典型文献
基于改进YOLO算法的食品检测监督系统设计与实现
文献摘要：
校园重点场所如教学楼、机房和实验室等严禁带入违禁食品是众所周知的规则,因此,违禁物品的识别与分析处理是智慧校园治理亟待解决的问题.以违禁食品进教学楼的应用场景切入,基于领域应用场景优化YOLO检测模型设计实现了智能检测和分析系统,以Python为编程语言,利用Tensor-Flow平台构建深度学习网络,实现对目标范围内人、食品进行图像抓取、智能识别图像内容、分析图像中人的身份、食品的类别并进行智能决策,根据决策结果进行自然语言合成播报提醒信息,并将识别和决策结果上传校园云信息存储中心,提升校园的智能化治理水平.
文献关键词：
违禁食品识别;深度学习;YOLO模型;自然语言合成
中图分类号：
作者姓名：
邵世智;宋楚平
作者机构：
南京科技职业学院信息工程学院,南京210044
文献出处：
引用格式：
[1]邵世智;宋楚平-.基于改进YOLO算法的食品检测监督系统设计与实现)[J].电脑编程技巧与维护,2022(11):20-23
A类：
自然语言合成,违禁食品识别
B类：
YOLO,食品检测,系统设计与实现,重点场所,教学楼,机房,严禁,禁带,带入,众所周知,违禁物品,识别与分析,分析处理,智慧校园,校园治理,场景优化,检测模型,模型设计,设计实现,智能检测,Python,编程语言,Tensor,Flow,平台构建,深度学习网络,内人,抓取,智能识别,识别图,析图,智能决策,播报,提醒,信息存储
AB值：
0.444895
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
