基于深度神经网络的违禁食品检测系统设计与实现

孙 鑫宇, 杜 晓龙, 陈 宇林, 邵 世智
南京科技职业学院信息工程学院

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物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。本文以违禁食品进教学楼的应用场景切入，基于深度神经网络的人工智能处理技术设计实现了智能检测系统，搭建了实验平台，利用 TensorFlow 内置 Keras 模块构建卷积神经网络，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。

关键词

违禁食品识别；深度学习；卷积神经网络；自然语言合成

参考

[1] 王慧玲，綦小龙，武港山 . 基于深度卷积神经网络的目标检测技术的研究进展 [J]. 计算机科学，2018，45（9）：11-19.

[2] 何小嵩，张占文，荣伟彬 . 基于计算机视觉的微球缺陷检测及分类方法 [J]. 强激光与粒子束，2017，29（8）：75-79.