基于Blockly和深度学习的交通检测飞行器的设计
目前,国内交通管理系统主要以固定性采集技术为主,弊端在于难以变更,无法在特殊情况出现时,提供更有针对性的采集和检测活动.该系统以Android和飞行器为实施载体,以Blockly为控制工具,利用YOLO模型与卡尔曼滤波的深度学习技术实现交通信息数据的采集分析,实现飞行器飞行控制与车辆拥堵状况检测、车辆碰撞与车速违规检测等移动交通检测功能.经过实际测试与使用,手机控制飞行器操作流畅,飞行器实时传输数据情况良好,深度学习算法计算后的结果较为准确,具有较好的可应用性与市场前景.
Blockly、飞行器、深度学习、YOLO模型、卡尔曼滤波
19
TP3(计算技术、计算机技术)
辽宁省国家级大学生创新创业训练计划项目Blockly;20221014111581
2023-11-03（万方平台首次上网日期，不代表论文的发表时间）
共3页
29-31
