項目二項目實施3：基于智能攝像頭實現(xiàn)ASL功能（自動限速調(diào)節(jié)）（教師手冊）

任務2.6基于智能攝像頭實現(xiàn)ASL功能自動限速調(diào)節(jié)-教師手冊智能網(wǎng)聯(lián)汽車傳感器應用技術PAG.一體化教學設計授課教師：授課班級：學時數(shù)：8授課日期：一體化教學場所：教學目標能力目標知識目標素質(zhì)目標1.掌握利用模型進行限速標識的預測；2.掌握基本訓練參數(shù)的調(diào)準；3.掌握利用Linux命令準備數(shù)據(jù)集；1.通過課程講解了解限速標識圖片采集；2.通過課程講解了解評估訓練好的模型質(zhì)量的方法；3.通過課程講解了解限速標識圖片的采集；4.通過課程講解了解數(shù)據(jù)標注的基本方法；5.通過課程講解了解選擇標注軟件的功能。1.培養(yǎng)獨立思考和自主精神；2.培養(yǎng)精益求精的品質(zhì)。教學重點1.限速標識圖片采集流程及交通標志識別；2.自動限速識別（ASL）開發(fā)任務流程；3.自動限速識別（ASL）開發(fā)實訓步驟；教學準備1.基于智能攝像頭實現(xiàn)ASL功能（自動限速調(diào)節(jié)）課件；教學活動1.通過多媒體課件講解，讓學生們了解交通標志識別的流程與方法；2.通過多媒體課件講解，讓學生們了解自動限速識別（ASL）開發(fā)任務流程；4.通過視頻教學講解、實操演示和學生動手實操，讓學生們掌握自動限速識別（ASL）開發(fā)實訓操作。課后作業(yè)教學體會

2.一體化教學實施教學流程教學內(nèi)容教學方法教學手段學生活動時間分配（min）教學引入提問：車上攝像頭如何實現(xiàn)自動限速調(diào)節(jié)功能？課前提問多媒體課件分組討論10教學告知1.限速標識圖片采集流程及交通標志識別；2.自動限速識別（ASL）開發(fā)任務流程；3.自動限速識別（ASL）開發(fā)實訓步驟；講授多媒體課件示范教學課前預習15教學準備1.基于智能攝像頭實現(xiàn)ASL功能（自動限速調(diào)節(jié)）課件；講授多媒體課件講解課前預習10教學實施1.限速標識圖片采集流程及交通標志識別；2.自動限速識別（ASL）開發(fā)任務流程；3.自動限速識別（ASL）開發(fā)實訓步驟；講授演示練習多媒體課件講解實操演示課前預習分組討論動手實操25教學總結(jié)1.限速標識圖片采集流程及交通標志識別；2.自動限速識別（ASL）開發(fā)任務流程；3.自動限速識別（ASL）開發(fā)實訓步驟；4.自動限速識別（ASL）開發(fā)實訓步驟注意事項提問啟發(fā)引導多媒體課件講解1.回答問題2.完成學生工作頁30

