無人機在農業領域能夠實現高效率的施肥、播種等操作。但是不同的作業環境對于無人機的工作性能要求不一樣，同樣的方案在平原地區適用，在高原地區就不行。因此針對于特殊作業環境需要制定不同的智慧化方案。像青藏高原這樣地貌復雜、低氣壓、大溫差的特點，參與智能化工作的各個部件需要符合這樣作業環境特點的性能要求。不比平原的一馬平川，高原由于環境復雜，地形起伏對于無人機的飛行也需要進行控制，無論是高度還是速度甚至距離都需要進行嚴格限制，防止出現撞機等事故。因此，這個方面的智慧化建設就需要無人機具備智能避障的功能，無人機需要在高速度或者遠距離的情況下識別樹木、電線桿、石頭等障礙物，并能夠實現避障。慧視RK3399板卡可以用于大型公共停車場。江蘇流暢目標跟蹤

視覺跟蹤技術是計算機視覺領域（人工智能分支）的一個重要課題，有著重要的研究意義；且在導彈制導、視頻監控、機器人視覺導航、人機交互、以及醫療診斷等許多方面有著廣泛的應用前景。隨著研究人員不斷地深入研究，視覺目標跟蹤在近十幾年里有了突破性的進展，使得視覺跟蹤算法不只是局限于傳統的機器學習方法，更是結合了近些年人工智能熱潮—深度學習（神經網絡）和相關濾波器等方法，并取得了魯棒（robust）、精確、穩定的結果。江蘇流暢目標跟蹤工程師以RV1126核心板為基礎進行定制開發，讓攝像頭更加智能高效，能夠輸出高清流的圖像視頻。

相關濾波的跟蹤算法始于2012年P.Martins提出的CSK方法，作者提出了一種基于循環矩陣的核跟蹤方法，并且從數學上完美解決了密集采樣（Dense Sampling）的問題，利用傅立葉變換快速實現了檢測的過程。在訓練分類器時，一般認為離目標位置較近的是正樣本，而離目標較遠的認為是負樣本。回顧前面提到的TLD或Struck，他們都會在每一幀中隨機地挑選一些塊進行訓練，學習到的特征是這些隨機子窗口的特征，而CSK作者設計了一個密集采樣的框架，能夠學習到一個區域內所有圖像塊的特征。慧視微型雙光吊艙能夠實現晝夜成像。

人工智能起源于上個世紀五十年代，被譽為新時代工業發展的引擎。隨著技術的發展，為了使得計算機可以擁有像人眼一樣感知、分析、處理現實世界的能力，六十年代初，人工智能衍生出了一個重要的分支，計算機視覺。在計算機視覺的研究過程中，學者們為了闡述“根據目標在視頻中的某一幀狀態來估計其在后續幀中的狀態”，一個新的學科——目標跟蹤應運而生。目標跟蹤是計算機視覺和機器人研發領域的重要分支，在人機交互、安全監控、自動駕駛、城市交通、軍領域、醫療診斷等領域都發揮了重要的作用，其主要功能就是在視頻圖像中遍歷感興趣的區域，并在接下來的視頻幀中對其進行跟蹤用于安防監控及狀態監測的攝像頭數量的飛速發展。云南目標跟蹤優勢

無人機可能會受到敵方勢力或者強風等因素干擾，造成不同幅度的振動，從而影響板卡能否正常完成任務。江蘇流暢目標跟蹤

城市濕地公園是“城市之肺”，是生態建設的重要一環，因此對于濕地公園的日常巡邏必不可少。但是大面積的濕地公園地形復雜交錯，許多區域依靠傳統的人工巡邏，無法到達。此外，人工巡邏的效率遠遠不夠，無法做到及時響應和精確記錄，久而久之，成本就不斷累計增加。無人機的落地應用，能夠有效減少人工成本的問題。無人機能夠憑借小巧的身型，在濕地錯綜復雜的環境中自由穿梭，確保無死角。利用無人機打造智能巡檢系統，通過高清攝像頭抵近觀察，能夠實現濕地全域的高效巡檢。其中，智能化的措施在于可以在攝像頭的基礎上加裝圖像處理板，通過圖像處理板和算法的共同作用，能夠讓無人機攝像頭變成“智慧眼”，這只“智慧眼”能夠精細AI識別動物、樹木、水中的雜物等等信息，通過大量的數據收集，為管理決策提供依據。江蘇流暢目標跟蹤