一种基于改进YOLOv8模型的路面井盖缺陷自动检测方法及系统

    公开(公告)号:CN120013888A

    公开(公告)日:2025-05-16

    申请号:CN202510080034.4

    申请日:2025-01-19

    Abstract: 本发明提出了一种基于改进YOLOv8模型的路面井盖缺陷自动检测方法及系统,重点优化了模型架构,旨在提升对路面井盖缺陷的检测精度与计算效率。改进后的YOLOv8模型采用了Mish激活函数代替原有的SiLU激活函数,并引入了CGA注意力机制。Mish激活函数的使用在一定程度上缓解了梯度消失问题,使得信息在网络中能够更好地流动,促进了网络训练的稳定性和有效性。CGA注意力机制能够让网络在处理特征时更加关注重要部分,增强了对井盖缺陷特征的捕捉能力。通过这些改进,使模型的表达能力得到提升。改进后的YOLOv8模型不仅可以实现高效计算,而且在路面井盖缺陷的自动化检测中展现出更高的精度,为井盖缺陷检测提供了一种更具优势的解决方案。

    一种基于深度学习的停车场监控系统及方法

    公开(公告)号:CN119964385A

    公开(公告)日:2025-05-09

    申请号:CN202510080043.3

    申请日:2025-01-19

    Abstract: 本发明涉及一种基于深度学习的停车场监控系统及方法,该系统主要由停车场监控装置和上位机组成。停车场监控装置包括STM32单片机作为主控芯片,连接光电传感器、超声波测距传感器、电源模块、舵机、装置显示模块、车牌识别模块以及ESP8266模块。光电传感器用于检测车辆,超声波测距传感器用于测量车辆停放位置,电源模块用于给装置供电,舵机控制道闸;装置显示模块用于显示车辆停放状态;车牌识别模块使用深度学习算法识别车牌号码;ESP8266模块实现与ONENET物联平台的通信,将数据传输至PC端软件;上位机通过PC端软件显示车辆信息,实现远程监控。本发明具有响应速度快、可靠性高、易于扩展和维护等优点,适用于各类停车场监控场景。

Patent Agency Ranking