基于YOLOv7的共享汽車衛生監察平臺

摘要：隨著全球共享汽車行業的不斷發展，中國有望在2025年成為全球最大的共享汽車市場，但車輛內部環境清潔問題成為制約共享汽車行業發展的重要因素。該研究針對共享汽車衛生問題，提出了基于YOLOv7的監控平臺。通過目標檢測技術實時監測車內環境，結合物聯網和手機應用程序提高清潔效率。訓練模型采用多種數據增強技術，并在實驗中驗證其有效性。硬件設計方面，利用ESP32-CAM實現了攝像頭控制和數據上傳功能。實驗結果表明，該平臺能夠有效監測車內垃圾情況，并為共享汽車公司提供清潔維護參考，為行業發展提供技術支持。

關鍵詞：共享汽車；YOLOv7；人工智能；單片機；物聯網；手機應用程序

中圖分類號：TP391 文獻標識碼：A

文章編號：1009-3044（2024）22-0029-03

開放科學（資源服務）標識碼（OSID）

0 引言

到2025年，中國的分時租賃汽車將達到60萬輛，中國的共享出行人次將達到每天3 700萬人次，對應的市場容量高達每年3 800億元，潛在需求帶來的關聯市場容量有望達到1.8萬億元，中國將成為全球最大的共享汽車市場[1]。調查顯示，受訪消費者對分時租賃服務的前五大顧慮中，車內環境臟亂差（43%） 為第二大顧慮，因此，車輛內部環境維護、清潔及保養成了制約共享汽車發展的重要因素。

導致衛生差的原因之一是：缺乏有效的衛生監管與舉報系統，同時沒有完善的獎懲措施，使得責權利不對等，消費者行為難以被約束，消費者也難以愛惜不屬于自己的物品。在這種情況下，消費者的公共意識嚴重不足，導致共享汽車衛生狀況較差，嚴重影響客戶的使用體驗。另一原因是：清潔人員只能定期清理，而無法高效地清理，導致清理效率不高。針對這兩個問題，本項目使用單片機與相關模組結合的硬件，通過物聯網、目標識別技術，來對客戶使用情況進行監測，并賦予清潔人員信息來實現高效清潔。

1 技術路線

當客戶使用共享汽車產品掃碼上車時，服務器遠程控制單片機拍攝第一張照片。當客戶結束使用后，拍攝第二張照片，并將兩張照片上傳至云服務器。使用垃圾目標檢測模型來識別出車內的垃圾數量變化，將變化的數據傳輸到共享汽車公司。共享汽車公司將制定相應的積分獎懲制度。單片機會在使用結束后每分鐘檢測空氣質量，并上傳到云服務器，將空氣質量與垃圾數量傳輸到應用程序。應用程序會在地圖上展示共享汽車的內部環境數據，幫助清潔人員高效地清潔。

2 垃圾目標檢測

2.1 模型選擇

YOLOv7模型為2022年Chien-Yao Wang團隊發布的YOLO版本，其論文已被國際頂級會議CVPR（IEEE國際計算機視覺與模式識別會議）收錄。YOLOv7模型在5FPS到160FPS范圍內的速度和精度都優于目前大部分的目標檢測器，并且在GPU V100上30FPS或更高的所有已知實時目標檢測器中具有最高的精度56.8% AP[2]。

2.2 數據的采集與處理

1） 數據采集與預處理。訓練數據來自網絡爬蟲和現實拍攝，共獲得1 320張圖片。使用LabelImg軟件對所有圖片進行標注。為了增加數據量，進行數據增強，通過旋轉、反轉、改變光亮度、加入噪聲等方式將圖片擴充到6 600張。對采集的圖像按照6∶2∶2劃分為訓練集、驗證集和測試集。

2） 模型評價指標。本文選擇準確率（Precision， P）、召回率（Recall， R）、平均精度（Average Precision， AP）、平均精度均值（Mean Average Precision， mAP）作為模型的評價指標[3]。計算公式如下：

[Precision= TpTp+ Fp ×100%] （1）

[Recall= TpTp+ FN ×100%] （2）

[AP=01P（r）dr] （3）

以對紙張檢測識別為例，式中，[Tp]表示模型預測正確的數量，[Fp]表示模型預測錯誤或者未能預測的數量，[FN]表示預測成非紙張種類的數量。mAP的值為各個種類的AP的平均值。

2.3 實驗平臺

本次訓練與測試模型均為同一環境，環境配置如表1所示。

2.4 實驗結果及分析

輸入圖片尺寸為640×640像素，訓練批次設置為32，訓練輪次設置為150次，初始學習率為0.01。從圖2可以看出，在迭代50次之后振蕩大幅減少，在迭代100次之后，提升逐漸穩定并趨于收斂。選擇訓練中的最優模型進行測試，最終結果平均精度達到0.94。

