关键词：汽车防追尾系统;深度学习;YOLOv5;物联网;追尾判断;风险预警
摘 要：当前主流的防追尾系统普遍存在识别因素单一、对驾驶员自身预防效果欠佳的问题，为此，设计一种基于深度学习的汽车防追尾预警系统。将YOLOv5剪枝技术、注意力机制、PID优化器等方法融入网络模型的训练中，以优化模型精度并减小模型体积；其次，以距离判断为主，速度、加速度、事故危害性判断为辅来计算车辆的追尾风险，每次预警后通过MQTT协议将数据上传至物联网平台，并在系统结束运行时对驾驶员进行安全分析。系统最终部署在TensorRT环境上进行再次优化。实验结果表明，所设计的汽车防追尾预警系统响应速度快，适应性强，判断风险较为准确。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取