11 KiB
11 KiB
道路损伤检测系统 - 完整使用指南
📋 系统简介
本系统是一个基于YOLO深度学习模型的道路损伤检测系统，支持对视频文件进行智能分析，自动识别和标注道路损伤区域。系统提供了Web界面操作方式，适合不同技术水平的用户使用。
🎯 核心特色功能
🔍 智能检测技术
- 动态模型识别: 自动识别模型类型并优化检测参数
- 自适应置信度: 根据检测场景自动调整置信度阈值
- 多尺度检测: 支持不同尺寸目标的精确检测
- 检测质量过滤: 自动过滤低质量检测结果
📊 智能标注显示
- 纯中文标注: 标注框只显示中文类别名称，更符合中文用户习惯
- 智能类别映射: 自动将英文类别名称映射为中文，支持部分匹配和组合词
- 动态颜色分配: 根据类别自动分配识别颜色
- 置信度可视化: 标注框粗细反映检测置信度
🗂️ 智能文件管理
- 智能文件夹生成: 只为检测到目标的类别创建文件夹，避免生成空文件夹
- 按类别分组: 检测结果按损伤类型自动分类存储
- 完整检测记录: 详细的检测日志和统计信息
📹 主要功能
- 📹 支持多种视频格式批量处理
- 🌐 友好的Web界面操作
- 📊 详细的检测报告和统计分析
- 🔧 灵活的模型管理和参数配置
- 💾 完整的检测结果保存和导出
🚀 快速开始
第一步：环境准备
系统要求
- 操作系统: Windows 10/11
- Python版本: 3.8 或更高版本
- 内存: 建议8GB以上
- 存储: 建议10GB可用空间
- GPU: 可选，NVIDIA GPU可加速检测
安装步骤
-
安装Python环境
- 下载并安装 Python 3.8 或更高版本
- 下载地址：https://www.python.org/downloads/
- 安装时勾选 "Add Python to PATH"
-
安装系统依赖
# 方法一：使用安装脚本（推荐） 双击运行 install.bat # 方法二：手动安装 pip install -r requirements.txt
第二步：准备文件
文件结构说明
检测系统/
├── app.py # Web应用主程序
├── batch_detector.py # 批量检测器
├── config.py # 配置文件
├── detector.py # 核心检测器
├── requirements.txt # Python依赖包列表
├── install.bat # 环境安装脚本
├── start_web_app.bat # Web应用启动脚本
├── input_videos/ # 输入视频文件夹
│ ├── video1.mp4 # 您的视频文件
│ └── video2.avi # 支持多种格式
├── models/ # 检测模型文件夹
│ ├── best.pt # 预训练模型
│ └── best_info.json # 模型信息
├── output_frames/ # 检测结果输出文件夹
├── logs/ # 系统日志文件夹
├── static/ # Web界面静态资源
│ └── css/
│ └── style.css # 界面样式文件
└── templates/ # Web界面模板
├── index.html # 主页面
├── layout.html # 布局模板
├── report.html # 报告页面
└── video_results.html # 视频结果页面
准备检测文件
-
准备视频文件
- 将需要检测的视频文件放入
input_videos文件夹 - 支持格式：
.mp4,.avi,.mov,.mkv,.wmv,.flv,.webm - 可以创建子文件夹组织视频文件
- 将需要检测的视频文件放入
-
准备检测模型
- 系统已预置
best.pt模型 - 可通过Web界面上传自定义模型（.pt格式）
- 系统已预置
第三步：启动系统
Web界面启动（推荐）
# 启动Web应用
双击运行 start_web_app.bat
# 或者
python app.py
然后在浏览器中访问：http://localhost:5000
🌐 Web界面使用指南
界面布局
- 左侧面板：检测历史记录和结果列表
- 右侧面板：文件管理和检测配置
- 顶部导航：功能切换和系统状态
核心功能操作
1. 视频文件管理
添加视频文件：
- 方法一：直接将视频文件拖拽到
input_videos文件夹 - 方法二：通过Web界面的文件管理功能上传
文件管理功能：
- 查看文件列表：显示当前待检测的视频文件
- 删除文件：移除单个视频文件
- 清空文件夹：一键清空所有视频文件
2. 模型管理
- 上传新模型：点击上传区域选择.pt格式的YOLO模型文件
- 查看模型列表：显示所有可用模型及其信息
- 删除模型：移除不需要的模型文件
- 模型自动识别：系统会自动分析模型类型并优化参数
3. 检测配置
选择检测模型：
best.pt：专门训练的道路损伤检测模型（推荐）- 其他自定义模型：可通过界面上传
调整置信度阈值：
- 0.3-0.4：宽松检测，检测更多目标（可能有误检）
- 0.5-0.6：平衡检测（推荐）
- 0.7-0.8：严格检测，只检测高置信度目标
系统会根据模型类型自动优化：
- 道路损伤检测: 0.25-0.4 (系统会自动优化)
- 通用目标检测: 0.4-0.6
- 高精度检测: 0.6-0.8
4. 开始检测
检测流程：
- 确认视频文件已添加
- 选择合适的检测模型
- 设置置信度阈值
- 点击「开始检测」按钮
