使用YOLO模型,匹配和改进来提高自动烟雾柴油车辆检测的准确性.
Yaojung Shiao1,2, Tan-Linh Huynh1, Jie Ruei Hu1
1Department of Vehicle Engineering, National Taipei University of Technology, Taipei 10608, Taiwan.
Sensors (Basel, Switzerland)
|February 10, 2024
概括
一种新方法使用先进的物体检测和图像处理来准确检测烟雾的柴油车辆. 这种方法显著提高了检测率,并减少了处理时间,以实现更清洁的运输.
科学领域:
- 环境科学 环境科学
- 计算机视觉 计算机视觉
- 运输工程 运输工程
背景情况:
- 交通是空气污染的主要来源,烟雾的柴油车辆是造成空气污染的主要原因.
- 有效检测这些车辆对于实施有针对性的减排战略至关重要.
研究的目的:
- 开发和评估一种新的,高精度的方法来检测有烟雾的柴油车辆.
- 在准确性,稳定性和处理速度方面改进现有方法.
主要方法:
- 使用了You Only Look Once (YOLO) 模型,特别是YOLOv5s,用于对车辆,车牌和烟雾的初始物体检测.
- 实施了两种匹配技术,将烟雾区域与车辆形状和车牌相关联.
- 应用图像处理用于完善烟雾区域检测和消除阴影引起的虚假阳性.
主要成果:
- 对于烟雾区域检测,YOLOv5s获得了高精度 (91.4%) 和91%的平均精度 (mAP@0.5).
- 拟议的方法达到97.45%的检测率和93.50%的精度,优于现有方法.
- 处理时间减少到每张图像85毫秒,比参考研究快得多.
结论:
- 开发的方法在检测有烟雾的柴油车辆方面表现出卓越的准确性,稳定性和效率.
- 该系统的性能表明,它在空气污染监测和控制方面具有很强的实际应用潜力.
- 这一进步有助于通过改进的车辆排放检测来减少与运输有关的空气污染.
