前言传统扫码硬件部署成本偏高，普通手机本地拍照解码极易受画面倾斜、反光、污渍、模糊等问题干扰，经常出现识别失败的情况。本接口兼容市面全部主流一维码、二维码格式解析，支持图片 URL、Base64 两种文件提交形式，依托图像增强修复算法大幅提升破损、畸变码图的识别成功率，精准高效解析条码内置明文数据，轻量化对接各类业务系统，轻松完成条码信息自动化解析提取工作。二维码条形码识别在以下场景中应用广泛：物流快递管理商超零售结算仓储库存盘点电子票券核销校验工业生产流程管控政务资料核验移动端系统集成单据档案电子化归档API介绍请求说明名称类型必须说明base64String否图片base64。base64、url、file 三选其一urlString否图片完整url。base64、url、file 三选其一fileFile否图片文件。base64、url、file 三选其一戳这里查看详情返回样例{ "code": 200, // 返回码，详见返回码说明 "msg": "成功", // 返回码对应描述 "taskNo": "55318992410294812098", // 本次请求号 "charge": true, // 计费标志 "data": [ { "text": ["SF1688255711970"],//二维码内容 "type": "CODE_128"//二维码类型 } ] }

前言传统扫码硬件部署成本偏高，普通手机本地拍照解码极易受画面倾斜、反光、污渍、模糊等问题干扰，经常出现识别失败的情况。本接口兼容市面全部主流一维码、二维码格式解析，支持图片 URL、Base64 两种文件提交形式，依托图像增强修复算法大幅提升破损、畸变码图的识别成功率，精准高效解析条码内置明文数据，轻量化对接各类业务系统，轻松完成条码信息自动化解析提取工作。二维码条形码识别在以下场景中应用广泛：物流快递管理商超零售结算仓储库存盘点电子票券核销校验工业生产流程管控政务资料核验移动端系统集成单据档案电子化归档API介绍请求说明名称类型必须说明base64String否图片base64。base64、url、file 三选其一urlString否图片完整url。base64、url、file 三选其一fileFile否图片文件。base64、url、file 三选其一戳这里查看详情返回样例{ "code": 200, // 返回码，详见返回码说明 "msg": "成功", // 返回码对应描述 "taskNo": "55318992410294812098", // 本次请求号 "charge": true, // 计费标志 "data": [ { "text": ["SF1688255711970"],//二维码内容 "type": "CODE_128"//二维码类型 } ] }

前言传统人工录入图文资料存在效率低、出错率高、无法留存文字位置版式信息等问题。本通用文字识别 API 依托深度学习优化算法，识别精度最高可达 99.9%，支持图片、PDF、OFD 文件解析，同步返回文本坐标、轮廓点位、段落结构与置信度数据；可快速对接各类业务系统，完成图像文字结构化、版式还原等智能化处理。通用文字识别在以下场景中应用广泛：政务档案数字化财务单据自动处理资质证件信息采集固化电子文档解析日常图文文字提取工业资产信息采集版面还原与标注开发企业办公自动化API介绍请求说明名称类型必须说明imageString否图片base64pdfString否PDF文件的base64pdfNumString否需要识别的PDF文件的对应页码，不传默认识别第 1 页ofdString否OFD文件的base64ofdNumString否需要识别的OFD文件的对应页码，不传默认识别第 1 页fileFile否文件urlString否文件地址image、pdf、ofd、file、url 必须提供一个，优先级：image > pdf > ofd > file > url文件不超过4M，最短边至少15px，最长边最大4096px图片格式为 