智慧工地车辆冲洗系统 工地渣土车工程车辆未冲洗自动抓拍系统对每辆工程车辆的清洗实现自动识别和违规判定,如果智慧工地车辆冲洗系统 工地渣土车工程车辆未冲洗自动抓拍系统识别到现场车辆冲洗不干净或者没有冲洗,系统就会自动语音播报提醒车辆立即合规冲洗并抓拍上报给智慧工地监管平台。尽量避免工地上施工出入的渣土车工程车辆将泥沙带入道路,给外面道路及环境造成污染。智慧工地车辆冲洗系统 工地渣土车工程车辆未冲洗自动抓拍系统利用yolo网络深度学习技术提升工地整体监控效率,降低因为人工因素发生的误报漏报。
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%。
随着社会的发展和科技水平的进步,居民对城市周边生活环境和空气质量的也越来越重视。但是未清洗干净就离开工地的工程车以及渣土车,会影响城市通行环境并且给城市道路保洁带来很多麻烦和压力额外造成污染。渣士车以及工程车辆在驶离工地时存在车辆未冲洗或者冲洗不干净,导致工程车带泥上路给工地周边居民以及城市环境造成污染和影响。对此大家都在努力阻止这种不清洗违规行为情况的发生。智慧工地车辆冲洗系统 工地渣土车工程车辆未冲洗自动抓拍系统在此背景下解决渣土车工程车未冲洗及冲洗不干净问题应运而生。
# 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)
智慧工地车辆冲洗系统 工地渣土车工程车辆未冲洗自动抓拍系统可以对每辆进出工地出入口的工程车辆和渣土车冲洗情况7*24小时不间断检测,一旦识别到出工地的车辆冲洗不达标或者故意绕路躲避冲洗,系统将现场自动进行语音提醒车辆重新清洗并抓拍和录像。智慧工地车辆冲洗系统 工地渣土车工程车辆未冲洗自动抓拍系统避免出入工地的车辆违规躲避工地冲洗,将泥沙带入道路街道,造成周边环境和空气造成污染,并事后进行相关车辆的违规追责。
标签:YOLOv7,冲洗,抓拍,list,渣土,车辆,path,工地 From: https://blog.csdn.net/SuiJiAi/article/details/140761788