3.任務考核及答案3.1基礎知識認識工單利用視覺傳感器進行交通標志識別的流程：原始圖像采集→圖像預處理→圖像分割檢測→圖像特征提取→交通標志識別交通標志識別的方法：基于顏色信息的交通標志識別、基于形狀特征的交通標志識別、基于顯著性的交通標志識別、基于特征提取和機器學習的交通標志識別自動限速識別（ASL）開發(fā)任務流程：（1）限速標識圖片采集；（2）選擇標注軟件；（3）數(shù)據(jù)標注（限速圖片標注）；（4）生成標注信息對應的文件目錄；（5）數(shù)據(jù)集生成；（6）調(diào)節(jié)參數(shù)；（7）模型訓練；（8）限速標志識別準確率驗證；（9）將訓練好的模型應用于真實路況的限速標志識別自動限速識別（ASL）開發(fā)實訓步驟：（1）部署準備工作；（2）標注前的準備工作；（3）找到標注軟件（精靈標記助手）；（4）數(shù)據(jù)標注；（5）構建數(shù)據(jù)集；（6）文件修改；（7）準備訓練腳本文件；（8）開始模型訓練；（9）準備識別驗證訓練模型；（10）YOLOv5實現(xiàn)限速標志檢測。3.2自動限速識別（ASL）功能的開發(fā)活動實施工單3.2.1自動限速識別（ASL）開發(fā)前準備工作步驟操作根據(jù)實際情況在“”上填上正確答案1認識精靈標注助手精靈標注助手目前支持Windows/Mac/Linux平臺2認識目標檢測軟件（YOLO）YOLOv5是在PyTorch中實現(xiàn)的。3.2.2自動限速識別（ASL）功能的開發(fā)步驟操作根據(jù)實際情況在“”上填上正確答案1下載并部署YOLO項目從github上下載下來YOLOv5，命名為yolov5，并放在yolo5_project根目錄下。其中images存放的是原始的圖片數(shù)據(jù)集，Annotations存放的是標記后生成的xml文件，labels存放的是保存標記內(nèi)容的txt文件，ImageSets存放的是訓練數(shù)據(jù)集和測試數(shù)據(jù)集的分類情況。2標注前的準備工作準備好需要標注的原始圖片數(shù)據(jù)集，放到data/images文件夾中，找到精靈標記助手，鼠標右鍵單擊運行。3數(shù)據(jù)標注（1）新建標注項目；（2）填寫分類值用于標注：pl5,pl15,pl20,pl30,pl40,pl50,pl60,pl70,pl80,pl100該分類值應根據(jù)data/images文件夾內(nèi)的限速標識圖片的限速類型填寫。（3）選擇圖片路徑：data/images（4）單擊創(chuàng)建，進入標注界面（5）單擊矩形框，找到限速標志后，單擊鼠標左鍵并拖動框選出限速標志，松手后出現(xiàn)紅色矩形框。（6）單擊自定義輸入框，選擇我們預先填好的標注信息。（7）標注完畢后單擊下方藍色打勾按鈕，保存標注信息（8）單擊后一個，標注下一張圖片并保存（9）所有圖片標注保存后導出.xml文件（10）選擇導出路徑data/Annotations，導出后的data/Annotations文件夾下會自動生成一個outputs文件夾，用于存儲標注完成的數(shù)據(jù)。我們需要將outputs文件夾下的數(shù)據(jù)剪切到Annotations文件夾的根目錄下，才能被讀取到。（11）確認導出后，關閉標注軟件4構建數(shù)據(jù)集在yolov5的根目錄下新建一個文件makeTxt.py和文件voc_label.py，分別運行makeTxt.py和voc_label.py。（1）在yolov5文件夾下，空白處右鍵打開一個終端窗口（2）輸入命令sourceactivateyolov5然后回車，進入已經(jīng)配置好的yolov環(huán)境（3）輸入命令pythonmakeTxt.py運行makeTxt.py文件，生成標注信息對應的文件目錄，trainval.txttest.txttrain.txtvol.txt四個文件（4）輸入命令pythonvoc_label.py運行voc_label.py文件，生成.txt文件5文件修改（1）數(shù)據(jù)集方面的yaml文件修改在data目錄下，復制一份coco.yaml文件并將其重命名，放在data目錄下，并對sign.yaml中的參數(shù)進行配置。train，val，test：訓練集和測試集圖片的路徑，nc：數(shù)據(jù)集的類別數(shù)names：類別的名稱（2）網(wǎng)絡參數(shù)方面的yaml文件修改在yolov5_project/models目錄下的yolov5s.yaml文件修改6準備訓練腳本文件將參數(shù)配置函數(shù)改為前面修改的yaml文件名稱。若運行訓練腳本報錯，修改—batch-size參數(shù)的值default=47開始模型訓練輸入命令pythontrain.py運行文件，以默認參數(shù)進行訓練。在YOLOV5中常用參數(shù)的參數(shù)有：img_size