摘要
吸烟行为检测作为公共健康管理和智能监控领域的重要研究方向，对于创建无烟环境、预防火灾隐患具有重要意义。本文详细介绍了一种基于深度学习的吸烟行为检测系统，该系统整合了YOLOv5、YOLOv7、YOLOv8和YOLOv10等多个版本的先进目标检测算法，并开发了用户友好的UI界面。本文首先阐述了吸烟行为检测的背景与意义，随后详细介绍了所使用的深度学习模型架构、训练数据集构建方法以及系统实现过程。通过对比实验，我们评估了不同YOLO版本在吸烟行为检测任务上的性能表现，包括精确度、召回率、F1分数和推理速度等关键指标。实验结果显示，YOLOv8在平衡检测精度和速度方面表现最佳，mAP达到87.6%，而YOLOv10则在精度方面略有提升。本文提供了完整的系统实现代码，包括数据预处理、模型训练、推理检测和UI界面开发的全流程代码，为相关研究者和开发者提供了实用的参考方案。
1. 引言
1.1 研究背景
吸烟行为检测是计算机视觉在公共健康领域的重要应用之一。在公共场所，如医院、学校、商场和办公室等，吸烟行为不仅违反相关法规，还可能引发火灾、影响他人健康。传统的人工监控方式存在效率低下、覆盖范围有限等缺点，因此基于深度学习的自动化吸烟行为检测系统应运而生。
1.2 研究意义
基于深度学习的吸烟行为检测系统具有以下重要意义：
公共健康管理：帮助公共场所管理者自动识别吸烟行为，及时进行干预
火灾预防：吸烟是引发火灾的常见原因之一，实时检测可以预防火灾发生
智能化监控
 validation-api、hibernate-validator 的数据校验扩展)
