本科毕业设计（论文）中期检查表
题 目 基于机器视觉的施工场景危险源识别系统设计与实现
学生姓名 学 号
指导教师 所在单位 计算机科学与技术学院\人工智能学院
学生填写 目前已完成任务概述：
1主要内容: (毕业设计（论文）进展情况，字数一般不少于500字)
目前，本人已基本完成毕业设计的核心部分，包括前台应用、后台管理系统以及后端数据处理。
前台主要是一个基于 Jetpack Compose 开发的 Android 应用，该应用能够调用手机自带的摄像头或外接摄像头进行实时图像采集，并基于深度学习模型对工地现场的安全帽佩戴情况进行检测。应用会对拍摄的画面进行实时分析，判断是否存在未佩戴安全帽的人员，并将识别结果以高亮标注的方式显示在屏幕上，以便用户快速查看。
后台部分目前采用 React 进行开发，主要用于管理上传的检测图片，包括存储、分类、查询和审核功能。用户可以通过后台界面查看历史检测记录，并对相关数据进行管理，以便后续统计分析。
后端使用 Django 框架，主要负责数据存储、处理以及 API 提供。前台应用会将检测结果及图片上传至服务器，而后台则通过 Django 提供的接口进行数据交互，确保整个系统的数据流畅性和稳定性。
2.尚存在的问题及采取的措施：
前台识别速度较慢
目前，前台应用在处理单张图片时的识别速度约为 500ms/张，虽然已经能够满足基本使用需求，但仍存在优化空间。针对该问题，计划通过以下几种方式进行优化：
进一步优化 YOLO 模型，使用 ncnnoptimize.exe 工具将模型转换为 seg-sim-opt-fp16 格式，以提升推理速度。
采用更高效的推理框架，如 NCNN 的 Vulkan 后端，以加速计算。
在 Jetpack Compose 端进行代码优化，减少 UI 渲染时的额外计算负担，提高整体流畅度。
后台页面体积过大
目前后台采用 React 开发，页面体积较大（约 1MB），加载速度较慢，影响了用户体验。为了解决这一问题，计划采取以下措施：
用原生 JavaScript 及轻量级的框架（如 Vue 或 Svel
