买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安电子科技大学申请的专利基于YOLOv8的弯道目标检测系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119478855B 。

龙图腾网通过国家知识产权局官网在2026-03-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411563242.1，技术领域涉及：G06F9/50；该发明授权基于YOLOv8的弯道目标检测系统是由王兰美;车宇;韩玉杰;徐强;孙长征;王桂宝设计研发完成，并于2024-11-04向国家知识产权局提交的专利申请。

本基于YOLOv8的弯道目标检测系统在说明书摘要公布了：首先在农村公路搭建视频监控系统，构建弯道目标检测数据集，使用弯道目标检测数据集训练YOLOv8算法模型，达到快速识别弯道交通目标检测的目的；针对雨雪形态变换自由，使用改装的积水传感器来辅助判断，并为传感器开发了专用于GPIO接口的扩展板，结合温湿度传感器，提高了道路积水以及雨雪检测的准确度；并将人工智能算法部署在本地边缘节点，可有效降低成本，使处理延迟小，稳定性高，并且实现灵活布置，不受线路影响；软件部分，软件框架细分为四大部分，分步实现智能交互场景的信息综合研究，判断与决策研究功能，既能优先传递高级预警信息的同时对驾驶员的影响降到最低，又将险情上报上级决策机构，及时阻拦车辆进入。

本发明授权基于YOLOv8的弯道目标检测系统在权利要求书中公布了：1.一种非均匀阵列设计和波达方向估计方法，包含以下步骤： 步骤一：农村公路搭建视频监控系统用于采集道路数据，在采集到的大量道路综合数据的基础上构建适用于农村公路复杂环境下的弯道目标检测数据集RCODS，验证数据集性能并证明所构建数据集的准确率和可用性，随后使用弯道目标检测数据集RCODS训练YOLOv8算法模型，达到快速识别弯道交通目标检测的目的； 1a搭建适合农村公路的视频监控系统，采集特定路段的视频数据： 首先监控摄像机作为数据采集的主要输入设备，系统所有识别相关任务均由监控摄像机作为视频输入设备，所以设备的清晰度与分辨率尤为重要，监控摄像机需要在白天提供清晰、锐利的视频流输入，同时需要具备夜视能力，在夜晚为系统提供黑白夜视画面，使系统在夜间依然可以正常预警，所以选择了大华的400万红外变焦枪型网络摄像机，型号为DH-IPC-HFW3433F-Z；将两台监控摄像机分别设置在弯道两侧，用于监控车道并采集视频数据； 1b视频数据逐帧读取储存，筛选合适图片构建弯道目标检测数据集RCODS： 由于采集到的是连续的视频数据，逐帧提取图片会产生大量的冗余数据，占用大量储存空间的同时也会大大增加数据处理的时间，于是采用每十帧取一张图片的办法，但在视频数据采集的过程中，时间跨度比较大，每十帧取一张图片产生的图片信息量也过于庞大，因此需要进一步的对数据去冗余操作，于是我们在编辑数据集算法脚本的过程中引入了imagehash函数，用imagehash函数对图片进行筛选，将重复的或者相似度高的图像剔除从而进一步压缩数据集，但是得到的数据集依旧庞大，最后在压缩后的数据集中每隔十几张图片随机选择一张图片保留，保证选择样本具有代表性的同时，也可以有效避免因选择方法的偏差而导致的问题，经过上述一系列的操作对长时间拍摄得视频进行处理，最终得到的样本图像作为弯道目标检测系统所需要的数据集； 1c数据标签标注与分类： 