AI大模型技術正驅動交通行業智能化升級。千方科技子公司宇視科技于2023年發布“梧桐”AIoT（人工智能物聯）行業大模型，采用“通用大模型+行業場景+訓練調優”架構，覆蓋多模態等智能技術，歷經兩年迭代已實現多場景任務覆蓋。近期推出的“梧桐”大模型事件檢測和交通抓拍系列產品，將AI能力深度落地于交通治理場景，在算法精度、成像質量和分析性能等方面實現顯著提升，賦能交通治理更精準、更智能、更高效。

“梧桐”大模型事件檢測系列產品：為道路裝上智慧之眼

在復雜多變的道路場景下，事件檢測技術的規模性落地一直是行業難題。傳統檢測算法因抗干擾能力弱、泛化性不足，在低照、小像素、小目標等復雜場景下易產生誤報（如誤判拋灑物、異常停車），既影響使用體驗，還增加人工復核成本，加重管理負擔。公司推出基于"梧桐"大模型的新一代事件檢測攝像機和分析終端及服務器。大模型的高效應用顯著提升了檢測精度及分析性能。

技術優勢

檢測精度顯著提升：依托“梧桐”行業大模型構建新一代事件檢測算法方案，應用動態語義感知網絡與自動跟蹤算法，有效解決了光照突變、目標遮擋等極端場景下的檢測難題，大幅提升了檢測精度。

前端分析性能強化：借助大模型的賦能，前端分析提升了事件檢測的實時性，可有效承擔邊緣及中心側的分析任務，優化資源分配效率。

應用場景

拋灑物：精準識別物體類別，有效定位散落輪胎、碎片等拋灑物；克服光線及車流干擾，顯著提升檢出率，保障行車安全。

異常停車：通過構建車輛特征識別模型，能精準區分社會車輛與特種作業車輛，結合場景語義理解有效過濾干擾目標，減少無效警情。

積雪/團霧：基于大模型技術，可結合環境信息精準識別道路積雪、團霧等路況，提升道路運維效率。

“梧桐”大模型交通抓拍系列產品：從“看得清”到“讀得懂”

傳統的深度學習算法主要依賴卷積操作來提取局部特征，但面對復雜場景時，往往容易忽視全局信息的整合，導致在目標遮擋、低對比度、復雜姿態等情況下出現誤檢和漏檢的問題。宇視推出“梧桐”大模型交通抓拍終端，在攝像機上實現了算法精度躍升、成像質量優化等技術突破。

技術優勢

“梧桐”大模型憑借其億級參數量及強大的泛化推理能力，能讓攝像機更聰明地洞察細節，捕捉關鍵信息，從而在復雜多變的場景中顯著降低誤檢和漏檢的發生。

應用場景

異常成像車牌識別：應用大模型多模態融合技術，有效解決車牌部分字符模糊、大傾角、過曝等識別難題，提升復雜場景下的車牌識別準確率。

“相近”車輛特征識別：“梧桐”大模型有效發掘更深層的局部特征，對車型、車身顏色等車輛特征的識別精度更高。

機動車違法行為分析：憑借大模型全局理解能力與上下文建模能力，精準識別車內光照變化、深色衣物遮擋等復雜場景下的駕駛員行為，顯著提升檢測精度。

非機動車違法行為分析：“梧桐”大模型通過自注意力機制，有效克服非機動車違法分析面臨衣帽識別難、前后目標相互遮擋等問題，大幅提升檢測準確率。

微光環境下圖像還原：搭載“獵光3.0”圖像引擎，在微光環境下實現真實色彩和車窗細節清晰還原的雙重突破，守護出行安全。

交通信號燈檢測：紅綠燈因風力、桿件形變及車輛震動等因素影響，往往處于晃動狀態，加之大型路口紅綠燈在攝像機捕捉的畫面中常不足12像素，易導致燈態識別異常。大模型技術的應用顯著增強攝像機的圖像檢測與分割能力，實現小目標精準跟蹤，提升識別的穩定性與準確性。