嵌入式视觉检测和嵌入式视觉识别
嵌入式视觉检测和嵌入式视觉识别技术运行在嵌入式操作系统下，在数据现场以极小的空间代价支持视觉识别。嵌入式操作系统有Linux、鸿蒙和安卓等等，手机平台也可以应用于嵌入式环境下，一般是特制功能手机，不是大众用的功能全价格贵手机。
随着现在台式机的微型化，嵌入式环境的定义逐渐模糊，像全新Mac mini的尺寸仅为12.7厘米见方，在某些现场环境里，完全可以代替自研板卡嵌入系统和软件的平台。
大部分嵌入式平台有成本的要求，一般的嵌入式板卡常见是几百元的，有的甚至几十元，虽然小且便宜，但是功能齐全，能满足应用开发。
锐英源软件针对嵌入式视觉检测和嵌入式视觉识别，有两套体系。一套是高端体系，整合郑州大学的技术实力从事复杂场景下的平台开发。另外一套是普通场景的快速应用开发，使用LuckFox平台，LuckFox Pico Max是基于瑞芯微 RV1106 G3芯片。LuckFox Pico Pro 是基于瑞芯微 RV1106 G2芯片。左图就是LuckFox平台RV1106板卡。
郑州大学的技术实力
现在国家对于大学技术实现先免费使用一年，后续年份再付费政策，因为锐英源软件在郑州大学校区内办公，以前在郑州威科姆公司工作时委派参加郑州大学产学研交流会，所以有过多次实质交流。郑州大学擅长基础平台研发，锐英源软件擅长整合技术进行产品化，这里列举郑州大学相关的技术优势点，如果各位朋友觉得在行业内解决问题有对接可能性，欢迎洽谈。
在华为ICT比赛上获奖，获奖项目综合运用华为昇思MindSpore、CANN、鸿蒙等技术开发，聚焦国产算力工程化能力，在昇腾+鲲鹏平台积累了一定经验。
郑州大学团队创新性地提出了基于实例特征缓存的CD-FSOD方法（IFC），该方法通过构建目标域实例的动态特征缓存库及其检索更新机制，有效克服了跨域差异带来的知识迁移障碍，在三个高挑战性测试集上均以显著优势夺得闭源赛道第一名，超越了众多国际顶尖参赛队伍。
在由华为技术有限公司举办的2022昇腾AI创新大赛河南赛区决赛中，该团队参赛项目“嵩山·慧目”汽车零部件质检大模型脱颖而出摘取金奖。10月，该项目又经过激烈角逐，从全国16个赛区中推荐的众多优秀项目中胜出，成功晋级2022昇腾AI创新大赛应用赛道全国总决赛，争夺百万奖金池。
LuckFox平台非常成熟，应用开发方便，可以使用C++语言开发，锐英源软件专注C++开发20多年，对于各类平台下的C++开发产品化能力有独到之处。
LuckFox Pico Max是基于瑞芯微 RV1106 G3芯片。LuckFox Pico Pro 是基于瑞芯微 RV1106 G2芯片。
RV1106 是一款专门用于人工智能相关应用的高度集成 IPC 视觉处理器 SoC。它基于单核 ARM Cortex-A7 32 位内核，集成了 NEON 和 FPU，并内置 NPU 支持 INT4 / INT8 / INT16 混合运算，计算能力高达 0.5TOPs。
此外，它采用了全新的基于硬件的 ISP，支持多种算法加速器，如 HDR、3A、LSC、3DNR、2DNR、锐化、去雾、伽马校正等。同时，它还具有内置的16位DRAM DDR3L，可维持要求苛刻的内存带宽，以及内置的 POR，RTC，音频编解码器和 MAC PHY。
开发板支持多个接口，包括 GPIO、UART、SPI、I2C、USB 等，方便开发者进行快速开发和调试。值得注意的是，Luckfox Pico 全系列开发板支持 buildroot 和 Ubuntu22.04系统，让开发者根据项目需求选择合适的系统，更灵活满足特定应用要求。
LuckFox平台应用开发主要步骤：。
· 硬件准备。
· 操作系统准备。
· 模拟开发环境准备。
· 开发编写代码，模拟测试通过。
· 应用编译和嵌入式环境部署。
· 现场联调。
LuckFox平台应用开发C++代码重点介绍，下载代码后，看到各类Demo应用的main函数，里面的代码，比如和AI大模型相关的调用，如下代码：
cv::Mat letterboxImage = letterbox(frame); memcpy(rknn_app_ctx.input_mems[0]->virt_addr, letterboxImage.data, model_width*model_height*3); inference_yolov5_model(&rknn_app_ctx, &od_results); for(int i = 0; i < od_results.count; i++) { if(od_results.count >= 1) { object_detect_result *det_result = &(od_results.results[i]); sX = (int)(det_result->box.left ); sY = (int)(det_result->box.top ); eX = (int)(det_result->box.right ); eY = (int)(det_result->box.bottom ); mapCoordinates(&sX,&sY); mapCoordinates(&eX,&eY); printf("%s @ (%d %d %d %d) %.3f\n", coco_cls_to_name(det_result->cls_id), sX, sY, eX, eY, det_result->prop); cv::rectangle(frame,cv::Point(sX ,sY), cv::Point(eX ,eY), cv::Scalar(0,255,0),3); sprintf(text, "%s %.1f%%", coco_cls_to_name(det_result->cls_id), det_result->prop * 100); cv::putText(frame,text,cv::Point(sX, sY - 8), cv::FONT_HERSHEY_SIMPLEX,1, cv::Scalar(0,255,0),2); } }
model是调用大模型的通用方法，od_results.results里是识别结果，cv::rectangle是绘制矩形，cv::putText是绘制文本。先对基本原理代码理解，再进行后续应用开发。
