A Real-time System for Judging Vehicle Loads and Overloaded using Yolo with Post-Processing Algorithm

Abstract

화물차 사고의 매월 10%의 비율을 차지하는 낙하물의 주원인은 과적, 적재불량, 불법개조 차량이다. 이러한 차량들을 단속하기 위해 화물차는 고속도로 진입 시 측정차로를 이용해야 하지만 이를 위반하는 사례가 증가하고 있고, 사람이 직접 확인하기 때문에 많은 노동력이 필요해 과적/적재불량 차량을 단속하는 자동화 시스템에 관한 연구가 필요하다. 본 논문에서는 과적/적재불량 탐지하기 위해 yolov5, yolov7, yolov8을 AI-Hub에서 제공하는 데이터로 학습하고, 차량의 일부만보고 탐지하는 문제를 해결하기 위해 후처리 알고리즘을 적용한다. 후처리 알고리즘을 적용 전과 후를 비교한 결과 가장 성능이 낮았던 Yolov7-E6모델에서 mAP(0.5) 2.2, mAP(0.5:0.95) 3.7만큼 상승했다. 후처리 알고리즘을 적용해 시스템을 구축한다면 차량의 일부만 보고 탐지하는 문제를 해결해 더욱 정확한 예측이 가능할 것으로 기대된다.