生成的数据集图像复杂，包含有天气、行人、卡车、汽车、交通锥、车头灯、农用机械多个类别信息，选择自己需要识别的信息，对数据集的目标类别进行标注和分类；首先需要下载安装Anaconda，并把其中的python版本更换位python3.8.5版本，进行环境配置，详细步骤如下：1点击屏幕左下角的开始，在应用栏里面找到Anaconda文件夹，打开AnacondaPromptanaconda；2在Prompt中依次输入如下指令，用来创建名为labelme的虚拟环境和安装labelme，注意在输入指令的时候需要将默认的python版本改成安装的python版本；在打开的命令行窗口中输入python-version用来查看安装的python版本；3上面操作完成之后，若要检查是否安装成功，需要在命令行窗口输入指令condainfo--env来查看所有环境，出现labelme环境名表示安装成功； 然后开始在系统对选定的目标类别进行标注和分类，具体操作如下：1将数据集文件dataset和标签名文件labelname放入同一个文件夹；假设数据集放到D：\project_1\Qingling这个路径下；2打开AnacondaPrompt，输入activatelabelme激活环境，然后输入D：进入D盘，再输入cdD：\project_1\Qingling进入放置数据集的路径，这里输入要改成自己的路径；3输入labelmedataset--labelslabels_name.txt-flagssunny,rainy,snowy，会出现软件窗口，右侧有对应标签则代表创建成功；Flags的三个选项为晴天、雨天、雪天，Labellist为自己选定的目标类别；4点击opendir，选择dataset文件夹，再点击File，选上SaveAutomatically，取消点选Savewithimage，点击changeOutputdir，即可在同一路径下新建一个label空文件夹并选择；这样标注后的JSON文件就保存在label中了，5在软件右下角Filelist选择图片，开始标注；6在Flags栏选择天气，然后点击Edit，选择矩形框开始标注物体；拖动矩形框，将图片中自己选定的目标类别进行标注；然后点选对应物体的选项；如果矩形框拖动出现偏差按ESC，标注错误按左边的Editpolygons修改；最后按左侧NextImage进行下一张的标注； 1dYOLOv8算法模型训练与验证 在数据集构建和标注完成后，将进行基于YOLOv8算法模型的数据集验证；由于数据集提供了弯道目标检测系统中所需的必要信息，为了能够配合系统作出精确的判断，需要将YOLOv8的算法模型在所构建的数据集上训练，而Ultralytics公司开发的YOLOv8算法可以为目标检测系统提供高效的训练模式；在训练的过程中，需要对输入的数据集按照9：1的模式划分训练集和测试集；接着，需要对环境和超参数进行配置，通过设置一个ql.yaml的超参数配置文件来设置和修改超参数，设定目标检测的类别为“汽车car”、“卡车truck”、“行人person”多种需要的类别；然后在构建的数据集上训练YOLOv8的模型，迭代150轮次，得到一个最佳的训练权重用于数据集的测试； 然后在数据集训练完成得到最佳的训练权重后，对弯道目标检测系统的性能进行了测试与验证，随机挑选弯道视频监控拍摄到的其他照片，放进弯道目标检测系统中，观察是否可以检测到提前训练的目标，并且导出置信值与精确率和F1分数的关系，重复设置置信值，直至弯道目标检测系统可以精确识别设定的目标； 步骤二：针对雨雪形态变换自由，无法使用目标检测功能实现，设计一款改进的积水传感器来辅助判断，同时为了改进的积水传感器增加协议逻辑芯片，使用GPIO接口的扩展板，结合瑞士Sensirion公司的温湿度传感器SHT3x-ARP，提高了道路积水以及雨雪检测的准确度； 2a制作改进传感器 