jpg、png、bmp、jpeg戳这里查看详情返回样例{ "msg": "成功",// code 对应的描述 "code": 200,// 详见code返回码说明 "taskNo": "316942821199035820008485",// 本次请求号 "charge": true, // 计费标志 "data": { "resultNum": 2,//识别结果数 "result": [//识别结果 { "words": "测试第一行",//识别结果字符串 "location": {//位置数组（坐标0点为左上角） "top": 72,//表示定位位置的长方形左上顶点的垂直坐标 "left": 89,//表示定位位置的长方形左上顶点的水平坐标 "width": 52,//表示定位位置的长方形的宽度 "height": 12//表示定位位置的长方形的高度 }, "probability": {//表示识别结果中每一行的置信度值 "average": 0.9956096411,//行置信度平均值 "min": 0.9842295051,//行置信度最小值 "variance": 0.00003516419747//行置信度方差 }, "vertexesLocation": [//识别结果中每一行的外包四边形点坐标 { "x": 90,//水平坐标（坐标0点为左上角） "y": 73//垂直坐标（坐标0点为左上角） }, { "x": 142, "y": 73 }, { "x": 142, "y": 85 }, { "x": 90, "y": 85 } ], "finegrainedVertexesLocation": [//识别结果中每一行的多边形轮廓点坐标 { "x": 89, "y": 72 }, { "x": 101, "y": 72 }, { "x": 113, "y": 72 }, { "x": 124, "y": 72 }, { "x": 136, "y": 72 }, { "x": 141, "y": 72 }, { "x": 141, "y": 78 }, { "x": 141, "y": 84 }, { "x": 130, "y": 84 }, { "x": 118, "y": 84 }, { "x": 106, "y": 84 }, { "x": 95, "y": 84 }, { "x": 89, "y": 84 }, { "x": 89, "y": 78 } ] }, ], "paragraphsResult": [//段落检测结果 { "wordsResultIdx": [//一个段落包含的行序号 0, 1 ], "finegrainedVertexesLocation": [//识别结果中每一行的多边形轮廓点坐标 { "x": 89, "y": 72 }, { "x": 101, "y": 72 }, { "x": 113, "y": 72 }, { "x": 124, "y": 72 }, { "x": 136, "y": 72 }, { "x": 141, "y": 72 }, { "x": 141, "y": 72 }, { "x": 141, "y": 84 }, { "x": 141, "y": 88 }, { "x": 141, "y": 100 }, { "x": 141, "y": 100 }, { "x": 129, "y": 100 }, { "x": 117, "y": 100 }, { "x": 104, "y": 99 }, { "x": 92, "y": 99 }, { "x": 89, "y": 99 }, { "x": 89, "y": 99 }, { "x": 89, "y": 87 }, { "x": 89, "y": 84 }, { "x": 89, "y": 72 } ] } ], "paragraphsResultNum": 1,//识别结果数，表示 paragraphsResult 的元素个数 "pdfFileSize": 1//传入PDF文件的总页数，当 pdfFile 参数有效时返回该字段 } }

