博客原文《深度学习目标检测：YOLOv5实现红绿灯检测(含红绿灯数据集+训练代码) 》https://blog.csdn.net/guyuealian/article/details/128240198 ； 目前，基于YOLOv5s的红绿灯检测精度平均值mAP_0.5=0.93919，mAP_0.5:0.95=0.63967，基本满足业务的性能需求。另外，为了能部署在手机Android平台上，本人对YOLOv5s进行了模型轻量化，开发了一个轻量级的版本yolov5s05_416和yolov5s05_320，在普通Android手机上可以达到实时的检测和识别效果，CPU(4线程)约30ms左右，GPU约25ms左右 ，基本满足业务的性能需求。

基于MATLAB的闯红灯检测系统（交通信号灯违章检测，汽车违章，GUI界面，定位红绿灯，红灯的时候开始检测汽车，违章即预警发出，带界面GUI，详细步骤）

matlab的闯红灯检测系统（交通信号灯违章检测，汽车违章，GUI界面，定位红绿灯，红灯的时候开始检测汽车，违章即预警发出，带界面GUI，详细步骤）

数字逻辑交通信号灯

《红绿灯(交通信号灯)检测数据集》https://blog.csdn.net/guyuealian/article/details/128222850 ； 在智慧城市，自动驾驶领域，经常需要用到交通信号灯数据（红绿灯数据）；这里分享鄙人整合的两个交通信号灯(红绿灯)检测数据集：Traffic-Lights-Dataset-Domestic和Traffic-Lights-Dataset-Foreign；前者是在国内收集到的红绿灯检测数据集，共3053张；后者是从国外收集到的红绿灯检测数据集，共10142张；两者数据集都已经标注好红灯、绿灯、黄灯，可直接用于目标检测模型训练。

Android实现红绿灯检测APP(可实时运行))： https://blog.csdn.net/guyuealian/article/details/128240334 ； 考虑到原始YOLOv5的模型计算量比较大，鄙人在YOLOv5s基础上，开发了一个非常轻量级的的红绿灯检测模型yolov5s05_320。从效果来看，Android红绿灯检测模型的检测效果还是可以的，高精度版本YOLOv5s平均精度平均值mAP_0.5=0.93919，而轻量化版本yolov5s05_416平均精度平均值mAP_0.5=0.71944左右。APP在普通Android手机上可以达到实时的检测识别效果，CPU(4线程)约30ms左右，GPU约25ms左右 ，基本满足业务的性能需求。

第一章-城市轨道交通信号设备概述.ppt

功能有： ①利用数码管显示各信号S状态的倒计时。。 ②利用按键，修改信号灯状态，以应对路况发生特殊状况。(比如说按键后， 题目描述。 两个红灯都亮阻止车辆通行)。。 ③利用蜂鸣器警示路口黄灯状态。(黄灯期间显示倒计时且有响声)。 ④利用按键改变红灯绿灯时间。( 比如说高峰期车辆较多，时间长一一点)。 ⑤使用点阵来表示红黄绿灯 灯的状态： 一共四个状态 状态1，南北方向绿灯，东西方向红灯。 状态2，南北方向黄灯，东西方向红灯 状态3，南北方向红灯，东西方向绿灯， 状态4，南北方向红灯，东西方向黄灯 就这四个状态，反复循环 用时间来进行控制，到某一个时间段进入对应的状态 最后一个状态结束，重新回到初始状态，循环重新开始 36这个数据是四个状态的时间总和，它清零证明四个状态全部执行过一次，可以重置为36开始下一个状态循环

1、基于yolov5算法实现红绿灯识别检测源码+模型文件+评估指标曲线+使用说明 2、附有训练、loss(损失值)下降曲线、Recall(召回率)曲线、precision(精确度)曲线、mAP等评估指标曲线 3、识别4类别：红灯、绿灯、黄灯、交通灯 4、迭代200次，模型拟合较好。 【备注】有相关使用问题，可以私信留言跟博主沟通。

交通信号灯控制器代码及说明，FPGA Verilog语言，课程设计