基于YOLOv7的共享汽車衛(wèi)生監(jiān)察平臺(tái)

摘要：隨著全球共享汽車行業(yè)的不斷發(fā)展，中國(guó)有望在2025年成為全球最大的共享汽車市場(chǎng)，但車輛內(nèi)部環(huán)境清潔問(wèn)題成為制約共享汽車行業(yè)發(fā)展的重要因素。該研究針對(duì)共享汽車衛(wèi)生問(wèn)題，提出了基于YOLOv7的監(jiān)控平臺(tái)。通過(guò)目標(biāo)檢測(cè)技術(shù)實(shí)時(shí)監(jiān)測(cè)車內(nèi)環(huán)境，結(jié)合物聯(lián)網(wǎng)和手機(jī)應(yīng)用程序提高清潔效率。訓(xùn)練模型采用多種數(shù)據(jù)增強(qiáng)技術(shù)，并在實(shí)驗(yàn)中驗(yàn)證其有效性。硬件設(shè)計(jì)方面，利用ESP32-CAM實(shí)現(xiàn)了攝像頭控制和數(shù)據(jù)上傳功能。實(shí)驗(yàn)結(jié)果表明，該平臺(tái)能夠有效監(jiān)測(cè)車內(nèi)垃圾情況，并為共享汽車公司提供清潔維護(hù)參考，為行業(yè)發(fā)展提供技術(shù)支持。

關(guān)鍵詞：共享汽車；YOLOv7；人工智能；單片機(jī)；物聯(lián)網(wǎng)；手機(jī)應(yīng)用程序

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2024）22-0029-03

開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）

0 引言

到2025年，中國(guó)的分時(shí)租賃汽車將達(dá)到60萬(wàn)輛，中國(guó)的共享出行人次將達(dá)到每天3 700萬(wàn)人次，對(duì)應(yīng)的市場(chǎng)容量高達(dá)每年3 800億元，潛在需求帶來(lái)的關(guān)聯(lián)市場(chǎng)容量有望達(dá)到1.8萬(wàn)億元，中國(guó)將成為全球最大的共享汽車市場(chǎng)[1]。調(diào)查顯示，受訪消費(fèi)者對(duì)分時(shí)租賃服務(wù)的前五大顧慮中，車內(nèi)環(huán)境臟亂差（43%） 為第二大顧慮，因此，車輛內(nèi)部環(huán)境維護(hù)、清潔及保養(yǎng)成了制約共享汽車發(fā)展的重要因素。

導(dǎo)致衛(wèi)生差的原因之一是：缺乏有效的衛(wèi)生監(jiān)管與舉報(bào)系統(tǒng)，同時(shí)沒(méi)有完善的獎(jiǎng)懲措施，使得責(zé)權(quán)利不對(duì)等，消費(fèi)者行為難以被約束，消費(fèi)者也難以愛(ài)惜不屬于自己的物品。在這種情況下，消費(fèi)者的公共意識(shí)嚴(yán)重不足，導(dǎo)致共享汽車衛(wèi)生狀況較差，嚴(yán)重影響客戶的使用體驗(yàn)。另一原因是：清潔人員只能定期清理，而無(wú)法高效地清理，導(dǎo)致清理效率不高。針對(duì)這兩個(gè)問(wèn)題，本項(xiàng)目使用單片機(jī)與相關(guān)模組結(jié)合的硬件，通過(guò)物聯(lián)網(wǎng)、目標(biāo)識(shí)別技術(shù)，來(lái)對(duì)客戶使用情況進(jìn)行監(jiān)測(cè)，并賦予清潔人員信息來(lái)實(shí)現(xiàn)高效清潔。

1 技術(shù)路線

當(dāng)客戶使用共享汽車產(chǎn)品掃碼上車時(shí)，服務(wù)器遠(yuǎn)程控制單片機(jī)拍攝第一張照片。當(dāng)客戶結(jié)束使用后，拍攝第二張照片，并將兩張照片上傳至云服務(wù)器。使用垃圾目標(biāo)檢測(cè)模型來(lái)識(shí)別出車內(nèi)的垃圾數(shù)量變化，將變化的數(shù)據(jù)傳輸?shù)焦蚕砥嚬尽９蚕砥嚬緦⒅贫ㄏ鄳?yīng)的積分獎(jiǎng)懲制度。單片機(jī)會(huì)在使用結(jié)束后每分鐘檢測(cè)空氣質(zhì)量，并上傳到云服務(wù)器，將空氣質(zhì)量與垃圾數(shù)量傳輸?shù)綉?yīng)用程序。應(yīng)用程序會(huì)在地圖上展示共享汽車的內(nèi)部環(huán)境數(shù)據(jù)，幫助清潔人員高效地清潔。

2 垃圾目標(biāo)檢測(cè)

2.1 模型選擇

YOLOv7模型為2022年Chien-Yao Wang團(tuán)隊(duì)發(fā)布的YOLO版本，其論文已被國(guó)際頂級(jí)會(huì)議CVPR（IEEE國(guó)際計(jì)算機(jī)視覺(jué)與模式識(shí)別會(huì)議）收錄。YOLOv7模型在5FPS到160FPS范圍內(nèi)的速度和精度都優(yōu)于目前大部分的目標(biāo)檢測(cè)器，并且在GPU V100上30FPS或更高的所有已知實(shí)時(shí)目標(biāo)檢測(cè)器中具有最高的精度56.8% AP[2]。

