基于改进YOLOv5算法和边缘设备的电动车违规载人检测

严禁电动车违规载人是新交通法规中的重要内容,针对目前缺乏有效的检测电动车违规载人算法的现状,设计了一种基于改进的YOLOv5目标检测算法与边缘设备相结合的电动车违规载人检测系统。首先构建电动车行驶数据集;其次以YOLOv5网络模型为基础,引入轻量化网络Mobilenetv3、ECA⁃Net注意力机制、Slim⁃Neck结构和SPPFCSPC空间金字塔池化结构,提升针对电动车违规载人的检测精度,并且与原算法做消融实验;最后将改进后的算法部署在边缘设备Jetson Nano上进行实时推理。通过分析实验数据,改进后算法的参数量下降为原YOLOv5n的18%,在Jetson Nano上其推理速度提升了62%,最快推理速度可以达到17 FPS。改进后的算法在Jetson Nano上可以在提升检测精度的同时大幅提高推理速度,满足在不同场景下进行边缘部署的需求。