Volume 3,Issue 9
基于深度学习的城市户外招牌AI 智能化巡查方案研究
针对城市户外店招管理乱象与传统人工巡查模式的多重短板,本文融合车载视频采集、北斗高精度定位、深度学习目标检测与 OCR 文字识别技术,构建一套全流程闭环户外招牌 AI 智能巡查系统。系统依托移动巡查车与固定监控点位采集街面店招数据,通过 AI 算法自动识别招牌私自更换、缺字断亮、画面破损三类违规问题,联动城市市容管理数据库生成处置工单,并设计人工复核 + 模型自学习迭代机制持续优化识别精度。研究表明,该方案可实现 24 小时全域不间断巡查,解决人工巡查成本高、时效差、主观误差大、户外作业风险高等痛点,为城市市容景观数字化治理提供可落地技术路径。
[1] S. Ren, K. He, R. Girshick, and J. Sun. Faster R-CNN: Towards real-time object detection with region proposal networks. arXiv preprint arXiv:1506.01497, 2015.
[2] J. Redmon, S. Divvala, R. Girshick, and A. Farhadi. Youonly look once: Unified, real-time object detection.In CVPR, 2016.
[3] J. Redmon and A. Farhadi. Yolo9000: Better, faster, stronger. In Computer Vision and Pattern Recognition. In CVPR, 2017.
[4] J. Redmon and A. Farhadi. Yolov3: An incremental improvement. arXiv, 2018.
[5] 刘树春、贺盼、马建奇、王佳军、谢雨飞、陈明曦著. 深度实践OCR:基于深度学习的文字识别[M]. 北京. 机械工业出版社,2020.