3 軟件設計

移動端手機應用程序安裝在清潔人員的手機，能夠節省用戶選擇共享汽車的時間消耗。該應用程序提供了查詢附近共享汽車位置、查詢共享汽車相關信息（如車內的清潔情況）以及導航到指定共享汽車附近等功能。通過后端服務器提供的API，手機應用程序能夠獲取所需的數據內容。同時，借助某些通信協議，服務器也能夠主動推送數據給客戶端，使得手機應用程序能夠實時獲取到相關數據。此外，一些互聯網公司提供了導航定位相關的SDK，如高德地圖，客戶端可以基于此實現實時獲取用戶位置信息以及共享汽車的相關數據（如位置信息、內部清潔情況、電量等），從而進一步實現導航業務功能[4]。系統整體結構如圖3所示：

導航流程如下：

用戶在手機端點擊指定的車輛并選擇導航，由此進入導航界面，供用戶選擇導航模式。完成上述步驟后，即可開始導航。導航流程圖如圖5所示：

云服務器端的設計：

1） 該服務器的主要職能包括發布清潔任務、評價清潔成效、向車內傳感器發出指令并收集車輛的各類信息。

2） 負責將收集到的車輛數據上傳至共享汽車公司的服務器，以分析和評估車輛的內部狀況，并保留所有相關過程中的關鍵信息。

3） 將車輛信息上傳至共享汽車公司，協助共享汽車公司更加有效地評估和維護車輛的清潔度和衛生狀況。

4） 云服務器作為信息流動的核心樞紐，其最重要的功能在于處理、存儲并轉發獲得的信息，實現控制指令的上傳和下達[5]。服務器中存儲的歷史數據對于共享汽車公司提供查詢服務至關重要，為公司提供了一個寶貴的信息資源庫，以支持其日常運營和決策制定過程。

數據庫設計：

通過分析整個系統設計到的實體以及實體之間的關系，可以確定數據庫表至少含有用戶信息表、車輛信息表、車輛的使用記錄表等。

4 硬件設計

以 ESP32-CAM 為原型，自主繪制了一個PCB板，能夠滿足同時控制兩個攝像頭的要求。在嘉立創平臺上打印了PCB板并進行了3D外殼打印。由于開發板引腳數量不夠，采用了硬件連接的方法，將除了Vsync以外的兩個OV2640的所有引腳連接在一起接在芯片上，并將兩個Vsync連接在開發板不同的引腳。之后，通過代碼來控制不同的引腳電位變化，從而控制不同的攝像頭進行拍照。Vsync 是攝像頭模塊中的一個信號，用于同步圖像采集，其作用是標志圖像幀的開始和結束，保證圖像數據的采集完整并按照正確的順序傳輸[4]。

產品啟動時，首先連接Wi-Fi，然后初始化攝像頭、傳感器模塊和內部存儲功能。完成上述操作后，開始進行拍照功能，將圖片以Base64格式存儲在芯片內部，并封裝成JSON格式。之后根據內部存儲的網址連接服務器，以POST格式向服務器指定路徑發送生成的 JSON 數據。同時，使用DHT11模塊測量溫濕度，使用MQ-2模塊測量煙霧，同樣以JSON 格式發送至服務器。最后，關閉HTTP連接。

5 結束語

本研究基于 YOLOv7模型和單片機等硬件設備，設計并實現了共享汽車衛生監察平臺。該平臺能夠實時監測車內環境的清潔情況，提高了清潔工作的效率和準確性，為共享汽車行業的發展提供了技術支持。

通過監測車內垃圾數量的變化，平臺將監測數據傳輸給共享汽車公司，幫助其制定積分獎懲制度，促進車內環境的維護和清潔。同時，設計的手機App為清潔人員提供了便捷的查詢和導航功能，提高了清潔工作效率。

綜上所述，該平臺為共享汽車行業提供了實用的解決方案，有助于提升用戶體驗，促進行業的健康發展。

參考文獻：

[1]新華網.全球共享汽車行業仍然面臨多重阻力[EB/OL].（2021-03.28）[2024-02-23]. http：//www.xinhuanet.com/2021-03/28/c_1127265169.htm.

[2] WANG C Y，BOCHKOVSKIY A，LIAO H Y M.YOLOv7：trainable bag-of-freebies sets new state-of-the-art for real-time object detectors[C]//2023 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）.Vancouver，BC，Canada.IEEE，2023：7464-7475.

[3] 林森，劉美怡，陶志勇.采用注意力機制與改進YOLOv5的水下珍品檢測[J].農業工程學報，2021，37（18）：307-314.

[4] 王錕.住宅小區私家車位共享手機App開發及車位選擇匹配算法研究[D].蘭州：蘭州交通大學，2021.

[5] 王錕，魏建兵，馬秦靖，等.基于Android平臺的 “共享車位”手機App系統設計[J].工業控制計算機，2023，36（5）：113-115.

【通聯編輯：唐一東】