创新的物联网支持的口罩检测系统:用于公共卫生应用的混合深度学习方法

科学领域:

• 计算机科学 计算机科学
• 人工智能的人工智能
• 公共卫生技术 公共卫生技术

背景情况:

• 实时监控系统,特别是面罩检测等公共卫生系统,越来越依赖于物联网 (IoT) 和深度学习的整合.
• 现有的深度学习模型面临着计算速度,环境适应性和物联网设备资源限制的挑战,需要优化解决方案.

研究的目的:

• 开发和验证适用于物联网应用的实时面具检测的强大,高效和可扩展的框架.
• 解决当前模型在速度,环境稳定性和适应资源有限物联网设备方面的局限性.

主要方法:

• 利用了三个不同的数据集 (Kaggle面具,公共场所,公共视频) 确保广泛适用.
• 将ResNet50和MobileNetV2深度学习架构集成到混合模型中.
• 使用自适应性火焰-帆鱼优化 (AFSO) 算法优化混合架构的参数,以提高性能和可扩展性.

主要成果:

• 拟议的混合框架在Kaggle面罩数据集上实现了97.8%的高精度.
• 与基线模型相比,检测准确度和计算效率显著提高.
• 在各种数据集和环境条件中验证了框架的稳定性和可扩展性.

结论:

• 新的AFSO优化的混合深度学习框架为支持物联网的实时面具检测提供了卓越的解决方案.
• 该系统的高精度和效率使其适合在公共卫生监测中实际部署.
• 该研究解决了当前系统的关键挑战,为更有效的健康合规技术铺平了道路.