В статье представлена задача распознавания объектов дорожной инфраструктуры на основе использования разработанного программного комплекса. Обоснована необходимость применения нейросетевых моделей YOLOv8 для решения данной задачи. При реализации программного комплекса выбраны инструментальные средства, такие как язык программирования Python, среда разработки IDLE Shell 3.9.7. Разработка программного комплекса выполнялось на ноутбуке с процессором Intel Pentium CPU 3825U, частота которого составляет 1.9 ГГц, объём оперативной памяти 8 Гб, под управлением 64-разрядной версии операционной системы Windows 10 Pro. Главными элементами комплекса программ являются модуль обнаружения, модуль классификации и экспериментально-исследовательский модуль. Модуль обнаружения включает блок алгоритма распознавания дорожных объектов на основе нейронной сети YOLOv8. Модуль классификации включает блок распределения объекта по классам (дорожный знак, дорожная разметка, светофор), а также блок оценки точности модели распознавания объектов. Экспериментально-исследовательский модуль включает распознавание объектов на тестовом изображении или видеофайле, получение результата оценки вероятности. Главное окно программного комплекса включает 3 вкладки: «Обучение модели» (содержит инструменты для обучения нейросетевых моделей YOLOv8); «Обнаружение объектов» (содержит инструменты загрузки изображений или видеофайлов, моделей для распознавания объектов дорожной инфраструктуры); «О программе» (содержит информацию о функциональности программного комплекса). Приведены примеры функционирования программного комплекса на тестовом изображении и видеофайле. В перспективе построенные нейросетевые модели распознавания на основе нейронной сети YOLOv8 целесообразно использовать в мобильном приложении для автоматического определения объектов (дорожная разметка, дорожный знак, светофор) в режиме реального времени.
The article presents the problem of recognizing road infrastructure objects based on the developed software package. The necessity of using YOLOv8 neural network models to solve this problem is substantiated. When implementing the software package, the following tools were selected: the Python programming language, the IDLE Shell 3.9.7 development environment. The software package was developed on a laptop with an Intel Pentium CPU 3825U processor, the frequency of which is 1.9 GHz, the amount of RAM is 8 GB, running a 64-bit version of the Windows 10 Pro operating system. The main elements of the software package are the detection module, the classification module and the experimental research module. The detection module includes a block of the road object recognition algorithm based on the YOLOv8 neural network. The classification module includes a block of object distribution by classes (road sign, road marking, traffic light), as well as a block of object recognition model accuracy assessment. The experimental research module includes object recognition on a test image or video file, obtaining the probability assessment result. The main window of the software package includes 3 tabs: «Model training» (contains tools for training YOLOv8 neural network models); «Object detection» (contains tools for loading images or video files, models for recognizing road infrastructure objects); «About the program» (contains information about the functionality of the software package). Examples of the software package functioning on a test image and a video file are given. In the future, the constructed neural network recognition models based on the YOLOv8 neural network can be used in a mobile application for automatic detection of objects (road markings, road sign, traffic light) in real time.