圖片來源: 

中研院

不論是臺灣智慧路網控制,還是疫情肆虐期間各國用來偵測社交距離,甚至是即時從醫學影像中揪出肉眼難辨的病灶,這些智慧應用的背後,都靠一套輕薄但強大的AI模型來驅動,這就是YOLOv4。一如其名You Only Look Once,只要看一眼,就能分辨萬物,比人眼還銳利,已經在許多應用場景中開始發威。

連結路況偵測形成智慧路網

YOLOv4最知名的應用案例,莫過於智慧路網控制系統。YOLOv4本身就因中研院與義隆電子合作的智慧交通計畫而誕生,由於這個模型輕、快、準的特性,在低運算資源的設備上也能執行,因此問世後,雙方就將模型部署至真實的道路場域上,就在桃園的大園區國道2號下匝道路段。

義隆電子在該路段連續5個路口的號誌燈上,分別裝設了可拍攝360度路況的魚眼鏡頭,以及可拍攝平面路況的槍型攝影機,並搭配號誌燈下的Nvidia Jetson TX2平臺,來分析道路路口影片。首先,在魚眼鏡頭的影像中,先靠YOLOv4來辨識畫面中的車輛、車種和數量,比如認出汽車、機車、自行車、聯結車等,還能計算出車流量、車行平均速度、路口平均佔有率和車輛間距。而在槍型攝影機畫面中,則靠YOLOv4來辨識各車道線內的停等車種,比如機車、小客車和大型車,並分析這些車間的距離。

有了這些資訊,就能用來調節路口交通號誌燈的秒數,緩解車流壅塞。去年8月,桃園、新竹都共同宣布試用這套智慧路網解決方案,臺北市交通局後來也加入試辦,在內科園區堤頂港墘路口架設偵測設備,來進行交通影像辨識,甚至發展出YOLOv4輕量化模型,不只有效辨識車輛和車型,還能針對特殊天候(如晨峰昏峰、劇烈陽光斜射干擾等)來處理影像,強化辨識準確度。

圖片來源/中研院
義隆電子將YOLOv4部署至桃園大園區國道2號下匝道路段連續5個路口處,來分析交通號誌燈旁的魚眼鏡頭和槍型攝影機畫面。圖為魚眼鏡頭即時分析畫面,模型可辨識出車種、車速、轉向等。

巴士盲區警示、空污預測都在行

不只如此,2021年4月,義隆電子團隊也進一步擴大應用,以YOLOv4打造一套巴士盲區即時偵測系統。該系統會即時分析巴士兩側後照鏡的監視器畫面,並在巴士駕駛前方的螢幕上,標示出巴士車身兩側的紅線區域,要是有機車、自行車或行人出現在該區,系統會以黃色標示,來警示巴士司機,避免碰撞。

這套巴士盲區警示系統,除了能應用於公車、巴士、大貨車和大卡車等大型車輛外,也能拓展至一般汽車和電動車。目前,臺灣已有中興巴士採用該系統,義隆也計畫將這套系統銷往東南亞。

圖片來源/中研院
義隆電子以YOLOv4打造巴士盲區偵測系統,可即時分析大型車輛兩側後照鏡的畫面,來判斷是否有機車、自行車或行人過於接近,提醒司機留意。

不只如此,還用於更多智慧交通應用上,YOLOv4已經用於預測細懸浮微粒(PM2.5)的暴露風險。PM2.5是衡量空氣污染狀況的指標,來源包括汽機車排放廢氣、工廠廢氣和宮廟煙霧等。中研院最近就發起跨領域都會PM2.5暴險的研究計畫,其中一項子計畫,是要透過路口即時空拍影片,以YOLOv4來辨識行人和車輛的移動方向與數量等訊息。有了這些參數,系統就能進一步計算出,民眾暴露在PM2.5下的風險。

一眼就知有無戴口罩、保持社交距離

除了智慧交通有不少應用案例,YOLOv4也在抗疫上發揮了作用。2020年,在COVID-19疫情肆虐下,許多國家紛紛祭出社交距離和戴口罩政策,來降低感染風險。此政策一出,各大研究平臺和程式碼託管平臺GitHub上也出現大量專案,分享如何以物件偵測模型打造社交距離偵測系統,以及口罩配戴偵測系統。

其中,包括印度理工學院在內的幾所印度頂尖大學學生,聯手發表一套YOLOv4社交距離監控系統,能直接在道路監視器上,分析所拍攝的畫面,2秒就可推算出路上行人是否保持社交距離,若未保持,則以紅色框線標出未遵守規定的行人。

另外,也有羅馬尼亞軍事技術學院的學生,在GitHub上開源以YOLOv4打造的口罩偵測專案PyQt5,可在多個監視器上,同步偵測行人是否配戴口罩。

搖身一變成醫師助手,幫揪大腸息肉

不只是生活應用,在醫學領域上,YOLOv4也能大顯身手。臺灣專攻數位病理的雲象科技,就與國泰醫院和臺大醫院,先是利用YOLOv4打造一款大腸鏡即時AI息肉偵測系統,可在醫生操作內視鏡的同時,以每秒30次的頻率來偵測腸道、快速標示出息肉,準確率在95%左右。

雲象表示,選用YOLOv4的原因在於,它能在運算資源較低的設備上,進行近乎即時的偵測。今年,他們進一步導入YOLOv4衍生模型,讓偵測更輕更快。

圖片來源-雲象科技
雲象科技聯手國泰醫院,以YOLOv4打造一套大腸內視鏡息肉偵測AI輔助系統,以每秒30次的頻率來偵測息肉。今年,團隊進一步將模型改為YOLOv4衍生模型,更輕更快。

就連昆蟲移動路徑也能精準掌握

YOLOv4還有一個特殊應用。中研院生物多樣研究中心研究員沈聖峰就帶領團隊,利用YOLOv4,來分析埋葬蟲的行為。埋葬蟲是一種12至17毫米的小型昆蟲,專吃動物屍體,因此被稱為自然界的清道夫。

為理解埋葬蟲的行為,中研院過往都利用攝影機,拍攝埋葬蟲的行為,但難以分析。後來,團隊用UNet和YOLOv4解決問題,先以前者標示出埋葬蟲,每隻都以不同顏色標註,再以後者偵測埋葬蟲位置。如此一來,就能完整記錄每隻埋葬蟲的移動軌跡,並以三維圖來表示。

這個方法,能省下過去人工數個月才能分析的時間成本,利用演算法輔助,2周就能完成了。

圖片來源-中研院
中研院生物多樣研究中心利用UNet和YOLOv4打造一套埋葬蟲行為分析系統,以UNet標示埋葬蟲,再以YOLOv4辨識移動位置,進一步描繪出三維的移動軌跡,省下過去數個月的人工觀察時間。


熱門新聞

Advertisement