0 概述
AIMC能力开放平台是AIMC智能运控实验室研究成果、开发成果能力的集成平台，旨在为AIoT应用场景提供一站式解决方案。目前平台提供从数据准备、模型训练到部署上线的一站式解决方案。基于业界成熟的YOLO算法，AIMC LAB为企业和开发者构建了高效易用的目标检测服务体系。
【核心能力矩阵】
🔭 视觉能力：精准洞察，所见即所得
基于业界领先的YOLO系列算法，我们构建了高效、易用的目标检测服务体系，让机器视觉触手可及：
- 全流程数据管理：提供便捷的数据集管理与专业数据标注工具，夯实模型训练基础。
- 前沿模型在线训练：支持YOLO v8与YOLO 11系列模型的在线训练，紧跟算法前沿，确保检测精度与速度。
- 无缝端侧部署：支持RKNN模型在线一键导出，打通从算法到嵌入式设备的“最后一公里”。
🎙️ 语音能力：聆听世界，声纹鉴权
赋予设备“能听会说”的交互智慧，拓展人机交互的无限可能：
- 声纹身份识别API：高精度的声纹识别技术，为设备及应用提供安全、便捷的身份认证服务。
- 语言转文本API：高准确率的语音转写能力，助力语音指令解析、会议记录等多种场景落地。
🚀 AIoT能力：万物互联，智控未来（规划中）
我们正在构建更完善的AIoT生态体系，即将为您带来：
- 深度数据分析：融合大模型数据分析能力与专业数据报表，挖掘数据价值，辅助科学决策。
- 全生命周期设备管理：涵盖型号管理、OTA远程升级、License授权管理，让设备运维更轻松。
- 智慧数据集成：支持组态智慧大屏开发，实现数据可视化与实时监控。
1视觉能力
1.1 数据集管理功能
AIMC LAB平台的数据集管理功能是一个完整的全流程解决方案，从数据集创建开始，用户可以通过简洁的表单界面快速创建新的数据集，支持设置数据集名称和上传封面图片，让数据集展示更加直观。创建完成后，用户会进入数据集编辑界面，这里通过多个标签页将不同功能模块清晰划分。在基本信息标签页中，用户可以查看和编辑数据集的核心信息，包括数据集名称、创建日期，以及详细的统计数据如图片总数、已标注图片数、未标注图片数、标签类别数、已标注标签数和标注进度，这些数据通过进度条和统计卡片直观展示，让用户随时掌握数据集的整体状态。
数据导入功能为用户提供了灵活的导入方式，既支持上传单个图片文件，也支持导入完整的数据集目录，系统会自动识别data.yaml配置文件、images和labels目录，并在导入前展示数据集的基本信息如标签类别数、图片总数、标签文件数等供用户确认。导入过程中会实时显示进度条和状态信息，完成后还会展示详细的导入结果，包括成功导入的图片数量、失败数量、导入耗时，以及失败文件的具体列表和错误原因，让用户全面了解导入情况。
图片管理模块提供了便捷的图片上传和管理功能，用户可以通过拖拽或点击选择的方式上传单个或多个图片文件，支持JPG、JPEG、PNG、BMP等多种格式，上传过程中会显示实时进度。上传的图片以卡片形式展示，每个卡片都包含图片预览、文件名、分辨率和标签数量信息，用户可以快速浏览所有图片，并通过标签颜色直观区分已标注和未标注的图片。对于不需要的图片，用户可以直接删除，而需要标注的图片则可以一键进入标注界面。
标签管理功能让用户可以灵活地管理数据集中的标签类别，支持添加新标签、编辑标签名称、为每个标签选择不同的颜色以便在标注时更好地区分，标签的增删改操作都简单直观。数据标注界面提供了专业的标注工具，用户可以在标签列表中选择当前要标注的标签类别，通过鼠标在图片上绘制矩形框来标注目标物体，系统还支持键盘快捷键，比如通过S键加上数字快速切换标签。标注界面还提供了上一张、下一张导航按钮，让用户可以连续标注多张图片，大大提高标注效率。
在数据集列表页面，所有数据集以卡片形式展示，包括数据集封面、名称、类型标识（本人或分享）、标注进度、创建日期等信息，用户可以快速查看自己拥有的数据集以及他人分享的数据集，数据集按创建时间倒序排列，方便找到最新的数据集。对于不需要的数据集，用户可以删除；对于需要继续编辑的数据集，可以一键进入详细编辑页面。整个数据集管理流程设计得非常流畅，从创建、导入、管理到标注，每一步都考虑了用户体验，让即使用户没有专业的AI开发经验，也能轻松完成高质量数据集的准备工作。
数据集划分功能是模型训练前的重要环节，在数据集划分标签页中，系统首先展示了数据集的标注统计信息，包括已标注图片、未标注图片和图片总数，并用柱状图直观展示各个标签的标注次数分布，帮助用户了解数据的平衡情况。用户可以通过滑块或输入数字灵活设置训练集、验证集和测试集的划分比例，系统会实时计算并显示预计划分结果，让用户在正式划分前就能看到三个子集的图片数量。比例设置完成后，只需点击自动划分按钮，系统就会启动划分任务，整个过程在后台运行，用户可以通过状态信息实时了解任务进度。每个数据集最多支持保存3个不同的划分结果，方便用户尝试不同的划分方案，对于正在运行的划分任务还可以随时取消，对于已完成的划分结果也可以删除。所有划分结果都会以列表形式展示，包括创建时间、各子集的比例和具体图片数量、任务状态等详细信息，让用户可以方便地管理和选择合适的划分用于后续的模型训练。