前言在日常生活、工作中，往往需要从一张图片中自动识别出：图片中有什么，主要内容是什么。那么图片检测分类能帮你完成。图片检测分类可对图片中的文档、卡证、票据等含文字的主体进行检测、分类。可同时支持一张图片中多张主体的情况，返回每个主体的类别及位置信息。图片检测分类通常可以和卡证类识别、票据类识别结合使用，先用图片检测分类检测是什么，然后再用对应的卡证类、票据类识别来识别具体内容。API介绍请求参数名称类型必须说明base64String否图片base64字符串urlString否图片url戳这里可查看详细介绍返回样例{ "code": 200, //返回码，详见code返回码说明 "msg": "成功", //code对应的描述 "taskNo": "576437785202759366455607", //本次请求号 "data": { "list": [//检测和分类结果数组，如图片中无文字内容，则此数组为空 { "probablity": 0.9999736547,//分类置信度 "location": {//位置数组（左上角为坐标0点） "top": 570,//表示定位位置的长方形左上顶点的垂直坐标 "left": 11,//表示定位位置的长方形左上顶点的水平坐标 "width": 774,//表示定位位置的长方形的宽度 "height": 464 //表示定位位置的长方形的高度 }, "type": "卡证_身份证_副" //类别信息，当前可输出类别列表见：类别列表 } ] } }

最近刷到不少 “拍万物就能问 AI” 的工具，本来以为又是换皮的玩具功能，结果上手试了这款「看图识万物」API，直接被它的实用度惊到了。今天就以纯测评视角，聊聊这个接口到底是 “智商税” 还是 “宝藏工具”。先上结论：它到底是什么？一句话总结：这不是个只会打标签的普通图像识别 API，而是个「自带知识库的看图问答神器」。它基于视觉模型 + 多模态大模型，能识别图片里的主体，还能根据你的提问，整合百科和实时网络信息，直接给出完整答案。从动植物、名人到汽车、文物，几乎你能想到的常见品类，它都能 hold 住。先给大家划个测评重点：✅ 新用户免费送 5 次调用，零成本就能测效果✅ 支持图片 URL 和 Base64 两种上传方式，适配各种开发场景✅ 能识别 + 能问答 + 能联网，不是单纯的 “打标签工具”✅ 阶梯式定价，从个人开发者到企业级都能用戳这里上手实测：用起来到底有多简单？1、 我直接去看了官方的调试文档，整个调用流程对开发者来说非常友好，甚至新手也能快速上手：核心请求逻辑很清晰：请求地址：固定接口请求方式：标准 POST，格式用最通用的x-www-form-urlencoded，所有语言都能轻松对接必填参数：就 2 个：✨图片（image/url二选一）：直接传公网图片 URL 或者 Base64 编码的图片就行✨你的问题（question）：比如 “这是什么？”“这个演员最近有什么新作品？”可选拓展：还能通过searchResult和baikeResult控制要不要返回引用源和百科信息，细节拉满。我自己用免费额度测了下：传了一张路边拍的不知名小花，提问 “这是什么花？”，接口几秒内就返回了识别结果 + 详细百科介绍，连它的品种、花期、分布地区都给出来了，完全不用我再去手动搜资料。2、效果实测：识别准不准？问答够不够智能？我挑了几个大家关心的场景，做了个小测试：测试场景输入图片 + 问题接口输出结果动植物识别一张多肉照片，问 “这是什么品种？好养吗？”识别出具体品种，附带养护难度、浇水频率等百科信息名人影视问答一张明星剧照，问 “这是哪部剧？他最近的新电影是什么？”识别出演员 + 剧名，同时给出了该演员最新的影视作品信息汽车识别一张停在路边的车，问 “这是什么车？大概多少钱？”识别出车型和年份，附带参考价格和车型介绍文物 / 商品识别一张博物馆拍的瓷器照片，问 “这是什么年代的？有什么背景？”