P-YOLOv8, el último grito en modelos de detección en tiempo real, ha demostrado ser una herramienta formidable para identificar conductas de conducción distraída, una problemática que genera miles de muertes y lesiones en todo el mundo. Este enfoque se apoya en el modelo Pretrained-YOLOv8, que ha sido adaptado tanto para la detección de objetos como para la clasificación de imágenes, con el objetivo de identificar comportamientos distrayentes al volante con rapidez y precisión.
La innovación detrás de P-YOLOv8 está en su arquitectura optimizada, que permite reducir el tamaño del modelo a solo 2.84 MB y manejar un total de 1,451,098 parámetros, lo que lo hace apto para dispositivos con recursos limitados. El modelo utiliza el dataset ‘Distracted Driver Detection’ de State Farm, compuesto por 22,424 imágenes clasificadas en 10 categorías, para entrenar y probar su eficacia en la identificación de conductas peligrosas al volante, como enviar mensajes de texto o hablar por teléfono.
Comparado con otros modelos de aprendizaje profundo como VGG16, VGG19 y ResNet, P-YOLOv8 no solo alcanza una precisión competitiva del 99.46%, sino que también ofrece significativas ventajas en términos de velocidad y eficiencia computacional. Esto es posible gracias a su arquitectura que minimiza el número de parámetros necesarios mientras maximiza la precisión y velocidad de detección, una característica crucial para aplicaciones en tiempo real.
Los resultados experimentales destacan la superioridad del modelo bajo condiciones diversas, logrando un balance óptimo entre precisión y tamaño del modelo, lo que lo posiciona como una alternativa viable para ser implementado en sistemas de monitoreo en tiempo real que requieren análisis rápidos y eficientes sin cargar excesivamente a los dispositivos de implantación.
En conclusión, P-YOLOv8 representa un avance significativo en la serie YOLO, llevando la detección de conductas desviadas al volante a un nivel de eficiencia y precisión sin precedentes. Su capacidad para operar eficientemente en dispositivos de bajo costo abre nuevas oportunidades para el desarrollo de aplicaciones de monitoreo de conductores que podrían salvar vidas al mitigar riesgos asociados con la conducción distraída.