基于深度学习的安全行车辅助系统设计与实现  

作　　者：胥文倩 张铂洋 赵伟 杜懿宸 于洋[1] 

机构地区：[1]天津师范大学计算机与信息工程学院软件学院,天津市300387

出　　处：《电子技术与软件工程》2023年第5期153-158,共6页ELECTRONIC TECHNOLOGY & SOFTWARE ENGINEERING

基　　金：天津市大学生创新创业训练计划项目,项目编号:202210065181。

摘　　要：本文基于YOLOv5模型开发的智能安全驾驶监测系统旨在通过现代技术推动智能驾驶辅助的普及。本文将YOLOv5算法应用于驾驶员行为检测中,训练结果显示,mAP值达到97.84%,精确率为96.15%,召回率为95.47%,相对于YOLOv3的mAP值93.21%、YOLOv4的mAP值97.82%达到较好效果。基于高正确率的监测,可将系统推广到出租车服务以及客运、货运等大型车。

关 键 词：监测系统 YOLOv5 酒精传感器 目标检测 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] TP391.41[自动化与计算机技术—控制科学与工程] U463.6[机械工程—车辆工程]