该项目主要完成抽烟行为检测，在某些特定场合，例如易燃易爆的场所是严禁抽烟的。因此本项目主要是负责完成场景中人员抽烟行为的检测。检测算法采用的是Yolo V5算法，前期先通过收集整理并标注抽烟行为数据集，然后利用收集的数据集完成抽烟模型的训练。待模型达到检测精度要求后，利用该模型即可完成抽烟行为的实时检测，单帧检测时间大约150ms，检测精度>95%。

本项目分成两个部分：模型训练和实时检测。 1）模型训练：主要是通过改进的Yolo V8算法，结合钢筋检测数据库，完成对应的钢筋检测模型的训练。目前收集整理的数据集有3000多张，测试检测准确率达到99%以上； 2) 模型推理：利用1训练得到的检测模型完成实时的钢筋检测，并给出对应的计数。单张图片检测时间达到毫秒级别，实时性高，可集成到app中。 本项目的额核心技术是目标检测技术，主要用到的算法是Yolo V8，该技术可以迁移到类似的项目上，例如竹签计数等。

本项目是一个基于图像检索技术实现的项链分拣助手工具，该软件工具帮助工作人员快速找到字母项链对应的订单信息。项目的主要工作原理是： 1）通过摄像头快速采集字母项链图片； 2）完成图像预处理，并快速提取字母项链的图像特征； 3）根据图像特征，从订单图像库中快速检索出对应的订单信息； 4）完成对应的订单信息显示和打印 这里的订单图像库采用倒排索引的方式来建库，支持百万量级的数据库秒级别的快速检索。图像特征采用一种自己设计的基于局部特征融合的全局特征，对图像的旋转和缩放具有一定的鲁棒性。 本项目的核心技术是：1）图像特征设计； 2）图像库索引设计； 3）海量图像库的快速检索；