基于Yolov8的道路缺陷分割检测项目

路面坑洞检测

概述

本项目实现了一个先进的路面坑洞检测系统，结合了计算机视觉和深度学习技术。通过使用YOLOv8-small模型，我们创建了一个强大且高效的解决方案，用于在道路图像和视频中识别和定位坑洞。

演示

主要特性

• YOLOv8-small模型：采用紧凑且强大的YOLOv8-small架构，能够进行实时物体检测和分割。
• 多格式输入：支持处理图像和视频，具备多种应用场景。
• 实时检测：实现快速推理，适用于移动设备和边缘设备。
• 用户友好界面：使用Streamlit实现简洁易用的交互界面。

技术栈

• 深度学习框架：YOLO (You Only Look Once) v8
• 计算机视觉：OpenCV 和 Supervision
• 数据处理：NumPy
• 用户界面：Streamlit
  

设置与安装

1. 克隆项目仓库：

   
   cd pothole
   

2. 安装所需的依赖：

   pip install -r requirements.txt
   

3. 运行Streamlit应用：

   streamlit run app.py
   

使用方法

1. 使用Streamlit应用上传图像或视频进行坑洞检测。
2. 根据需要调整置信度阈值和其他参数。

这个项目通过结合先进的深度学习技术与直观的用户界面，为坑洞检测提供了一个高效且便捷的解决方案。