识别出文物名称和年代，整合了权威百科的历史信息整体下来，识别准确率比我预想的高很多，而且问答不是那种生硬的模板回答，而是根据问题给出了针对性的信息，连时效性的内容（比如新电影、新款车型）都能覆盖到，这点确实超出预期。谁适合用？这些场景用它直接 “开挂”很多人可能会说：“我自己用 AI 生成工具不也能实现？” 但这个 API 的优势，在于它能直接集成到你的产品里，解决真实业务场景的痛点：AI 助手 / 聊天机器人：给对话产品加上 “看图提问” 能力，用户不用再打字描述，直接发图就能问，体验直接拉满；儿童学习机 / 科普 APP：孩子指着绘本、标本问问题，设备就能直接给出带百科信息的回答，比干巴巴的讲解有趣多了；智能硬件 / 车载设备：集成到相机、智能眼镜里，实现 “指着万物就能问” 的功能，实用性拉满；内容社区工具：给图文平台加上智能识别，自动给图片打标签、补充话题和百科信息，帮创作者省超多事。价格 & 性价比：新用户直接免费玩，企业级也有方案很多人担心这种 API 的调用成本太高，我特意看了下它的定价方案，覆盖了从个人到企业的所有需求：新用户直接送5 次免费调用，不用花钱就能完整体验功能；低门槛套餐：2 元就能买 8 次调用，个人开发者小测试完全够用；企业级套餐：最高到 16000 元 / 10 万次调用，调用量越大单次成本越低，高并发场景也能 hold 住。对比市面上同类型的多模态识别 API，这个价格区间的性价比确实能打，尤其是它自带联网百科问答能力，不用自己额外对接知识库，开发成本直接省了一大截。总结：它不是 “玩具 API”，是真能解决问题的工具测下来，这款「看图识万物」API，给我的感觉是 “超出预期的实用”。它不是那种只能用来玩的 demo 级功能，而是能直接落地到真实业务里，帮开发者解决 “看图 + 问答 + 知识库” 的全链路问题。如果你正在做 AI 助手、智能硬件或者科普类产品，想要低成本快速实现 “万物识别 + 问答” 的能力，这个接口真的可以去试试，毕竟新用户免费额度摆在那，零成本就能上手。

简介图像内容理解，即采用图像理解视觉大模型，可多维度识别与理解图片内容，包括人、物、行为、场景、文字等，支持输出对图片内容的一句话描述，同时返回图片的分类标签、文字内容等信息。主要功能包括：图片理解与内容描述多维度理解图片内容，支持输出对图片内容的一句话描述，结合大语言模型，可应用于看图问答、视觉推理等场景。物体和场景全识别识别动物、植物、商品、建筑、风景、动漫、食材、公众人物等10万个常见物体及场景，支持拼接返回大类及细分类名称。图片文字全识别检测并识别图片内的全部文字信息，涵盖文档、证件等常见场景，支持输出文字内容及文字位置。API介绍图像内容理解服务涉及 2 个接口，分别为：图像内容理解-提交请求：支持传入图片、提问等参数，创建图像内容理解任务，该接口会返回任务ID。图像内容理解-获取结果：在任务成功创建后，支持传入任务ID，查看任务处理的状态、获取处理完成后返回的结果。详细请参考此处提交请求请求参数名称类型必须说明imageString否图片的base64urlString否图片完整 url，url 长度不超过 1024 字节questionString是提问信息，如“这张图片里有什么？”、“图中的人物是谁，并进行简单介绍”,限制 100 个字符之内image、url 必须提供一个，优先级：url > base64。大小不超过10M，最短边至少64px，最长边最大8192px，图片格式支持jpg/jpeg/png格式。超过4096px的图片，将被自动等比例压缩至4096px进行处理，压缩后会影响处理效果返回样例{ "code": 200,// 返回码，详见返回码说明 "msg": "成功",// 返回码对应描述 "taskNo": "043439882226367117195632",// 本次请求号 "data": { "taskId": "xxxx" //用于获取结果 } } 获取结果请求参数名称类型必须说明taskIdString是提交请求接口返回的taskId返回样例{ "code": 200,//返回码，详见返回码说明 "msg": "成功",//返回码对应描述 "taskNo": "571436032193067500962066",//本次请求号 "data": { "resultCode": "0",//任务状态，0：处理成功；1：处理中 "description": "这张图里面有：\n\n1. 