工地渣土车清洗识别检测系统 YOLOv7

最新推荐文章于 2024-09-26 20:04:47 发布

Salton Z

最新推荐文章于 2024-09-26 20:04:47 发布

阅读量44

点赞数

文章标签： YOLO

工地渣土车清洗识别检测系统集成边缘+Ai视频分析技术、机器视觉、深度学习等技术，工地渣土车清洗识别检测系统利用工地现场的监控摄像头对将要驶离施工工地的渣土车进行实时监管清洗识别，如果渣土车没有清洗，系统就警报。工地渣土车清洗识别检测系统由前端摄像头与后管理系统构成。前端摄像头对现场进出口的车辆冲洗情况，抓拍识别未冲洗车辆并把违规车辆信发送给系统后台，同步发给相关人员的手机上。

YOLOv7 在 5 FPS 到 160 FPS 范围内，速度和精度都超过了所有已知的目标检测器
并在 V100 上，30 FPS 的情况下达到实时目标检测器的最高精度 56.8% AP。YOLOv7 是在 MS COCO 数据集上从头开始训练的，不使用任何其他数据集或预训练权重。
相对于其他类型的工具，YOLOv7-E6 目标检测器（56 FPS V100，55.9% AP）比基于 transformer 的检测器 SWINL Cascade-Mask R-CNN（9.2 FPS A100，53.9% AP）速度上高出 509%，精度高出 2%，比基于卷积的检测器 ConvNeXt-XL Cascade-Mask R-CNN (8.6 FPS A100, 55.2% AP) 速度高出 551%，精度高出 0.7%。

工地渣土车清洗识别检测系统 YOLOv7_人工智能

为保证驾驶人员恰当掌握立即清洗的清洗要求，并且在违规后立即证据调查，工地渣土车清洗识别检测系统可以智能抓拍车牌号，识别未清洗情况，清洗时长不够等违规情况，并保存视频数据及时将违规数据上传至管理平台。

# From Mr. Dinosaur
 
import os
 
 
def listdir(path, list_name):  # 传入存储的list
    for file in os.listdir(path):
        file_path = os.path.join(path, file)
        if os.path.isdir(file_path):
            listdir(file_path, list_name)
        else:
            list_name.append(file_path)
 
 
list_name = []
path = 'D:/PythonProject/data/'  # 文件夹路径
listdir(path, list_name)
print(list_name)
 
with open('./list.txt', 'w') as f:  # 要存入的txt
    write = ''
    for i in list_name:
        write = write + str(i) + '\n'
    f.write(write)