本期 AI 实验室完成一项户外广告牌安全监测的定制实验：基于无人机采集的高分辨率影像，利用多尺度视觉模型对钢结构锈蚀、扣件松动、画面破损三类典型缺陷进行识别，并与人工巡检结果做对照。
要点：
- 数据基础：本批次累计采集 200+ 高点影像，覆盖 6 个商圈共 78 块户外大牌，正负样本比例约 1:4，针对小目标进行切片扩增；
- 模型结构：采用 YOLOv8-seg 实例分割框架，锈蚀类 mAP@0.5 达 0.81，画面破损类 0.86，扣件松动受遮挡影响召回偏低，被列为下一步重点；
- 交付形态：边端推理 + 云端复核双链路，机载端单帧延迟约 220ms，疑似工单自动推送给属地巡查员，已在某区城管平台试点接入；
- 下一步：引入时序影像对比，区分新增与既有损伤，并结合风速、温湿度等气象标签联合建模，输出按风险等级排序的检修建议。
试点阶段单块大牌巡检时长由人工约 40 分钟降至 8 分钟，缺陷召回率较抽样人工巡检提升约 35%。
评论