Système de Détection des Défauts et des Ralentisseurs sur les Chaussées par Vision Artificielle

Abstract

Le projet a pour objectif de développer un système de détection en temps réel des défauts de la chaussée et les ralentisseurs en utilisant des techniques de Deep Learning, dans le but d'améliorer la sécurité routière. Ce projet se déroule en deux phases distinctes : la première phase consiste à identifier initialement les obstacles présents sur la chaussée, tandis que la deuxième phase se concentre sur la détection en temps réel des défauts spécifiques de la chaussée en utilisant le modèle YOLOv8. Les résultats obtenus au cours de ce projet sont prometteurs, montrant une performance satisfaisante du modèle. De plus, le modèle a été testé sur un Raspberry Pi 3 modèle B, démontrant ainsi sa capacité à être déployé sur des dispositifs embarqués pour une utilisation pratique et efficace sur le terrain. Ces tests confirment le potentiel du système pour améliorer la sécurité de la conduite en détectant rapidement et précisément les défauts de la chaussée.