成果介绍
我国地形复杂多样,一些公路或铁路不可避免地建在山坡旁边,这些坡地受到雨水和地震等因素影响,可能发生滑坡和落石等地质灾害,导致交通阻塞甚至对车辆和行人造成危害。因此,对道路边坡落石情况进行实时监测具有重要的实际意义。
目前,主流的目标检测识别算法通常依赖于云服务器进行模型推理和预测。然而,这种做法受限于通信链路带宽,可能导致目标检测和识别过程中的高延迟和实时性不足,无法对突发的道路入侵地质灾害做出快速反应。随着网络数据量的持续增长,大量低质量或无效数据可能超出网络和服务器的处理能力。
随着技术的进步,嵌入式微处理器的性能得到了显著提升,使得边缘计算的研究和应用成为解决上述问题的热点。边缘计算能够在数据源附近进行处理,减少数据传输的延迟,提高实时性。
为克服相关技术中存在的问题,本发明实施例提供一种基于改进FCOS的道路边坡落石实时检测系统,解决了道路边坡落石检测实时性欠缺问题和网络数据量持续增长问题。
成果亮点
1.改进了FCOS算法模型,引入轻量级主干网络替换原特征提取网络轻量化网络模型,减少了网络模型参数;2.将改进FCOS算法模型量化部署到嵌入式开发板运行,实现对目标进行快速且准确的识别,降低对中心服务器的依赖,提高了系统对突发事件的响应速度和处理能力;3.将检测到落石的数据结果上传到后端服务器存储,减少了网络无效数据传输量和服务器的存储压力。
团队介绍
团队成员有绍兴交投集团、浙江数智交院科技股份有限公司、绍兴柯诸高速有限公司、成都理工大学、中交二公局、中交路桥建设公司和浙江岩创科技有限公司等单位组成,其中团队成员拥有一位院士、7位博士、超过20位副高级职称
成果资料