最近项目开发涉及了一些AI算法移植到边缘计算盒子上，调研了寒武纪MLU220、比特大陆SM5和华为310的模组，对相关的资料进行整理工作，理论上来说比特大陆SM5的移植还算比较友好一些。

传统的视频质量诊断算法已经满足不了多数项目的需求，需要结合深度学习的方式来综合判断，达到提升精度的目的，深度学习视频诊断。

Yolov8 Opencv C++系列保姆教程，通过一个红绿灯识别的案例，实现了Yolov8 的应用全流程的过程，整个算法最终只依赖了opencv，部署会更加方便、易用。基于Yolov8训练自己的数据集，实现红绿灯识别及红绿灯故障检测 ，红绿灯故障识别。

本文针对无人机在船舶上的自动降落问题，提出了一套完整的算法设计方案。系统采用多线程架构，分别设置 30ms 导引线程、60ms 船位线程与 50ms 状态发布线程，通过共享状态、非阻塞队列及互斥锁机制实现线程间安全通信，保证系统实时性与运行稳定。核心制导算法基于 ZEM/ZEV 原理设计，可实现无人机在有限时间内精准趋近船舶并将相对速度降至零，满足平稳降落要求。为贴合海上实际环境，采用 Ornst

本项目作为一个小科研课题，分析当前电梯禁入电动车和自行车监控情况，搜集市场上的一些关键性，且有用的数据集，并对数据集进行了标注工作，数据集的格式声明：数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)。

Yolov8 Opencv C++系列保姆教程，通过一个红绿灯识别的案例，实现了Yolov8 的应用全流程的过程，整个算法最终只依赖了opencv，部署会更加方便、易用。基于Yolov8训练自己的数据集，实现红绿灯识别及红绿灯故障检测 ，红绿灯故障识别。

安装完系统后，直接ALT+CTRL+F1，进入超级终端模式，之后先安装显卡的驱动，之后再安装cuda，然后所有的应用都可以继续安装了。

传统的视频质量诊断算法已经满足不了多数项目的需求，需要结合深度学习的方式来综合判断，达到提升精度的目的，深度学习视频诊断。

一、采用yolo v3来对火焰进行检测：网址：https://github.com/AlexeyAB/darknet二、yolo v3 训练方式请参考，https://blog.csdn.net/zhulong1984/article/details/82344685；三、训练的部分数据，链接：https://pan.baidu.com/s/1spcwJrK0eMwgHXkslImUg...

将adoc文件转换为markdown的方法：首先安装工具（pandoc和asciidoc），然后分两步转换格式（先转为docbook再转markdown）。可能需处理Unicode编码问题，转换后需手动调整格式。若遇到Python缺少asciidoc模块的错误，可通过系统包管理器或pip安装解决。转换过程会保留大部分文档结构，但最终效果可能需要进一步优化。