YOLOv4輕快準！邊緣即時偵測應用就靠它

不論是臺灣智慧路網控制，還是疫情肆虐期間各國用來偵測社交距離，甚至是即時從醫學影像中揪出肉眼難辨的病灶，這些智慧應用的背後，都靠一套輕薄但強大的AI模型來驅動，這就是YOLOv4。一如其名You Only Look Once，只要看一眼，就能分辨萬物，比人眼還銳利，已經在許多應用場景中開始發威。

連結路況偵測形成智慧路網

YOLOv4最知名的應用案例，莫過於智慧路網控制系統。YOLOv4本身就因中研院與義隆電子合作的智慧交通計畫而誕生，由於這個模型輕、快、準的特性，在低運算資源的設備上也能執行，因此問世後，雙方就將模型部署至真實的道路場域上，就在桃園的大園區國道2號下匝道路段。

義隆電子在該路段連續5個路口的號誌燈上，分別裝設了可拍攝360度路況的魚眼鏡頭，以及可拍攝平面路況的槍型攝影機，並搭配號誌燈下的Nvidia Jetson TX2平臺，來分析道路路口影片。首先，在魚眼鏡頭的影像中，先靠YOLOv4來辨識畫面中的車輛、車種和數量，比如認出汽車、機車、自行車、聯結車等，還能計算出車流量、車行平均速度、路口平均佔有率和車輛間距。而在槍型攝影機畫面中，則靠YOLOv4來辨識各車道線內的停等車種，比如機車、小客車和大型車，並分析這些車間的距離。

有了這些資訊，就能用來調節路口交通號誌燈的秒數，緩解車流壅塞。去年8月，桃園、新竹都共同宣布試用這套智慧路網解決方案，臺北市交通局後來也加入試辦，在內科園區堤頂港墘路口架設偵測設備，來進行交通影像辨識，甚至發展出YOLOv4輕量化模型，不只有效辨識車輛和車型，還能針對特殊天候（如晨峰昏峰、劇烈陽光斜射干擾等）來處理影像，強化辨識準確度。

​

圖片來源／中研院
義隆電子將YOLOv4部署至桃園大園區國道2號下匝道路段連續5個路口處，來分析交通號誌燈旁的魚眼鏡頭和槍型攝影機畫面。圖為魚眼鏡頭即時分析畫面，模型可辨識出車種、車速、轉向等。

巴士盲區警示、空污預測都在行

不只如此，2021年4月，義隆電子團隊也進一步擴大應用，以YOLOv4打造一套巴士盲區即時偵測系統。該系統會即時分析巴士兩側後照鏡的監視器畫面，並在巴士駕駛前方的螢幕上，標示出巴士車身兩側的紅線區域，要是有機車、自行車或行人出現在該區，系統會以黃色標示，來警示巴士司機，避免碰撞。

這套巴士盲區警示系統，除了能應用於公車、巴士、大貨車和大卡車等大型車輛外，也能拓展至一般汽車和電動車。目前，臺灣已有中興巴士採用該系統，義隆也計畫將這套系統銷往東南亞。

圖片來源／中研院
義隆電子以YOLOv4打造巴士盲區偵測系統，可即時分析大型車輛兩側後照鏡的畫面，來判斷是否有機車、自行車或行人過於接近，提醒司機留意。

不只如此，還用於更多智慧交通應用上，YOLOv4已經用於預測細懸浮微粒（PM2.5）的暴露風險。PM2.5是衡量空氣污染狀況的指標，來源包括汽機車排放廢氣、工廠廢氣和宮廟煙霧等。中研院最近就發起跨領域都會PM2.5暴險的研究計畫，其中一項子計畫，是要透過路口即時空拍影片，以YOLOv4來辨識行人和車輛的移動方向與數量等訊息。有了這些參數，系統就能進一步計算出，民眾暴露在PM2.5下的風險。

一眼就知有無戴口罩、保持社交距離

除了智慧交通有不少應用案例，YOLOv4也在抗疫上發揮了作用。2020年，在COVID-19疫情肆虐下，許多國家紛紛祭出社交距離和戴口罩政策，來降低感染風險。此政策一出，各大研究平臺和程式碼託管平臺GitHub上也出現大量專案，分享如何以物件偵測模型打造社交距離偵測系統，以及口罩配戴偵測系統。

其中，包括印度理工學院在內的幾所印度頂尖大學學生，聯手發表一套YOLOv4社交距離監控系統，能直接在道路監視器上，分析所拍攝的畫面，2秒就可推算出路上行人是否保持社交距離，若未保持，則以紅色框線標出未遵守規定的行人。

另外，也有羅馬尼亞軍事技術學院的學生，在GitHub上開源以YOLOv4打造的口罩偵測專案PyQt5，可在多個監視器上，同步偵測行人是否配戴口罩。

搖身一變成醫師助手，幫揪大腸息肉

不只是生活應用，在醫學領域上，YOLOv4也能大顯身手。臺灣專攻數位病理的雲象科技，就與國泰醫院和臺大醫院，先是利用YOLOv4打造一款大腸鏡即時AI息肉偵測系統，可在醫生操作內視鏡的同時，以每秒30次的頻率來偵測腸道、快速標示出息肉，準確率在95%左右。

雲象表示，選用YOLOv4的原因在於，它能在運算資源較低的設備上，進行近乎即時的偵測。今年，他們進一步導入YOLOv4衍生模型，讓偵測更輕更快。

圖片來源-雲象科技
雲象科技聯手國泰醫院，以YOLOv4打造一套大腸內視鏡息肉偵測AI輔助系統，以每秒30次的頻率來偵測息肉。今年，團隊進一步將模型改為YOLOv4衍生模型，更輕更快。

就連昆蟲移動路徑也能精準掌握

YOLOv4還有一個特殊應用。中研院生物多樣研究中心研究員沈聖峰就帶領團隊，利用YOLOv4，來分析埋葬蟲的行為。埋葬蟲是一種12至17毫米的小型昆蟲，專吃動物屍體，因此被稱為自然界的清道夫。

為理解埋葬蟲的行為，中研院過往都利用攝影機，拍攝埋葬蟲的行為，但難以分析。後來，團隊用UNet和YOLOv4解決問題，先以前者標示出埋葬蟲，每隻都以不同顏色標註，再以後者偵測埋葬蟲位置。如此一來，就能完整記錄每隻埋葬蟲的移動軌跡，並以三維圖來表示。

這個方法，能省下過去人工數個月才能分析的時間成本，利用演算法輔助，2周就能完成了。

圖片來源-中研院
中研院生物多樣研究中心利用UNet和YOLOv4打造一套埋葬蟲行為分析系統，以UNet標示埋葬蟲，再以YOLOv4辨識移動位置，進一步描繪出三維的移動軌跡，省下過去數個月的人工觀察時間。