一个人正在讲台上讲话， xxxxxx",//针对输入的 question 问题，对图片内容进行分析后输出的答案 "resultMsg": "处理成功" //任务状态描述 } }

解决方案： step1：感兴趣区域调节是为了摄像头只检测到车道线，首先观察图像中车道线是否在感兴趣区域（蓝色区域）内。如下图：图像偏低或者肉眼发现摄像头下垂，那么就调整摄像头的高度。 step2：若调节摄像头的高度后，车道线依旧不在感兴趣区域内，或者区域太大识别到其他部分，影响到舵机控制，则调整LKAS代码文件中region_of_interest函数的vertices = np.array([[(10, imshape[0]), (imshape[1] * 5 / 34, imshape[0] * 2 / 3), (imshape[1] * 29 / 34, imshape[0] * 2 / 3), (imshape[1] - 20, imshape[0])]], dtype=np.int32)感兴趣区域四个坐标，保证车道线在感兴趣区域内或者截取掉多余区域。 左下角：(10, imshape[0])左上角：(imshape[1] * 5 / 34, imshape[0] * 2 / 3)右上角：(imshape[1] * 29 / 34, imshape[0] * 2 / 3)右下角：(imshape[1] - 20, imshape[0])连接这些点，形成一个梯形的感兴趣区域，更改这些点，改变区域的大小和形状。

解决方案： step1：调整LKAS代码文件中cap = cv.VideoCapture(0)参数（1或者0），改完后ctrl+s保存，再运行代码。 step2：若打不开，用命令ls /dev/video*查看串口号是多少（1或者0）。 step3：若查不到，检查摄像头接线是否连接正确（或更换一根摄像头接线），再查看串口并修改代码参数。

我使用310P搭建的图片推理服务，yolov5l模型推理性能为100fps，我想问一下这个性能是这张卡的上限了吗？

图像识别技术原理是什么样的？

原文章：https://www.compdf.com/blog/best-intelligent-document-processing-software1. ComIDPComIDP 是由ComPDFKit开发的智能文档处理解决方案，旨在帮助企业实现数据自动化并提高文档处理效率。这款全面的工具涵盖了整个文档生命周期，包括预处理、识别、分类、数据提取和数据分析，为企业提供可靠的决策支持。它为企业提供标准模型和可定制的 AI 解决方案，以满足其在实现数字化转型方面的特定需求。好处ComIDP拥有专利的版式分析和表格识别功能，适用于各种复杂应用场景，提高文档处理效率。支持导入各种非结构化、半结构化文档并进行结构化处理。基于AI的OCR功能支持70+种语言文档识别，准确率高达95%。如何部署ComIDP解决方案？ComIDP 提供三种部署选项：私有部署、公有云部署和本地部署。无论您的企业需要严格的数据安全性和定制、适合中小型企业的经济高效的解决方案，还是需要无缝集成到大型企业的现有系统和应用程序中，ComIDP都能满足您的需求。通过利用 ComIDP，企业可以显著提高文档协作效率和整体生产力。应用ComIDP为大型模型训练提供高精度数据，从而提升AI性能，同时集成企业业务系统，减少冗余任务，支持工作流自动化。ComIDP可应用于各行各业，例如在金融领域，智能文档处理可以满足企业财务管理需求，在银行领域，ComIDP可以加速信贷审核流程，提高业务处理速度和用户满意度。