本项目为加油站AI2.0智慧管理系统,通过计算机视觉技术实现加油站作业全流程的智能化监控与管理,涵盖卸油作业规范检测、员工工服识别、车流统计、车牌识别四大核心功能。
卸油区八步法分析:基于YOLOv5目标检测与CenterNet关键点检测,结合时序状态机判断,实时监测卸油作业八个步骤是否规范执行,异常情况自动报警,确保油站安全作业合规。
车流统计与车牌识别:通过YOLOv5车辆检测配合ByteTracker跟踪实现车辆进出计数和停留时长分析,同时使用LPRNet完成车牌检测与识别,为油站运营提供数据支撑。
多平台部署与模型优化:完成C++后端算法适配与精度调整,在地平线芯片盒子和NVIDIA Xavier平台上完成部署。通过模型量化(INT8/FP16)、CML蒸馏、DML蒸馏等模型压缩技术,在精度损失小于1%的前提下实现推理速度提升2倍、模型体积减少60%。
本人角色:担任项目负责人,负责整体技术方案设计、核心算法研发、C++后端适配、多平台部署及模型优化全流程。
技术栈:PyTorch、libtorch、ONNX、YOLOv5、CenterNet、LPRNet、ByteTracker、TensorRT、地平线工具链