应用案例#
应用案例展示了基于Coovally开发的多个场景的解决方案，包含工业缺陷检测、多场景下的目标跟踪、姿态识别、图像修复、垃圾分类、发票识别、人脸识别等。下面针对每个场景分别从场景简介、算法选型以及可扩展的应用进行详细说明。
焊缝缺陷检测#
场景简介：从焊缝的X射线照片中，判断焊缝中是否存在气孔、裂纹、夹钨、夹杂、未焊透、未熔合等缺陷，并标识出具体的缺陷位置。
任务类型：目标检测、小目标检测、长尾分布缺陷检测。
算法模型：FasterRCNN、Retinanet、Yolo等。
适用领域：铝合金铸件、钢铸件、航空航天中的导管、高温合金叶片等焊缝缺陷检测。
PCB缺陷检测#
场景简介：根据采集的PCB板图片，检测PCB板中存在的短路、开路、缺口、毛刺、焊点、漏焊、余铜等缺陷。
任务类型：目标检测、小目标检测。
算法模型：FasterRCNN、Retinanet、Yolo等。
适用领域：PCB板缺陷检测、3C产品表面缺陷检测等。
输电杆塔缺陷检测#
场景简介：根据无人机抵近输电杆塔拍摄的照片，检测杆塔中是否存在缺陷，按照缺陷的大小分类。大缺陷包括违建、异物等。中目标包括鸟巢、散股、接地线安装不规范、挂线点倾斜、防鸟装置损坏、防鸟装置丢失、均压环损坏、绝缘子破损、绝缘子倾斜、伞裙变形等。小目标包括销钉未开口、螺母松动、销钉用铁丝替换、垫片缺失、锈蚀、铝包带缠绕不规范等。
任务类型：目标检测、小目标检测。
算法模型：SSD、Retinanet、Yolo、FCOS、FSAF等。
适用领域：输电杆塔缺陷检测，道路巡查以及其它基于无人机巡检的任务。
图像修复#
场景简介：通过计算机视觉算法，将模糊不清或因雨雪天气导致拍摄模糊的图片进行修复和清晰化处理。
任务类型：图像生成。
算法模型：InfoGAN、DCGAN、StackGAN等。
适用领域：修复及填充老照片中的裂缝、划痕和瑕疵区域；消除照片上的日期、水印；移除不需要的图像内容，并填补移除后的空缺等。
目标跟踪#
场景简介：从视频流中识别出需要跟踪的人或者物体，并对其进行跟踪展示。
任务类型：目标跟踪。
算法模型：DeepSORT、ByteTrack、MaskTrack R-CNN等。
适用领域：智慧交通领域车辆跟踪、铁路站内行人跟踪、线虫移动轨迹跟踪、安防监控、体育赛事转播、无人车、无人机等。
姿态识别#
场景简介：从图像中推断出物体或人的姿势，包括识别和定位身体上的关键点，主要关注脸部、肘部、膝盖、肩部和手腕等。
任务类型：姿态识别。
算法模型：Openpose、HigherHRNet、AlphaPose等。
适用领域：安防监控、医疗辅助诊断、游戏互动等。
口罩佩戴检测#
场景简介：从图片或者视频流中判断人是否佩戴或者正确佩戴口罩。
任务类型：目标检测。
算法模型：FasterRCNN、Retinanet、Yolo等。
适用领域：疫情期间公共场所、公共交通是否正确佩戴口罩检测、后厨工作人员是否正确佩戴口罩检测。
安全帽佩戴检测#
场景简介：配合现场摄像头，结合人脸识别技术，自动识别现场作业人员的安全帽佩戴情况。
任务类型：目标检测。
算法模型：FasterRCNN、Retinanet、Yolo等。
适用领域：智慧工地、各类施工现场检测进入现场人员是否正确佩戴安全帽等。
垃圾分类#
场景简介：输入垃圾图片，判断垃圾所属的类别，如：干垃圾、湿垃圾、有害垃圾等。
任务类型：图像分类。
算法模型：ResNet、ShuffleNet、MobileNet等。
适用领域：智能垃圾桶、园区垃圾、辅助人工进行垃圾分拣等。
OCR文字识别#
场景简介：检测图片中的文字，包括常用字体、弯曲字体、广告字体等。
任务类型：OCR、文字检测。
算法模型：Mask-RCNN、TextSnake、CRNN、SegOCR等。
适用领域：各种需要从图片中识别文字的应用，如智慧办公、图文转换等。
发票识别#
场景简介：识别发票中的内容、二维码、签章、标题等信息。
任务类型：目标检测、OCR、文字检测。
算法模型：Retinanet、Yolo、TextSnake、CRNN、SegOCR等。
适用领域：智慧办公、票据管理等。
车牌识别#
场景简介：识别图片中车牌的位置以及车牌内容。
任务类型：目标检测、OCR。
算法模型：Retinanet、Yolo、FCOS、FSAF等。
适用领域：智慧园区、安防场景下的车辆追踪、商场、园区、停车场等场所获取车牌号。
人脸识别#
场景简介：获取人脸图像，检测人脸并对人脸进行识别。
任务类型：目标检测、人脸对齐。
算法模型：Retinanet、Yolo、DeepID等。
适用领域：零售、广告、智能设备、教育、医疗、娱乐等领域。
锯片缺陷检测#
场景简介：采集焊接后的锯片照片，判断锯齿的刀头焊接是否存在倒焊、漏焊以及虚焊等缺陷。
任务类型：目标检测、实例分隔。
算法模型：Retinanet、MaskRCNN等。
适用领域：用于24尺到100尺之间的锯片常见的缺陷检测。
人造心瓣膜缺陷检测#
场景简介：从人造瓣膜的检测视频中，逐帧提取图片，并对心脏瓣膜的各个区域进行识别。
任务类型：实例分隔。
算法模型：MaskRCNN、Cascade MaskRCNN等。
适用领域：人造心脏瓣膜等类似领域缺陷检测。