该项目目标为使用无人机拍摄视频/图像，对城市街道进行巡检。 本项目包含两个任务：1、对城市中车辆进行追踪；2、检测在违规区域停放的车辆。 因此本项目包含两个算法，多目标追踪算法用于追踪城市道路上的车辆，目标检测算法用于检测停放在违规区域的车辆。

对接AR眼镜或*拍摄的电表图片，识别图片中电表读数部分数值，并将识别结果反馈给后端运维管理系统，助力一线巡检人员快速完成巡检工作。 本场景中由于电表图片中经常有其他字体会干扰对读数的识别，因此先基于yolo5训练检测电表读书区的模型，再利用Tesseract-OCR对yolo5检测到的读书区进行图片到文字的识别。

工业质检模型，用于检测PCB板瑕疵，共14类瑕疵，根据瑕疵数据类型不同，采取了分级识别策略，分图像识别及目标检测两步将所有瑕疵检测出。所有较大面积的瑕疵（瑕疵面积占图像面积40%以上）采用图像识别算法（resnet训练得出）进行分类，其余瑕疵归为小面积瑕疵，采用目标检测算法（yolo5训练得出）进行检测。目前大面积瑕疵整体识别F1值为80%上下，小面积瑕疵（开路、针孔两类）检测回归率达到99%。