1. 基于图像识别技术实现自动印刷电路板（PCB）缺陷检测，具有高效、准确、可靠、自动化程度高和可扩展性强等优点，节省了人力成本。 2. 本项目支持多种类型缺陷检测，如：漏孔、鼠咬、开路、短路、杂散、杂铜 3. 图像识别技术可以通过不断的学习和训练，不断完善自身的识别能力，适应更多的缺陷类型，具有很强的可扩展性 4. 算法可以部署在PC端、、移动端、后台服务器等多种设备，安装方便

无人机已广泛应用于摄影、农业、监控等多个领域。举个例子，比如我们要监控城市主干道的交通情况，就可以通过无人机传回画面来实时监控。我们可以通过人工智能技术来分析传回的图像，来统计行人、汽车的流通量。 然而，也是存在难点：（1）部分目标过小，无人机拍摄的画面比较远时，而行人在远景中就显得非常小，容易漏检；（2）航拍的视频画面中，有大量的检测物体，可能会同时出现几十上百个目标，而目标被遮挡或重叠，也造成不小的难度。 自己在YOLOv5算法的基础上，对目标检测算法重新进行了设计，在数据集优化、模型训练、模型部署推理上进行了大量的优化，使算法在精确率取得相当好的表现。

项目实现OCR护照文字识别，可以在PC端或者移动端设备上使用。其中在算法上包含文本检测和文本识别这两个深度学习模型。 自己独立完成了算法的设计，模型的训练，模型的部署及移动端小程序的开发。解决项目开发中所遇到的各种难题。