2. AWSAWS（亚马逊网络服务）智能文档处理 解决方案是一套强大的工具和服务，旨在帮助企业和组织自动化和优化其文档处理流程。整个智能文档处理流程包括几个阶段，首先使用Amazon Textract进行文本和表单识别和提取，然后使用Amazon Comprehend进行智能分析和自动校对，最后将处理后的数据存储在Amazon S3中以供企业集成。3. Automation AnywhereAutomation Anywhere IDP 支持本地和云部署，提供 32 种语言模型，满足企业的文档自动化需求。它可以自动处理 80% 的文档数据，减少人为错误并在数据进入关键业务系统之前进行验证。此外，它还可以帮助企业主动避免与不合规相关的成本。4. Microsoft AzureMicrosoft Azur e Form Recognizer 是一款人工智能文档处理解决方案，可以自动从文档中提取和解析关键信息，实现智能数据处理和管理。从各种类型的文档、表格、收据、发票和卡片中准确提取文本、键值对和表格。具有预构建和自定义 AI 模型，可以从结构化、半结构化和非结构化文档中精确提取字段、复选标记和表格。5. ABBYYABBYY Vantage智能文档处理软件可帮助企业自动处理各种类型的文档，包括结构化、半结构化和非结构化文档。通过利用 ABBYY Vantage 预先训练的 AI 提取模型/技能，企业可以高效处理这些文档类型，同时确保高达 90% 的准确率。该软件可以与其他智能自动化系统无缝集成，例如 Microsoft Power Automate、Blue Prism、UiPath 和 Automation Anywhere。Vantage 还可以监控、衡量和分析所有部署技能的性能，以创建新的学习模型，实现持续改进和优化。6. AppainAppian的智能文档处理技术结合AI，帮助企业优化工作流程、统一数据、提高工作效率。通过将智能文档处理与企业系统集成，不仅可以节省时间，还可以将纸质流程数字化，缩短交易时间。该技术支持AI与RPA、业务规则等结合，实现端到端的全流程自动化，并通过自动化的任务调度和内容处理大幅提高工作吞吐量。......更多内容请查看原文章：https://www.compdf.com/blog/best-intelligent-document-processing-software

在opencv中  如何求出一个封闭图像内部的像素点个数有多少个？

Q：这是一场什么样的比赛？“挑战杯”全国大学生课外学术科技作品竞赛是由共青团中央、中国科协、教育部、中国社会科学院和全国学联共同主办的全国性的大学生课外学术实践竞赛。“揭榜挂帅”作为“挑战杯”专项赛之一，企业提需求出题，面向高校广发“英雄帖”，学生团队竞争揭榜。旨在促进产教融合，打造校、企、研成果转化为“桥头堡”。Q：谁可以参加这个比赛？有学生赛道和青年科技人才两个赛道；学生赛道：2024年6月1日以前正式注册的全日制非成人教育的各类高等院校在校专科生、本科生、硕士研究生（不含在职研究生）均可申报作品参赛，以个人或团队形式参赛均可。本校硕博连读生（直博生）若在2024年6月1日以前未通过博士资格考试的，可以按研究生学历申报作品。没有实行资格考试制度的学校，前两年可以按硕士学历申报作品。本硕博连读生，按照四年、两年分别对应本、硕申报，后续则不可申报。青年科技人才赛道：在高等学校、科研院所、企业等各类创新主体中工作的、具有一定科研热情和科研能力的青年科技工作者或者在读博士。参赛人员年龄应在18至35周岁，即1989年6月1日至2006年6月1日期间出生。符合高校学生赛道报名条件的在读博士不得参加青年科技人才赛道比赛，高校青年教师在指导学生参赛的同时不得以参赛人员身份参加同一选题比赛，发榜单位及同发榜单位有相关隶属关系单位的青年不得参加本单位选题比赛。Q：怎么报名参加比赛？