本发明专利技术公开了一种夜间道路抛洒物检测方法、系统、电子设备及存储介质，检测方法包括：获取带标注的夜间道路图像并对图像进行预处理，得到预处理后的图像；构建基于知识蒸馏的检测模型，检测模型由学生网络和教师网络组成；将预处理后的图像输入到学生网络，经反射率习后、目标检测处理得到检测结果A；将预处理后的图像输入到教师网络，经目标检测处理得到检测结果B；基于检测结果A、B对学生网络进行训练；训练后的学生网络根据预处理后的图像对夜间道路上的抛洒物进行检测，并输出包含抛洒物边界框以及抛洒物类别标签的图像。检测方法结合知识蒸馏、反射率学习、目标检测网络等技术，实现在低光照条件下对道路抛洒物的高精度检测。
【技术实现步骤摘要】
本专利技术涉及计算机视觉目标检测，具体涉及一种夜间道路抛洒物检测方法、系统、电子设备及存储介质。
技术介绍
1、道路上的抛洒物可能包括车辆零部件、货物、交通事故残留物以及其他杂物，这些物体会对道路安全构成威胁，特别是在夜间光照条件不足的情况下，驾驶员的视线会受到限制，道路上抛洒物的存在会增加道路安全的隐患，影响夜间行车安全。
2、传统的夜间抛洒物检测方法主要依赖于视频监控系统和人工巡查。这些方法存在明显的局限性，如检测效率低、实时性差、易受环境影响等。随着图像处理技术和深度学习算法的发展，基于计算机视觉的道路抛洒物检测技术逐渐成为研究热点。然而，夜间低光照条件下，传统的图像处理技术和检测算法往往难以准确识别道路上的抛洒物。
3、近年来，深度学习技术在目标检测领域取得了显著成果，尤其是卷积神经网络(cnn)的应用。然而，深度学习模型通常需要大量的标注数据进行训练，且模型复杂度高，难以在资源受限的设备上实现实时检测。同时，夜间光照条件不足，低光照条件下图像质量不佳也会影响模型的检测性能，导致检测精度下降。
r/>技本文档来自技高网...
【技术保护点】
1.一种夜间道路抛洒物检测方法，其特征在于，包括步骤：
2.根据权利要求1所述的一种夜间道路抛洒物检测方法，其特征在于，所述学生网络包括反射率学习模块、目标检测模块；
3.根据权利要求2所述的一种夜间道路抛洒物检测方法，其特征在于，所述反射率学习模块包括Retinex分解子模块、反射率增强子模块；
4.根据权利要求3所述的一种夜间道路抛洒物检测方法，其特征在于，
5.根据权利要求2-4任一项所述的一种夜间道路抛洒物检测方法，其特征在于，所述目标检测模块采用的模型为轻量化的LeYOLO网络。
6.根据权利要求1所述的一种夜间道路抛...
【技术特征摘要】
1.一种夜间道路抛洒物检测方法，其特征在于，包括步骤：
2.根据权利要求1所述的一种夜间道路抛洒物检测方法，其特征在于，所述学生网络包括反射率学习模块、目标检测模块；
3.根据权利要求2所述的一种夜间道路抛洒物检测方法，其特征在于，所述反射率学习模块包括retinex分解子模块、反射率增强子模块；
4.根据权利要求3所述的一种夜间道路抛洒物检测方法，其特征在于，
5.根据权利要求2-4任一项所述的一种夜间道路抛洒物检测方法，其特征在于，所述目标检测模块采用的模型为轻量化的leyolo网络。
6.根据权利要求1所述的一种夜间道路抛洒物检测方法，其特征在于，所述教师网络采用的模型为用光照充...
【专利技术属性】
技术研发人员：刘峰，陈囡，黄文清，刘嘉，卢家莉，霍仕峰，
申请(专利权)人：广东诚泰交通科技发展有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。