- 等待检测完成
检测过程：
- 实时显示检测进度和状态
- 显示当前处理的视频和帧数信息
- 自适应检测算法自动优化检测效果
5. 查看结果
检测报告：
- 点击左侧检测记录查看详细报告
- 包含检测统计、时间分析、类别分布等
- 详细的检测日志和自适应检测统计
视频结果：
- 查看原始视频帧和标注结果
- 按类别浏览检测到的损伤
- 导出检测数据和报告
📊 检测结果说明
支持的损伤类型
系统可以检测以下18种道路损伤和交通事故类型：
道路损伤：
- 坑洞
- 横向裂缝
- 纵向裂缝
- 网状裂缝
- 白线模糊
交通事故：
- 追尾碰撞
- 正面碰撞
- 侧面碰撞
- 翻车事故
- 多车连环相撞
交通违规：
- 违规变道
- 闯红灯
- 超速行驶
其他：
- 交通拥堵
- 公交车
- 行人
- 自行车
- 摩托车
输出文件结构
output_frames/
└── [检测时间戳]/
├── report.html # 检测报告
├── summary.json # 检测摘要
└── [视频名称]/
├── [类别名称]/ # 按类别分组的检测结果
│ ├── original/ # 原始帧
│ └── annotated/ # 标注帧
├── detection_log.json # 详细检测日志
├── statistics.json # 统计信息
└── [视频名称]_detections.json # 详细检测数据
检测数据格式
{
"frame_number": 123,
"timestamp": "00:02:05",
"detections": [
{
"class": "坑洞",
"confidence": 0.85,
"bbox": [x, y, width, height]
}
],
"adaptive_detection": true,
"detection_quality": 0.78
}
🔧 系统配置
配置文件说明（config.py）
INPUT_FOLDER: 输入视频文件夹路径OUTPUT_FOLDER: 输出结果文件夹路径MODELS_FOLDER: 模型文件夹路径CONFIDENCE_THRESHOLD: 默认置信度阈值SUPPORTED_FORMATS: 支持的视频格式
检测参数调优
-
置信度阈值建议
- 道路损伤检测推荐：0.3-0.6
- 精确检测推荐：0.6-0.8
- 宽松检测推荐：0.2-0.4
-
模型选择
best.pt: 专门训练的道路损伤检测模型- 系统会自动识别模型类型并优化参数
🚨 故障排除
安装问题
Q: install.bat 运行失败
- 确保已安装Python 3.8+
- 以管理员身份运行install.bat
- 检查网络连接是否正常
Q: 缺少依赖包
pip install -r requirements.txt
使用问题
Q: Web界面无法访问
- 检查防火墙设置
- 确认端口5000未被占用
- 重新运行start_web_app.bat
Q: 检测速度慢
- 检查是否有GPU可用
- 降低视频分辨率
- 调整检测参数
Q: 内存不足
- 减少批量处理的视频数量
- 降低视频分辨率
- 关闭其他应用程序
Q: 模型加载失败
- 检查模型文件完整性
- 确认模型格式正确（.pt）
- 重新下载模型文件
日志查看
# 查看系统日志
type logs\app.log
# 查看检测日志
type logs\detection.log
🔄 系统更新与维护
更新依赖包
pip install -r requirements.txt --upgrade
更新模型
- 下载新的模型文件
- 放入
models文件夹 - 通过Web界面上传或直接复制
- 系统会自动识别新模型类型
性能优化建议
-
硬件优化
- 使用SSD存储提高I/O性能
- 配置NVIDIA GPU加速
- 增加系统内存
-
软件优化
- 定期清理输出文件夹
- 优化视频文件大小
- 调整检测参数
🎯 使用技巧
提高检测效果
-
视频质量
- 使用高清视频获得更好的检测效果
- 确保视频光线充足，画面清晰
- 避免过度压缩的视频文件
-
参数调整
- 根据检测目标调整置信度阈值
- 利用系统的自适应检测功能
- 观察检测报告中的统计信息进行优化
-
结果分析
- 查看检测报告了解检测效果
- 分析类别分布和置信度统计
- 根据检测质量调整参数
📝 更新日志
v2.2.0 - 最新版本
- ✨ 新增纯中文标注系统
- 🗂️ 智能文件夹管理，只生成有检测结果的类别文件夹
- 🔍 改进的自适应检测算法
- 📊 增强的检测统计和报告功能
- 🎨 优化的Web界面和用户体验
v2.0.0
- 新增Web界面
- 优化检测算法
- 改进用户体验
- 增加批量处理功能
v1.0.0
- 初始版本发布
- 基础检测功能
- 命令行界面
📞 技术支持
联系方式
如果您在使用过程中遇到问题，可以通过以下方式获取帮助：
- 查看日志文件: 检查
logs文件夹中的日志信息 - 检查配置: 确认
config.py中的配置是否正确 - 重新安装: 运行
install.bat重新安装依赖
常见解决方案
- 环境问题: 确保Python版本和依赖包正确安装
- 权限问题: 以管理员身份运行相关脚本
- 网络问题: 检查网络连接和防火墙设置
- 硬件问题: 确保系统资源充足
注意: 本系统仅供学习和研究使用，检测结果仅供参考，实际应用请结合专业判断。
版权声明: 本系统基于开源技术开发，遵循相关开源协议。