机构名称：
¥ 1.0
(发布/收到：2024 年 6 月 1 日，喀布尔/接受：2024 年 6 月 12 日，发表/发布：2024 年 6 月 26 日) 摘要 由于世界人口的增长，车辆的使用日益广泛。在智能交通系统范围内，信息技术部门和交通运输部门以综合的方式工作，以解决车辆数量增加所带来的问题。使用传感器和摄像头获取的数据通过基于人工智能的信息技术进行分析，并用于自动驾驶汽车、安全、交通管理、导航和乘客信息系统。计算机视觉通过结合图像处理和深度学习技术，使机器能够从图像中提取有意义的模式和关系。计算机视觉技术应用于旅游、卫生、工业、国防、交通、服务、电子商务等许多领域。开发的应用程序为交通运输领域的各种挑战提供了解决方案。对于使用液化石油气 (LPG) 燃料的车辆，液化石油气罐中的气体易燃，存在潜在的爆炸危险，尤其是在城市的某些区域。医院、购物中心、酒店等提供室内停车服务的机构和组织禁止液化石油气车辆进入。禁令的控制方法是指派人员检查车辆后备箱。在本研究中，使用计算机视觉技术自动检测液化石油气燃料车辆。对土耳其不同省份的移动摄像头捕获的车辆图像数据进行了训练，并与四种不同的深度学习模型进行了比较。对模型进行训练和性能测试的结果表明，YOLOv8 模型比其他模型更有效，准确率为 0.994 mAP，速度为 11.6 毫秒。事实证明，它在现实生活中的实时监控方面是一种稳定的模型。可以预见，开发的系统可以促进计算机视觉技术的应用，并有利于国民经济、公共生命安全和环境保护。关键词：计算机视觉、深度学习、图像处理、LPG、车辆。
使用计算机视觉检测危险区域的液化石油气车辆......
主要关键词
相关文件推荐
