Résumé:
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.