在积水传感器的设计中，最为核心的就是比较器电路的设计，在发明电路设计中首先引入了一个LM393的电压比较器，它可以将同相端电压和反相端电压进行比较，将比较的结果以高低电平的形式输出结果，随后在反相端连接一个滑动变阻器来调节判定是否有积水的电压阈值，在同相输入端设计一个积水感应装置，它是由两个极性相反的电极片DET_A和DET_B间隔一定的距离放置，一个电极片接地，另一个接同相输入端；同时在比较器的输出端并连一个LED报警装置用于判断输出的高低电平，高电平亮，低电平灭；假设总电压为10V，当两电极片之间没有水时，则由DET_A和DET_B两电极片组成的电阻默认为无穷大，根据电路分压原理可知同相端分得的电压趋近10V，此时同相端电压大于反向端电压，输出端输出高电平，LED灯亮；当两电极片之间有水存在时，就相当于两电极片之间有介质，也就等效为有电阻存在，通过调节反相端的滑动变阻器来设定电压阈值，使得反相端电压刚刚好大于同相端电压，此时，输出端输出低电平，LED灯灭； 由于积水传感器节点电路设计的是高电平检测到的是没有水，低电平检测到的是有积水的情况，为了方便后续的工作，在电路的输出端加了一个SN74LVC1G04DBVR反相器用于改变电路输出的高低电平；此外，由于在电路的设计中，两个极板之间如果有积水的话，就会改变它的组织，改变它的通断，但是两个极板范围太小了，因此将两极板扩展到18个，DET_A和DET_B各9个分两组，按照3×3摆放，将DET_A和DET_B，两两交叉间隔摆放在极板上，并将极板放置在不同的位置进行积水检测，增大了检测的面积；这样一个由几个模块集成在一起的电路就是所设计的积水传感器节点电路；当水不管滴在什么地方，只要能连通任意的两个不同极性的红蓝极片，就能形成比较器电路，进而达到检测积水的目的； 2b使用GPIO接口用于传感器周边设备与系统核心设备的连接 GPIO接口用于传感器周边设备与系统核心设备的连接，传感器周边设备为使用I2C与自研协议的积水传感器和温湿度传感器；GPIO接口包含了大量的协议，每种协议的接口定义不同，需要将协议对应接口引出，扩展板通过40PIN接口与核心设备GPIO接口连接，将I2C、SPI、CAN这类接口引出，且在扩展板上设置了协议逻辑芯片，使改进的积水传感器协议可通过芯片与核心设备相连，每个扩展板可连接四组自研协议的积水传感器，而引出的其它接口为增加其他传感器提供了可能，GPIO扩展板与核心设备放置于机柜中，连接的其他传感器通过插入扩展板的对应接口，从机柜引出，每个积水检测节点可分为两个极性，每个极性可连接9个积水检测节点，连通不同极性的积水检测极板激活积水检测节点，激活的积水检测节点将信号传入扩展板，此时核心设备收到有积水的辅助判断信号，每个检测板可连接4个积水检测节点，故一套系统可连接36组积水检测极板，任何一组检测到积水系统都会收到有积水的辅助判断信号； 步骤三：部署硬件系统，本系统节点包含摄像头、传感器、边缘计算设备、天线与交互设备： 本系统节点包括摄像头、传感器、边缘计算设备、天线与交互设备，将人工智能算法部署在本地边缘节点，交互设备使用LED公告板，确保驾驶员能够在远处看清交互内容；传感器使用步骤二的自研传感器，对道路基础设施预警、道路异常预警提供物理传感器与人工智能方法交叉验证，并形成冗余，保证预警功能正常运行；摄像头使用1080P分辨率、带红外夜视功能的摄像头，为夜间道路检测与弯道预警提供有效保障； 为了实现系统的模块化与可扩展性，系统以边缘计算设备为核心，交换机与扩展板为节点交换设备，LED屏幕、监控摄像机、积水传感器与温湿度传感器为周边设备，三种设备均具备单独更换或更新能力，满足复杂使用环境灵活部署；LED屏幕、监控摄像机与交换机相连，交换机通过RJ-45接口与边缘计算设备双向通信；积水传感器、温湿度传感器与扩展板相连，为边缘计算设备提供周边环境感知能力，加强机器学习判断准确性，减少误判与漏判；交换机与各连接设备通过网线连接，扩展板与边缘计算设备通过专用40PIN排线连接，置于边缘计算设备旁，与传感器间的连接使用自研协议与I2C协议； 步骤四：将软件部分与硬件部分整合： 软件框架细分为系统检测模块、Kafka模块、系统分析模块与系统信息传播模块四大部分，系统检测模块负责人工智能算法目标检测，Kafka为信息传递模块，系统分析模块为系统的后处理模块，包括传感器信息后处理与信息发布后处理，信息传播模块负责系统主程序输出与LED屏幕的对接； 