宇视科技梧桐大模型赋能交通治理

AI大模型技术正驱动交通行业智能化升级。千方科技子公司宇视科技于2023年发布“梧桐”AIoT（人工智能物联）行业大模型，采用“通用大模型+行业场景+训练调优”架构，覆盖多模态等智能技术，历经两年迭代已实现多场景任务覆盖。近期推出的“梧桐”大模型事件检测和交通抓拍系列产品，将AI能力深度落地于交通治理场景，在算法精度、成像质量和分析性能等方面实现显著提升，赋能交通治理更精准、更智能、更高效。

“梧桐”大模型事件检测系列产品：为道路装上智慧之眼

在复杂多变的道路场景下，事件检测技术的规模性落地一直是行业难题。传统检测算法因抗干扰能力弱、泛化性不足，在低照、小像素、小目标等复杂场景下易产生误报（如误判抛洒物、异常停车），既影响使用体验，还增加人工复核成本，加重管理负担。公司推出基于"梧桐"大模型的新一代事件检测摄像机和分析终端及服务器。大模型的高效应用显著提升了检测精度及分析性能。

技术优势

检测精度显著提升：依托“梧桐”行业大模型构建新一代事件检测算法方案，应用动态语义感知网络与自动跟踪算法，有效解决了光照突变、目标遮挡等极端场景下的检测难题，大幅提升了检测精度。

前端分析性能强化：借助大模型的赋能，前端分析提升了事件检测的实时性，可有效承担边缘及中心侧的分析任务，优化资源分配效率。

应用场景

抛洒物：精准识别物体类别，有效定位散落轮胎、碎片等抛洒物；克服光线及车流干扰，显著提升检出率，保障行车安全。

异常停车：通过构建车辆特征识别模型，能精准区分社会车辆与特种作业车辆，结合场景语义理解有效过滤干扰目标，减少无效警情。

积雪/团雾：基于大模型技术，可结合环境信息精准识别道路积雪、团雾等路况，提升道路运维效率。

“梧桐”大模型交通抓拍系列产品：从“看得清”到“读得懂”

传统的深度学习算法主要依赖卷积操作来提取局部特征，但面对复杂场景时，往往容易忽视全局信息的整合，导致在目标遮挡、低对比度、复杂姿态等情况下出现误检和漏检的问题。宇视推出“梧桐”大模型交通抓拍终端，在摄像机上实现了算法精度跃升、成像质量优化等技术突破。

技术优势

“梧桐”大模型凭借其亿级参数量及强大的泛化推理能力，能让摄像机更聪明地洞察细节，捕捉关键信息，从而在复杂多变的场景中显著降低误检和漏检的发生。

应用场景

异常成像车牌识别：应用大模型多模态融合技术，有效解决车牌部分字符模糊、大倾角、过曝等识别难题，提升复杂场景下的车牌识别准确率。

“相近”车辆特征识别：“梧桐”大模型有效发掘更深层的局部特征，对车型、车身颜色等车辆特征的识别精度更高。

机动车违法行为分析：凭借大模型全局理解能力与上下文建模能力，精准识别车内光照变化、深色衣物遮挡等复杂场景下的驾驶员行为，显著提升检测精度。

非机动车违法行为分析：“梧桐”大模型通过自注意力机制，有效克服非机动车违法分析面临衣帽识别难、前后目标相互遮挡等问题，大幅提升检测准确率。

微光环境下图像还原：搭载“猎光3.0”图像引擎，在微光环境下实现真实色彩和车窗细节清晰还原的双重突破，守护出行安全。

交通信号灯检测：红绿灯因风力、杆件形变及车辆震动等因素影响，往往处于晃动状态，加之大型路口红绿灯在摄像机捕捉的画面中常不足12像素，易导致灯态识别异常。大模型技术的应用显著增强摄像机的图像检测与分割能力，实现小目标精准跟踪，提升识别的稳定性与准确性。