2.2 數(shù)據(jù)的采集與處理

1） 數(shù)據(jù)采集與預(yù)處理。訓(xùn)練數(shù)據(jù)來(lái)自網(wǎng)絡(luò)爬蟲(chóng)和現(xiàn)實(shí)拍攝，共獲得1 320張圖片。使用LabelImg軟件對(duì)所有圖片進(jìn)行標(biāo)注。為了增加數(shù)據(jù)量，進(jìn)行數(shù)據(jù)增強(qiáng)，通過(guò)旋轉(zhuǎn)、反轉(zhuǎn)、改變光亮度、加入噪聲等方式將圖片擴(kuò)充到6 600張。對(duì)采集的圖像按照6∶2∶2劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集。

2） 模型評(píng)價(jià)指標(biāo)。本文選擇準(zhǔn)確率（Precision， P）、召回率（Recall， R）、平均精度（Average Precision， AP）、平均精度均值（Mean Average Precision， mAP）作為模型的評(píng)價(jià)指標(biāo)[3]。計(jì)算公式如下：

[Precision= TpTp+ Fp ×100%] （1）

[Recall= TpTp+ FN ×100%] （2）

[AP=01P（r）dr] （3）

以對(duì)紙張檢測(cè)識(shí)別為例，式中，[Tp]表示模型預(yù)測(cè)正確的數(shù)量，[Fp]表示模型預(yù)測(cè)錯(cuò)誤或者未能預(yù)測(cè)的數(shù)量，[FN]表示預(yù)測(cè)成非紙張種類的數(shù)量。mAP的值為各個(gè)種類的AP的平均值。

2.3 實(shí)驗(yàn)平臺(tái)

本次訓(xùn)練與測(cè)試模型均為同一環(huán)境，環(huán)境配置如表1所示。

2.4 實(shí)驗(yàn)結(jié)果及分析

輸入圖片尺寸為640×640像素，訓(xùn)練批次設(shè)置為32，訓(xùn)練輪次設(shè)置為150次，初始學(xué)習(xí)率為0.01。從圖2可以看出，在迭代50次之后振蕩大幅減少，在迭代100次之后，提升逐漸穩(wěn)定并趨于收斂。選擇訓(xùn)練中的最優(yōu)模型進(jìn)行測(cè)試，最終結(jié)果平均精度達(dá)到0.94。

3 軟件設(shè)計(jì)

移動(dòng)端手機(jī)應(yīng)用程序安裝在清潔人員的手機(jī)，能夠節(jié)省用戶選擇共享汽車的時(shí)間消耗。該應(yīng)用程序提供了查詢附近共享汽車位置、查詢共享汽車相關(guān)信息（如車內(nèi)的清潔情況）以及導(dǎo)航到指定共享汽車附近等功能。通過(guò)后端服務(wù)器提供的API，手機(jī)應(yīng)用程序能夠獲取所需的數(shù)據(jù)內(nèi)容。同時(shí)，借助某些通信協(xié)議，服務(wù)器也能夠主動(dòng)推送數(shù)據(jù)給客戶端，使得手機(jī)應(yīng)用程序能夠?qū)崟r(shí)獲取到相關(guān)數(shù)據(jù)。此外，一些互聯(lián)網(wǎng)公司提供了導(dǎo)航定位相關(guān)的SDK，如高德地圖，客戶端可以基于此實(shí)現(xiàn)實(shí)時(shí)獲取用戶位置信息以及共享汽車的相關(guān)數(shù)據(jù)（如位置信息、內(nèi)部清潔情況、電量等），從而進(jìn)一步實(shí)現(xiàn)導(dǎo)航業(yè)務(wù)功能[4]。系統(tǒng)整體結(jié)構(gòu)如圖3所示：

導(dǎo)航流程如下：

用戶在手機(jī)端點(diǎn)擊指定的車輛并選擇導(dǎo)航，由此進(jìn)入導(dǎo)航界面，供用戶選擇導(dǎo)航模式。完成上述步驟后，即可開(kāi)始導(dǎo)航。導(dǎo)航流程圖如圖5所示：

云服務(wù)器端的設(shè)計(jì)：

1） 該服務(wù)器的主要職能包括發(fā)布清潔任務(wù)、評(píng)價(jià)清潔成效、向車內(nèi)傳感器發(fā)出指令并收集車輛的各類信息。

2） 負(fù)責(zé)將收集到的車輛數(shù)據(jù)上傳至共享汽車公司的服務(wù)器，以分析和評(píng)估車輛的內(nèi)部狀況，并保留所有相關(guān)過(guò)程中的關(guān)鍵信息。

