城市道路积水识别监测（pytorch框架+yolo算法）
城市道路积水识别监测基于框架+yolo算法，城市道路积水识别监测实时识别街道路面积水情况，对严重积水时立即告警。除了 conv带来的加速之外，FLOPs和速度之间的差异可以归因于两个重要因素，它们对速度有很大影响，因此简单的推理结构可以避免多分支的零碎计算。
雨天积水受到其他光源的照射形成强烈的反射光也会对驾驶员的形成强烈的炫目。不仅如此由于路面上通常会有多种光源，分别有主动光源和被动光源，并且积水的区域主要出于地面，因此我们需要处理图像识别出哪些是道路哪些是非道路区域，在道路的区域中再识别主动光源和被动光源。
运用图像模式识别技术进行湿滑路判别已经成为不利天气下道路交通安全保障技术研究的热点。通过图像的处理和深度学习，我们能够获得路面轮廓，亮度和像素来判断复杂路面上的路况，并进行识别和判断。开发基于Gauss滤波、canny边缘检测，识别路面区域，识别主动和被动光源。通过反射光的强度确定反射源的位置和坐标以及积水区域的长宽高。开发目标能够在多场景下能够识别路面的积水的反射光情况，并能保证程序的实时性和鲁棒性。
void ver ( )
表示一个数据源，这个数据源是有可能发生变化的，比如增加了数据、删除了数据、修改了数据，当数据发生变化的时候，它要通知相应的做出相应的改变。为了实现这个功能，使用了观察者模式，本身相当于被观察的对象，相当于观察者，通过调用ver方法，给注册观察者。
void erver ( )
通过调用erver方法，反注册观察者。
int ()返回中数据的数量。
long (int )
获取指定数据项的id，通常情况下会将作为id。在中，相对来说，使用比id使用频率更高。
()
表示当数据源发生了变化的时候，原有数据项的id会不会发生变化，如果返回true表示Id不变，返回false表示可能会变化。所提供的的子类（包括直接子类和间接子类）的方法都返回false。
