来源时间：2024年5月

学生姓名: 邱宇航

指导教师: 曹连谦

作品简介：

本系统可以通过计算机视觉算法实时监控和预警，从而避免出现因头发掉落等问题污染菜品的食品安全问题。采用CNN目标检测算法以及深度学习的YOLOv5算法。项目使用目标检测算法检测厨师帽的位置，以判断是否佩戴。通过使用Open CV + CNN的技术，输入监测图像，然后通过YOLOv5n模型检测厨师是否在进入厨房时已佩戴厨师帽的行为。

图1 训练数据标记

  图2 输入图片检测

图3 输入视频检测

图4 摄像头实时监控检测

创新点：

本系统选择卷积神经网络YOLOv5来进行检测，该算法对是否佩戴厨师帽行为进行检测，其速度与精度相对于传统的卷积网络有极大的性能提升，只需要上传一次就可以识别出预检测物体的类别和位置，避免多次识别的繁琐性。本系统采用基于卷积神经网络CNN的目标检测YOLOv5算法，其最主要的特点是采用了新型的轻量级骨干网络CSP架构，同时采用了BOF)和Bos技术来减小计算量和提高泛化能力。其处理速度更快更加实用，通过一个小小的摄像头就可以监测厨师帽的佩戴情况，它更加的便捷，只需要摄像头放在厨房就可以完成。它操作简单，系统维护方面不会出现网络掉线或者网站崩溃，服务器连接不上的问题。