登录挑战杯官网（https://fxyh-t.bocmartech.com/jbgs/#/login），在线填写报名信息；点击“挑战杯”官网左侧“作品报名”选项，下载报名信息表打印，并加盖学校公章回传至官网；选手需登录华为云大赛平台（学生：cid:link_0；青年科技人才赛道：https://competition.huaweicloud.com/information/1000042071/introduction）进行实名校验；点击华为云大赛平台菜单栏中的“我的团队”，并点击“组建团队”，所有成员都必须完成实名校验并加入该团队。Q：有问题如何求助？论坛发帖求助：比赛过程中参赛选手可以在论坛中发帖，详细描述您遇到的问题，大赛组委会工作人员将会在工作日工作时间09:00-18:00在社区回复（为保证大赛公平公正原则，大赛官方仅针对报名方式、赛制、赛题、大赛安排等问题进行答疑）。赛事交流群求助：请扫描进入交流群，赛事相关资讯也会第一时间在群内同步，请所有报名选手务必加群。                                      （青年科技人才赛道）                                                             （学生赛道）联系大赛工作人员：如没有得到及时回复，可以添加大赛工作人员微信：15889847842（微信号：HW88886712）。Q：华为云AI开发平台的编程语言用的是华为独创的，还是python、C语言等其他编程语言都能兼容？AI开发，还是主流的Python、C++，没有独创的语言。Q：请问项目检测的样品必须是pcb板吗？可以是其他工业样品吗？是PCB板，数据样例集已给出，请见赛事页面。Q：本次比赛是只会提供这样一个小数据集吗？还是后面会有大数据集呢？本次大赛发放的是样例集，选手可以参考样例集缺陷自行寻找或制作开源数据集制作模型。Q：请问一下后期测试数据里是否也是五类缺陷，会不会有其他类别呢？不会了，缺陷种类是一样的。Q：我们需要检测的就是这块pcb板吗？还是说我们可以基于这个平台检测其他物品，缺陷由我们自己来定。赛题确定为PCB板检测，并且缺陷是样例集里固定的几种。Q：训练的材料也是公司这边提供吗？赛事页面已提供样例集，我们选手可以自行寻找合适的开源数据集。Q：评分用的数据集也是和样例数据集一样吗？一张pcb板只会有一种错误，还是说有几种错误同时在一张板子上的情况？是的，缺陷种类一样，初赛是一张板子一种缺陷。Q：大赛中使用的算法是否必须为本人提出的？使用开源的sota方案是否符合要求？初赛不做限制的，看最终的得分。Q：能够用自己买的910来训练吗？也可以，但不推荐，910很贵。Q：为什么我跑提供的初赛指导里面的yolov5，有调用了HAM，但是NPU AI那个调用一直是0%呀？其实 npu有调用，只是训练消耗的不多，有时候只有小一段时间会使用，所以会看到0这种情况。Q：打榜的分数是累计的吗这个每提交一次就有分，取最高分。Q：收费平台是训练的npu和储存两部分吗，代金券用完要分别在两个平台充钱吗收费是包括npu和存储两部分，但是代金券应该是都包含的，所以不用担心。Q：preprocess的入参date一次只包含一张图吗？是的。Q：请问老师样例集和训练集是同分布的吗，还是只有格式是一样的只能说格式一样。

能统计鱼池鱼的数量及预估重量

【中国，东莞，2023年11月19日】今天，以“创想无限”为主题的2023华为开发者大赛全球总决赛及颁奖典礼在华为松山湖基地圆满落幕。本届大赛开设云底座和产业两大赛道，覆盖中国以及亚太、拉美、欧洲、土耳其等区域，吸引了来自全球30多个国家和地区的19000多名开发者、3000多支团队报名参赛。 在颁奖典礼上，华为颁发了3个金奖、6个银奖、9个铜奖、7个创新奖等超过25个奖项。全球总决赛大合照本届大赛自启动报名以来，备受全球各领域开发者关注，涌现了众多具有丰富想象力和创造力的优秀作品，包括应用华为云盘古大模型和IoT等能力的智慧工地管控平台、基于华为云AI开发生产线ModelArts和端云协同开发的新一代主动式外骨骼康复产品、将华为昇腾和AI技术应用于为特殊人士打造的无障碍智能交流应用、通过华为昇思MindSpore和AI能力打造的阻塞性睡眠呼吸暂停综合征解决方案、以及通过AI技术实现原声语音自动翻译的语言转译系统等。