Volume 3,Issue 3
Fall 2025
基于YOLOv8-DCA的货车盲区监控系统设计与安全性优化研究
本研究针对货车盲区问题提出了一种基于YOLOv8-DCA的改进算法。通过引入动态卷积注意力机制和增强IoU损失函数，提升了模型在复杂环境下的特征提取能力和检测精度，尤其在阴雨天、低光和雾天等条件下表现出色。动态监控模块结合车辆参数实现摄像头监控区域的实时调整，优化盲区覆盖范围。实验结果表明，该算法在盲区覆盖率、检测精度方面均优于原YOLOv8算法，检测精度提高6.5%，mAP提升6.9%。该研究为货车盲区监控提供了可靠的技术支持，并为智能交通和道路安全的可持续发展奠定了基础。
[1]高登,王志仁,王瑞,等.基于AI的货车盲区自动监测报警系统[J].汽车文摘,2023,(07):46-49.
[2] 王洪波, 于兵万. 重型货车为何频发交通肇事案[J].方圆,2020,(22):58-61.
[3]Xiao, D., Li, H. Z., Liu, C. Y., & He, Q. F. (2019). Large-truck safety warning system based on lightweight SSD model. Computational Intelligence and Neuroscience, 2019, 2180294.
[4]雷纵横,张金泉,陈孝龙,等.一种重型货车盲区监测系统设计[C]//中国汽车工程学会（China Society of Automotive Engineers）.2021 中国汽车工程学会年会论文集（1）.一汽解放汽车有限公司,2021:4.
[5]周重位,叶笑,李朝山.基于YOLOv8-HAT的货车视野盲区检测算法[J].交通科技与管理,2024,5(20):25-28.