前言

随着人工智能技术的不断发展，对其进行的研究越来越深入。本书作者对人工智能技术中涉及的深度学习框架算法进行深入研究，并将其在工业生产中进行场景应用，切实将深度学习算法应用于实践。

本书主要包含算法和应用两部分： 其一，对现有深度学习算法框架进行改进，提高算法的精度、实时性和鲁棒性，利用Deeplabv3和YOLOv7等轻量模型实现对电力线路和典型设备的识别和检测，极大提高了检测的效率和精度，实现了基于人工智能的电力线路巡检，节省人力、物力和财力，也凸显出人工智能技术在输电领域的深入应用； 其二，利用深度学习技术实现烟支空稀头检测和公共环境中的吸烟检测，通过增加注意力机制和采用轻量化Ghost卷积实现对YOLOv5s的改进，并在此基础上改进YOLOv7，实现更加精准的烟支空稀头检测，同时利用改进YOLOv7tiny算法实现对公共场所吸烟检测。以上两个应用场景将深度学习由理论侧面深入应用到了工业生产生活中，使深度学习技术能够切实服务于工厂生产和生活实践。

本书由石家庄学院韩明教授团队完成撰写，出版得到了河北省青年拔尖人才项目、中央引导地方科技发展资金项目(项目编号： 246Z0107G)的大力支持，在此向提供资金支持的中共河北省委员会、河北省人民政府、河北省科学技术厅表示深深的感谢！感谢河北省物联网智能感知与应用技术创新中心的大力支持。

本书在撰写过程中得到了各方的大力支持和帮助。感谢王震洲教授、唐心亮研究员和王建超博士提出的宝贵意见和建议，为稿件的修改提供了帮助； 感谢苏鹤博士、侯佳宁、田穗穗等同学为本书提供了很多有价值的素材，并协助完成了多轮审核和校对工作。

在本书的撰写过程中，作者研读了大量的文献，参考并融合了国内外专家、学者在相关领域的研究成果，在此对他们表示衷心的谢意!

由于作者水平有限，书中疏漏和不妥之处在所难免，希望广大读者不吝赐教，在此深表感谢。

本书彩图请扫二维码观看。

作者

2024年8月