4a系统检测模块 系统检测模块负责人工智能算法目标检测，以DeepStream为框架，基于YOLOV8网络研发了剪枝优化算法，优化了原始网络框架的准确度与速度，使其可部署在边缘计算模块运行；为了提高运行效率，该模块使用了C++语言开发，避免了原始网络架构使用python带来的运行效率问题，编译为aarch64架构的原生应用后运行效率也得到了提升； 人工智能处理模块需要加载训练好的权重才可以运行，对网络进行了精度剪枝操作，将FP32精度调整到FP16精度，C++FPl6剪枝优化后的网络架构可实现128FPS的检测速度，同时精度符合要求，可实时处理多条30FPS的2K分辨率视频流； 4bKafka模块 为确保系统运行稳定，将程序拆分为几个子程序执行，人工智能部分由系统检测模块执行，系统检测模块将检测结果通过Kafka输出至系统分析模块进行分析，再将分析结果进行输出，加入子程序模块可以避免主程序崩溃从而导致系统崩溃，也可以使系统更稳定；Kafka的Producer为系统检测模块，Consumer为系统分析模块，系统检测模块输出检测结果字符串，通过Kafka传递至系统分析模块；与Kafka通信的协议层已镶嵌在系统检测模块中，可与Kafka-Server直接对接；Kafka启动前需要启动前置进程ZooKeeper，ZooKeeper启动后拉起Kafka，启动消息传递功能，根据系统需求，编写了守护程序，若Kafka停止工作，则重新启动Kafka，保证系统稳定运行； 4c系统分析模块 系统分析模块为后处理模块，包括传感器信息后处理与信息发布后处理；传感器信息后处理包括对传感器信息的进一步加权处理以及条件判断处理，信息发布后处理包括对系统检测模块传输的消息数据进行后处理；系统检测模块通过Kafka传输的字符串包括识别到的物体结果信息，以及冰雪与积水识别信息，这些字符串均为即时识别信息；受限于屏幕刷新率与输出信息规则限制，将实时检测信息直接进行输出会导致信息杂乱无章，从而直接影响弯道预警场景驾驶员也无法获得有效信息，所以，信息需要进行缓存与处理，处理后的信息才可交由信息传播模块最终现实在LED屏幕上； 传感器后处理不仅包括对人工智能网络输出的积水冰雪警告与原始数据进行对比加权，同时包含了一个看门狗程序，对传感器传输错误帧或传感器未响应进行判断，若传输的错误帧或空帧大于5次，则对传感器发出重置命令；信息发布后处理为综合各种信息的显示策略处理过程，若系统检测模块传输的结果字符串合法，并与传感器原始数据加权后，判断结果中出现的结果频次、传感器数据这些参数，对结果根据显示策略进行处理，最终以字符串的形式输出至信息传播模块中，在LED屏幕上进行显示； 4d信息传播模块 信息传播模块主要负责系统主程序输出与LED屏幕的对接，LED屏幕控制器使用大华DH-PHTOC-PT11控制卡，兼容诺瓦交通协议，需要在此通信协议的基础上进行开发；交通协议有即插即用的上位机程序，但与系统所用核心设备NvidiaJetsonAGXOrin架构和系统不兼容，需要重新开发，经过移植与测试控制卡附带完整的通信协议源代码，成功将控制协议与本系统所用核心设备对接；信息传播模块还要负责LED屏幕排版，将超长字符串进行切割，以大字体显示在对应LED屏幕上，提醒过往车辆驾驶员小心驾驶，缓慢通过； 并且智能交互场景可以实现信息综合研究，判断与决策研究，信息综合研究和判断与决策研究指的是对人工智能网络输出的预警信号进行优先级排序，并利用现有信息优先级进行综合决策，将优先级高的信息通过交互设备LED屏幕显示，优先传递高级预警信息的同时对驾驶员的影响降到最低，同时，出现重大险情时，给予驾驶员高警戒性提醒，提醒车辆减慢速度，同时将险情上报上级决策机构，及时阻拦车辆进入。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。