目前，面向RISC-V架构的AI开发框架构建与优化大赛已圆满落幕，通过本项赛事，旨在探索如何将人工智能技术与RISC-V架构相结合，以实现高性能和低功耗的目标。
经过5个月的PK角逐，最终有19组队伍从378组参赛队伍中脱颖而出，分别荣获一、二、三等奖及优胜奖。这些作品充分展现了各开发者的技术创新和实际应用问题解决的能力。接下来请跟随小K的步伐，来一睹它们的风采吧！本篇带来三等奖其中三组获奖作品展示！
《基于高精度关键点定位技术的指针式仪表自动读数识别系统》
赛队成员：刘忠民（队长）、曹浩、彭桦、张溢晖、周磊、刘杰
作品介绍
本作品功能框架与数据集均由团队自主开发，运用深度学习技术，致力于实现指针式仪表图像的精准表盘定位、高精度关键点检测以及自动读数识别。其目标在于解决工业化领域中，传统指针式仪表读数过程中存在的人力耗费大、工作环境恶劣、危险系数高等问题，通过自动化、智能化的方式提升读数准确性和工作效率，为工业领域的智能化发展贡献力量。
项目地址：https://gitee.com/openkylin/tianhe-guard-team
作品亮点
1.功能亮点：
-
创新性：结合创新的关键点检测方法、读数算法以及误差校正方法，实现了对仪表指针的高精度识别和准确读数。
-
智能性：集成计算机视觉和图像处理技术，实现了对仪表图像的自动处理和分析，无需人工干预即可完成读数过程，大大提高了智能化水平。
-
用户友好性：设计通俗易懂的接口；配备清晰明了的用户手册，指导用户进行使用，并在此基础上进行算法设计，以实现个人创意。
2.性能亮点：
-
抗干扰性：在各种实际应用场景中，尤其是在光线条件不佳或环境复杂多变的情况下，展现出显著的优势和广泛的应用价值。
-
实时性：通过针对性优化，支持实时数据采集和传输，可以即时获取仪表读数信息，通过输入想获取的图片即时获得该图片检测的结果。
-
精确性：通过对算法进行了深入设计及误差校正，准确率高达99.10%。
作品框架
《基于RISC-V的火灾探测识别》
赛队成员：隋浩然（队长）、丁一、张天奇、刘榛、李东琦
作品介绍
本作品是在RISC-V架构openKylin系统的基础上自主开发的火灾预测模型。向训练好的模型中输入采集的图像或视频数据，模型对数据进行识别与标注，根据输出的结果判断是否进行预报。
主要针对的场景是森林火灾的探测与识别模块。该项目在原有的Yolo模型基础之上添加了注意力机制，使其在运算速率和准确率都得到了不同程度的提升。并且，在火灾识别场景中，该作品内包含了独有的烟雾感应装置。
项目地址：https://gitee.com/openkylin/riscv64_fire_detection
作品亮点
1.功能亮点：
增加识别目标：在识别火焰的传统方法上，加入了烟雾识别。烟雾识别的加入能够尽早地发现火灾可能发生的位置，在实际应用中有更好的识别效果。火焰与烟雾的结合能够提高产品的可靠性。
2.性能亮点：
-
易部署：作品用shell脚本结合atomgit实现了全环境、全过程自动化部署，只需要执行一条脚本语句就可以完成项目的部署。
-
引入注意力机制：在实验过程中，仅仅使用Yolov5模型，提高模型的性能存在一定的困难。本作品为突破该局限性，结合了注意力机制，注意力机制的加入能够比较有效的平均提高5%。
作品框架
《基于RISC-V的目标检测及人机对话系统》
参赛队伍：潘祎哲（队长）
作品介绍
基于RISC-V指令集，openKylin操作系统环境，对已有的AI框架(Pytorch, Paddle)进行适配移植，并基于该框架运行有代表性的AI模型，例如Qwen，YOLO，BERT等，最终实现基于RISC-V的目标检测及人机对话系统。
项目地址：https://gitee.com/openkylin/riscv-ai-2024
作品亮点
1.功能亮点：
-
目标检测：识别用户上传的图像、可访问设备的摄像头进行拍摄，并将检测结果返回；可以查看原图与检测结果并进行对比。
-
人机对话：结合终端的输入进行响应，以流式数据返回模型推理结果，可基于文本进行信息提取。
2.性能亮点：
用户感知到的延迟较低，在decode阶段通过流式数据逐步生成推理结果，并通过NPU加速目标检测过程，结果通过前端展示。
项目框架
以开源之心，引创新之路，由openKylin社区、麒麟软件有限公司、信创海河实验室主办，国防科技大学协办的中国研究生操作系统开源创新大赛暨第十三届麒麟杯全国开源应用软件开发大赛正在火热报名中，欢迎各位感兴趣的开发者进入openKylin官网查看详情，报名参赛~