参赛作品由评委团从技术领先性、方案创新性、商业前景等维度进行综合评审，最终评选出获奖作品。在中国赛区的企业赛道，“天图万境”团队凭借“人工智能AI感知视听空间计算技术”作品一举夺魁，荣获银奖的队伍为“深圳前海粤十信息技术有限公司”和“北京聚力维度科技有限公司”，荣获铜奖的队伍为“国蓝中天”“Motphys”“耕耘逐梦”，荣获创新奖的队伍是“万商云集”和 “云天励飞”。中国赛区企业赛道金奖在中国赛区的学生赛道，“IoT智慧铝电解”团队凭借“基于华为云IoT的铝电解能耗监测管理系统”作品荣获金奖，荣获银奖的队伍为“质感队”和 “卓越脑康”，荣获铜奖的队伍为 “一把火”“融创眼援”“智睡芯安”，荣获创新奖的队伍是“郁云守护”和 “郑信智眼队”。中国赛区学生赛道金奖在亚太赛区，“nozama”队伍凭借“Magik（虚实游戏玩具）”作品荣获金奖，荣获银奖的队伍为“DecentraRating”和“Netizen”，荣获铜奖的队伍为 “HeyHi”“SmartAM”“IC”，荣获创新奖的队伍是“Soca.AI”“Aye-Aye”“CyberWhiz”。亚太赛区金奖华为云全球生态部总裁康宁、华为云CTO张宇昕、华为公司战略与产业发展副总裁肖然等嘉宾出席了总决赛颁奖典礼并为获奖队伍颁奖。康宁在致辞中表示：“全球数字经济蓬勃发展，以云为底座的创新生态，以大模型为代表的创新技术，正在加快重塑千行万业。开发者作为创新技术生态体系的核心力量，也迎来了高速发展的新机遇。华为将在多元算力领域、AI领域、云原生核心软件领域持续突破，构筑核心技术新生态，与开发者一路同行，引领数字未来。”张宇昕表示：“开发者是用代码改变世界的人，每个开发者都在引领数字时代，开创智能世界，每个开发者都了不起！华为公司希望提供连接开发者、连接企业、连接投资人的舞台，让更多开发者投入到软件开发、投入到创造新世界的洪流当中；让更多企业开发者创新产品、创造价值、加速企业发展；让更多的资金发现创新机会，创造商业价值。华为云希望和开发者一起，用创新的技术和产品来推动世界进步，创造更加美好的智能世界！”肖然在致辞中阐述了华为在根技术领域的研发投入成果，以及全面助力开发者成功的决心和行动。他表示：“未来，华为将持续加大技术投入和创新，并通过在供应链、标准和人才等领域开放合作、包容发展，与客户、伙伴、标准组织和开发者一起推动整个产业的进步，为各行各业的数字化转型提供技术保障和价值驱动，以推动数字经济的高质量发展。”作为华为ICT领域的顶级赛事，华为开发者大赛旨在面向全球开发者全面开放华为各产业领域的技术成果，鼓励开发者发挥想象力和创新精神，用ICT技术解决实际问题、创造无限价值，与华为一起引领数字未来、共建智能世界。本届大赛总奖金达500万元，除了丰厚的奖金外，华为云同步为每支参赛队伍提供的无门槛云资源券，提供优质课程、沙箱实验等丰富的学习资源扶持和华为云开发者认证券，并通过华为云学堂持续培养和赋能开发者。同时，优秀参赛者还能获得华为云云商店KooGallery、沃土云创计划、初创计划等提供的商业成功扶持。此外，大赛额外设置人才招聘绿色通道，如华为人才市场岗位库，人才双选会门票等资源。一直以来，华为云致力于构建以开发者为核心的、开放共赢的生态体系。目前，华为云全球开发者数量已超过500万人，合作伙伴42000多家，云商店SaaS应用已达10000多个，与全国110多所高校合作培养数万名专业人才，产、学、研、用深度融合，让核心技术生态行稳致远。面向飞速发展的大模型时代，在开发者方面，华为云提供盘古大模型研发工程套件，打造开放模型社区、大模型云学堂，帮助开发者更快实现大模型的开发落地。华为云希望广大开发者基于华为的根技术，利用云上的澎湃算力和盘古大模型的强大能力，共同构建起“百模千态”的繁荣生态。面向未来，华为将加快软、硬、边、端、云等全面融合，协同华为云、鲲鹏、昇腾、鸿蒙等开发生态，持续加大投入研发创新，与全球各领域开发者一起用技术推动世界进步。