1.2 Yolo 模型训练
AIMC LAB平台为用户提供了完整的模型训练流程，从任务创建、训练监控到结果查看的一体化体验。在训练任务列表页面，用户可以一目了然地看到所有训练任务的统计信息，包括总任务数、已完成任务数和进行中任务数，通过状态筛选还可以快速查看全部任务、进行中任务或已完成任务。每个训练任务都以列表形式展示，包含任务ID、任务名称、使用的基线模型logo、状态标签和进度条，状态标签清晰地标注了排队中、进行中、已完成、失败、取消中等不同状态，进度条则直观展示了当前训练的完成度。对于正在运行的任务，用户可以随时取消训练；对于已完成或失败的任务，也可以删除清理，所有任务状态会自动定期刷新，确保用户看到的是最新信息。
创建新训练任务的过程非常简单，用户只需填写训练名称和描述，选择准备好的数据集和对应的划分结果，然后根据需求选择合适的基线模型。平台支持多种YOLO版本，包括YOLOv8系列的n、s、m、l、x以及最新的YOLO11系列，用户可以根据对精度和速度的不同要求灵活选择。接着设置训练轮次和批量大小，训练轮次决定了模型学习的迭代次数，批量大小则影响训练速度和显存占用，所有参数设置完成后即可提交任务，训练任务会自动进入队列开始运行。
训练完成后，点击已完成的任务名称即可进入训练结果详情页面，这里展示了任务的完整信息。首先是任务基本信息，包括任务ID、名称、状态、训练轮次、基础模型和批次大小等。接下来是核心的训练指标展示，精确率、召回率、mAP50、mAP50-95等关键指标都以百分比形式清晰呈现，让用户快速评估模型性能。页面还展示了丰富的训练结果图片，包括混淆矩阵、训练结果曲线、PR曲线、精确率曲线、召回率曲线、F1分数曲线、标签分布图，以及训练批次和验证批次的样本图片，每张图片都配有详细的标题和描述，用户可以点击查看大图。所有结果图片会依次加载，并显示加载进度，确保用户体验流畅。
对于满意的训练结果，平台提供了灵活的下载功能。用户可以一键下载所有训练结果的ZIP压缩包，也可以单独下载需要的文件，包括最佳模型文件、最后模型文件、训练指标CSV、训练配置YAML、各种曲线图、标签分布图等。这些文件可以用于后续的模型部署、进一步的训练优化，或者与团队分享。整个模型训练流程设计得既专业又易用，即使没有深厚的深度学习背景，用户也能顺利完成从数据到模型的完整训练过程，快速获得高质量的目标检测模型。
1.3 模型导出部署
AIMC LAB平台提供了完整的模型转换和部署流程，帮助用户将训练好的YOLO模型轻松部署到各种边缘计算设备上。在部署任务列表页面，用户可以查看所有模型转换任务的状态，页面顶部提供了状态筛选和关键词搜索功能，方便快速找到需要的任务。每个部署任务都展示了任务名称、状态标签、YOLO版本、对应的训练任务名称、目标平台、开始时间和转换进度，状态标签清晰地标注了排队中、进行中、已完成、失败、取消中等不同状态，进度条则直观展示了当前转换的完成度。对于正在运行的任务，用户可以随时取消；对于已完成的任务，可以下载转换好的模型或删除任务；对于失败的任务，也可以删除清理，所有进行中的任务状态会自动定期刷新，确保用户看到的是最新进度。
创建新的部署转换任务非常简单，用户首先填写任务名称，然后从已完成的训练任务中选择要部署的模型，系统会自动填充对应的YOLO版本信息。接下来需要选择目标平台，平台支持多种瑞芯微系列芯片，包括RK3588、RK3576、RK3566/RK3568、RK3562、RV1103/RV1106、RV1103B/RV1106B、RV1126B、RK2118等，覆盖了从高性能到低功耗的各种应用场景。为了获得更好的部署效果，用户还需要选择量化数据集和对应的划分结果，用于模型量化校准，同时可以设置归一化均值和标准差参数，这些参数通常会从训练任务中自动继承，用户也可以根据需要进行调整。最后填写可选的任务描述，确认无误后即可提交任务，部署转换任务会自动进入队列开始运行。
模型转换完成后，用户可以从已完成的任务中下载转换好的模型文件，通常是适用于目标芯片平台的RKNN格式。下载后的模型可以直接部署到对应的硬件设备上，实现高效的目标检测推理。整个模型部署流程设计得既专业又易用，平台屏蔽了底层复杂的模型转换细节，让用户无需深入了解各种芯片平台的部署工具链，也能顺利完成从训练到部署的全过程。无论是工业质检、智能安防还是自动驾驶应用，AIMC LAB平台都能帮助用户快速将AI模型落地到实际设备中，实现从数据到部署的完整闭环，大大降低了深度学习模型的部署门槛。
