测，结合时序状态机判断，实时监测卸油作业八个步骤是否规范执行，异常情况自动报警，确保油站安全作业合规。
车流统计与车牌识别：通过YOLOv5车辆检测配合ByteTracker跟踪实现车辆进出计数和停留时长分析，同时使用LPRNet完成车牌检测与识别，为油站运营提供数据支撑。
多平台部署与模型优化：完成C++后端算法适配与精度调整，在地平线芯片盒子和NVIDIA Xavier平台上完成部署。通过模型量化（INT8/FP16）、CML蒸馏、DML蒸馏等模型压缩技术，在精度损失小于1%的前提下实现推理速度提升2倍、模型体积减少60%。
本人角色：担任项目负责人，负责整体技术方案设计、核心算法研发、C++后端适配、多平台部署及模型优化全流程。
技术栈：PyTorch、libtorch、ONNX、YOLOv5、CenterNet、LPRNet、ByteTracker、TensorRT、地平线工具链
智慧油站AI2.0检测系统
案例介绍
本项目为加油站AI2.0智慧管理系统，通过计算机视觉技术实现加油站作业全流程的智能化监控与管理，涵盖卸油作业规范检测、员工工服识别、车流统计、车牌识别四大核心功能。
卸油区八步法分析：基于YOLOv5目标检测与CenterNet关键点检测，结合时序状态机判断，实时监测卸油作业八个步骤是否规范执行，异常情况自动报警，确保油站安全作业合规。
车流统计与车牌识别：通过YOLOv5车辆检测配合ByteTracker跟踪实现车辆进出计数和停留时长分析，同时使用LPRNet完成车牌检测与识别，为油站运营提供数据支撑。
多平台部署与模型优化：完成C++后端算法适配与精度调整，在地平线芯片盒子和NVIDIA Xavier平台上完成部署。通过模型量化（INT8/FP16）、CML蒸馏、DML蒸馏等模型压缩技术，在精度损失小于1%的前提下实现推理速度提升2倍、模型体积减少60%。
本人角色：担任项目负责人，负责整体技术方案设计、核心算法研发、C++后端适配、多平台部署及模型优化全流程。
技术栈：PyTorch、libtorch、ONNX、YOLOv5、CenterNet、LPRNet、ByteTracker、TensorRT、地平线工具链
案例图片
相似案例推荐
-
n8n科技资讯抓取 AI 总结发布
目标：每天 8:00 自动抓取 36氪 + 开源中国 RSS
-
SiteBot企业知识库客服
面向企业官网和业务系统的知识库智能客服平台，支持 FAQ 与
-
自动化工具
本人独立开发 Windows 端 Python 自动化 GU
-
余音: AI 情感陪伴与数字声音复刻平台
业务和功能介绍 余音是一款面向情感陪伴、记忆留存与数字声音
-
视频融合安防平台
本平台专为工业车间打造，融合AI视觉分析能力，构建全天候智能
-
基于树莓派的自动座椅系统
**基于树莓派的智能座椅身份识别与自动调节系统** 本
1小时精推人才
需求方专属客服，免费梳理匹配