3） 將車輛信息上傳至共享汽車公司，協(xié)助共享汽車公司更加有效地評(píng)估和維護(hù)車輛的清潔度和衛(wèi)生狀況。

4） 云服務(wù)器作為信息流動(dòng)的核心樞紐，其最重要的功能在于處理、存儲(chǔ)并轉(zhuǎn)發(fā)獲得的信息，實(shí)現(xiàn)控制指令的上傳和下達(dá)[5]。服務(wù)器中存儲(chǔ)的歷史數(shù)據(jù)對(duì)于共享汽車公司提供查詢服務(wù)至關(guān)重要，為公司提供了一個(gè)寶貴的信息資源庫(kù)，以支持其日常運(yùn)營(yíng)和決策制定過(guò)程。

數(shù)據(jù)庫(kù)設(shè)計(jì)：

通過(guò)分析整個(gè)系統(tǒng)設(shè)計(jì)到的實(shí)體以及實(shí)體之間的關(guān)系，可以確定數(shù)據(jù)庫(kù)表至少含有用戶信息表、車輛信息表、車輛的使用記錄表等。

4 硬件設(shè)計(jì)

以 ESP32-CAM 為原型，自主繪制了一個(gè)PCB板，能夠滿足同時(shí)控制兩個(gè)攝像頭的要求。在嘉立創(chuàng)平臺(tái)上打印了PCB板并進(jìn)行了3D外殼打印。由于開(kāi)發(fā)板引腳數(shù)量不夠，采用了硬件連接的方法，將除了Vsync以外的兩個(gè)OV2640的所有引腳連接在一起接在芯片上，并將兩個(gè)Vsync連接在開(kāi)發(fā)板不同的引腳。之后，通過(guò)代碼來(lái)控制不同的引腳電位變化，從而控制不同的攝像頭進(jìn)行拍照。Vsync 是攝像頭模塊中的一個(gè)信號(hào)，用于同步圖像采集，其作用是標(biāo)志圖像幀的開(kāi)始和結(jié)束，保證圖像數(shù)據(jù)的采集完整并按照正確的順序傳輸[4]。

產(chǎn)品啟動(dòng)時(shí)，首先連接Wi-Fi，然后初始化攝像頭、傳感器模塊和內(nèi)部存儲(chǔ)功能。完成上述操作后，開(kāi)始進(jìn)行拍照功能，將圖片以Base64格式存儲(chǔ)在芯片內(nèi)部，并封裝成JSON格式。之后根據(jù)內(nèi)部存儲(chǔ)的網(wǎng)址連接服務(wù)器，以POST格式向服務(wù)器指定路徑發(fā)送生成的 JSON 數(shù)據(jù)。同時(shí)，使用DHT11模塊測(cè)量溫濕度，使用MQ-2模塊測(cè)量煙霧，同樣以JSON 格式發(fā)送至服務(wù)器。最后，關(guān)閉HTTP連接。

5 結(jié)束語(yǔ)

本研究基于 YOLOv7模型和單片機(jī)等硬件設(shè)備，設(shè)計(jì)并實(shí)現(xiàn)了共享汽車衛(wèi)生監(jiān)察平臺(tái)。該平臺(tái)能夠?qū)崟r(shí)監(jiān)測(cè)車內(nèi)環(huán)境的清潔情況，提高了清潔工作的效率和準(zhǔn)確性，為共享汽車行業(yè)的發(fā)展提供了技術(shù)支持。

通過(guò)監(jiān)測(cè)車內(nèi)垃圾數(shù)量的變化，平臺(tái)將監(jiān)測(cè)數(shù)據(jù)傳輸給共享汽車公司，幫助其制定積分獎(jiǎng)懲制度，促進(jìn)車內(nèi)環(huán)境的維護(hù)和清潔。同時(shí)，設(shè)計(jì)的手機(jī)App為清潔人員提供了便捷的查詢和導(dǎo)航功能，提高了清潔工作效率。

綜上所述，該平臺(tái)為共享汽車行業(yè)提供了實(shí)用的解決方案，有助于提升用戶體驗(yàn)，促進(jìn)行業(yè)的健康發(fā)展。

參考文獻(xiàn)：

[1]新華網(wǎng).全球共享汽車行業(yè)仍然面臨多重阻力[EB/OL].（2021-03.28）[2024-02-23]. http：//www.xinhuanet.com/2021-03/28/c_1127265169.htm.

[2] WANG C Y，BOCHKOVSKIY A，LIAO H Y M.YOLOv7：trainable bag-of-freebies sets new state-of-the-art for real-time object detectors[C]//2023 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）.Vancouver，BC，Canada.IEEE，2023：7464-7475.

[3] 林森，劉美怡，陶志勇.采用注意力機(jī)制與改進(jìn)YOLOv5的水下珍品檢測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào)，2021，37（18）：307-314.

[4] 王錕.住宅小區(qū)私家車位共享手機(jī)App開(kāi)發(fā)及車位選擇匹配算法研究[D].蘭州：蘭州交通大學(xué)，2021.

[5] 王錕，魏建兵，馬秦靖，等.基于Android平臺(tái)的 “共享車位”手機(jī)App系統(tǒng)設(shè)計(jì)[J].工業(yè)控制計(jì)算機(jī)，2023，36（5）：113-115.

【通聯(lián)編輯：唐一東】