简介：

简介：20世纪50年代以来，全球范围内已经有大量流行病学调查证实吸烟是导致肺癌的一大危险因素，肺癌死亡患者中约87%由吸烟所致，可见吸烟的危害性多大。那么，到底吸烟与患肺癌之间的关系怎样呢？一起来看看吧。

简介：

简介：

简介：

简介：摘要：在公共场所吸烟的行为不仅危害吸烟者本身的健康，同时不规范的吸烟行为也是火灾发生的隐患，每年约20%的火灾是由吸烟引起的。随着吸烟人群的逐年增加以及禁烟执法力量的严重不足，室内吸烟行为仍屡禁不止。为了确保禁烟政策的实施，社会迫切需要能够有效检测吸烟行为的智能方法来辅助禁烟。传统的吸烟检测方法是烟雾检测，常见于室内，还有基于光电烟雾传感器的吸烟报警器，常见于高铁、列车等禁烟的公共场所，这类检测方法只能检测出大概范围，无法精确地识别吸烟对象。随着社会发展，吸烟与人们对生活健康的矛盾日益凸显。基于大量数据的深度学习目标检测算法学习目标特征和规律来监测吸烟行为以取缔灵敏度低下的烟雾传感器。近年来，深度学习的目标检测算法被广泛应用于各个领域。本文基于YOLOv7算法，在Windows10系统下搭建了深度学习环境，建立数据集，训练并评估模型，根据评估结果有针对性的对YOLOv5进行了结构改进和参数寻优。

简介：

简介：

简介：摘要：据不完全统计，全球约有47%的男性和12%的女性吸烟，每年还有8至10万年轻人成为长期烟民，根据预测显示，到2025年，全球吸烟人数将达到16亿。该案例将从管理经济学的角度，用需求与供给的分析方法，分别从消费者购买与供应商的短期影响以及消费者购买行为的长期影响对烟草税这项政策的有效性进行分析与评估，得出相关结论，并由此对烟草税这项政策引发相关启示与思考。

简介：

简介：

简介：

简介：

简介：摘要：工厂内违规吸烟可能引起重大的安全事故。为检测是否有人违规吸烟，提出一种可以快速准确检测吸烟的算法。该算法主要基于YOLOv5模型对摄像头输入的视频流进行实时处理。具体来说包含以下两个步骤：首先，选用合适的数据集，并对数据集的标注框进行优化；其次，使用decoupled head来调整模型的网络结构使其更好地适应吸烟检测场景的需求。实验结果表明，优化标注框的数据集召回率可以提升4.4，而改进后的算法相较于原始YOLOv5精确度提高3，召回率提升3.1，可以提供更高的检测准确率和更低的误报率。同时，在实际应用中，该算法具有较高的性能和稳定性，可以有效地用于工厂内吸烟检测的场景。

简介：

简介：

简介：

简介：

简介：【摘要】目的 对肺癌吸烟患者施以综合护理干预对其戒烟效果的影响展开观察。方法 将参与研究的47例肺癌吸烟患者随机分组，1组24例，设为基础组，施以常规护理；1组23例，设为观察组，施以综合护理干预；观察、比较2组戒烟效果。结果 观察组戒烟率较之基础组明显更高（P

简介：