首页 / 专利库 / 电脑零配件 / 计算机系统 / 硬件 / 中央处理器 / 一种后厨卫生的监控方法及系统

一种后厨卫生的监控方法及系统

阅读:1025发布:2020-05-11

专利汇可以提供一种后厨卫生的监控方法及系统专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种后厨卫生的监控方法及系统,解决了后厨卫生监控难以实施的问题,本公开提供的一种后厨卫生的监控方法及系统,首先将后厨的规范图像和工作时的图像输入到 深度神经网络 训练两个识别模型,监控时,将后厨的图像输入到训练好的两个识别模型进行识别得到识别结果,然后将识别结果输入到评分模 块 进行评分,所得评分的平均值即为后厨当时状态的评分,将评分输入终端展现给用户,用户则能直观的看到后厨的卫生状况。整个过程客观公正,不存在人为造假的可能性,对后厨的卫生有良好的监督,并能起到很好的改进作用。,下面是一种后厨卫生的监控方法及系统专利的具体信息内容。

1.一种后厨卫生的监控方法,其特征在于,包括:
采集厨房各个区域的规范图像,提取特征并输入到第一深度神经网络训练第一识别模型;
采集厨房工作时各个区域的图像,提取特征并输入到第二深度神经网络训练第二识别模型;
采集厨房工作时各个区域的图像,提取特征输入到所述第一识别模型和所述第二识别模型,得到第一识别结果和第二识别结果;
对所述第一识别结果和第二识别结果进行评分,得到第一评分X和第二评分Y,则评分,其中,A,X,Y∈[0.100]。
2.如权利要求1所述的一种后厨卫生的监控方法,其特征在于,将所述A输入到终端,所述终端显示所述A且所述终端至少为一个。
3.一种后厨卫生的监控系统,其特征在于,包括:
制模,即中央处理器
图像采集模块,采集后厨各个区域的规范图像和工作时的图像;
特征提取模块,提取采集图像的特征;
深度神经网络模块,训练所述提取的特征,获取识别模型;
识别模块,采用所述识别模型对采集图像进行识别,得到识别结果;
评分模块,对所述识别结果进行评分,得到评分A,所述A 。
4.如权利要求3所述的后厨卫生的监控系统,其特征在于,所述深度神经网络模块包括第一深度神经网络和第二深度神经网络,所述第一深度神经网络和第二深度神经网络相同或不同。
5.如权利要求4所述的后厨卫生的监控系统,其特征在于,所述第一深度神经网络训练和所述第二深度神经网络训练得到的模型分别为第一识别模型和第二识别模型,相应的有第一识别结果和第二识别结果。
6.如权利要求5所述的后厨卫生的监控系统,其特征在于,所述评分模块对所述第一识别结果的评分为第一评分X,对所述第二识别结果的评分为第二评分Y,所述 ,所述X,Y∈[0.100]。
7.如权利要求3-6所述的后厨卫生的监控系统,其特征在于,所述监控系统还包括终端,所述终端包括显示单元,将所述A输入到所述终端并显示。
8.如权利要求7所述的后厨卫生的监控系统,其特征在于,所述终端至少为一个。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行如权利要求1-2所述的方法。

说明书全文

一种后厨卫生的监控方法及系统

技术领域

[0001] 本公开涉及一种智能监控系统,尤其涉及一种后厨卫生的监控方法及系统。

背景技术

[0002] 中国是饮食大国,八大菜系各有味特色,科技的进步让我们现在在任一城市都能品尝到全国各地乃至世界各地的美味,各种风味的餐厅布满了城市的大街小巷,但在信息爆炸的时代,各种关于餐厅食品安全卫生的问题也层出不穷,比如著名的“西贝莜面村”和“外婆家”等,餐厅后厨问题层出不穷,曝光的仅是山一,这些问题的出现有很多人为的因素,但很重要的是确实缺乏一个简单完善的监控系统来对后厨进行监控和管理。发明内容
[0003] 本公开的目的是提供一种后厨卫生的监控方法及系统,让后厨的卫生得到有效的监控。
[0004] 本公开的上述技术目的是通过以下技术方案得以实现的:一种后厨卫生的监控方法,包括:
采集厨房各个区域的规范图像,提取特征并输入到第一深度神经网络训练第一识别模型;
采集厨房工作时各个区域的图像,提取特征并输入到第二深度神经网络训练第二识别模型;
采集厨房工作时各个区域的图像,提取特征输入到所述第一识别模型和所述第二识别模型,得到第一识别结果和第二识别结果。
[0005] 对所述第一识别结果和第二识别结果进行评分,得到第一评分X和第二评分Y,则评分 ,其中,A,X,Y∈[0.100]。
[0006] 作为具体实施例地,将所述A输入到终端,所述终端显示所述A且所述终端至少为一个。
[0007] 一种后厨卫生的监控系统,包括:控制模中央处理器
图像采集模块,采集后厨各个区域的规范图像和工作时的图像;
特征提取模块,提取采集图像的特征;
深度神经网络模块,训练所述提取的特征,获取识别模型;
识别模块,采用所述识别模型对采集图像进行识别,得到识别结果;
评分模块,对所述识别结果进行评分,得到评分A,所述A 。
[0008] 作为具体实施例地,所述深度神经网络模块包括第一深度神经网络和第二深度神经网络,所述第一深度神经网络和第二深度神经网络相同或不同。
[0009] 进一步地,所述第一深度神经网络训练和所述第二深度神经网络训练得到的模型分别为第一识别模型和第二识别模型,相应的有第一识别结果和第二识别结果。
[0010] 进一步地,所述评分模块对所述第一识别结果的评分为第一评分X,对所述第二识别结果的评分为第二评分Y,所述 ,所述X,Y∈[0.100]。
[0011] 作为具体实施例地,所述监控系统还包括终端,所述终端包括显示单元,将所述A输入到所述终端并显示。
[0012] 进一步地,所述终端至少为一个。
[0013] 一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行本公开所述的方法。
[0014] 综上所述,本公开的有益效果在于:本公开提供了一种后厨卫生的监控方法及系统,首先将后厨的规范图像和工作时的图像输入到深度神经网络训练两个识别模型,监控时,将后厨的图像输入到训练好的两个识别模型进行识别得到识别结果,然后将识别结果输入到评分模块进行评分,所得评分的平均值即为后厨当时状态的评分,将评分输入终端展现给用户,用户则能直观的看到后厨的卫生状况。整个过程客观公正,不存在人为造假的可能性,对后厨的卫生有良好的监督,并能起到很好的改进作用。附图说明
[0015] 图1是本公开流程示意图。

具体实施方式

[0016] 以下结合附图对本公开作进一步详细说明,需要理解地是,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。
[0017] 本公开的后厨卫生的监控系统,包括控制模块、图像采集模块、特征提取模块、深度神经网络模块、识别模块和评分模块。控制模块为中央处理器,控制整个系统的运作;深度神经网络模块包括第一深度神经网络和第二深度神经网络,第一深度神经网络和第二深度神经网络可相同可不同。
[0018] 图1为本公开的流程示意图,图像采集模块首先采集后厨的规范图像和后厨工作时的图像,提取这两种图像的特征再分别送入到第一深度神经网络和第二深度神经网络进行训练,得到第一识别模型和第二识别模型。
[0019] 得到识别模型后,图像采集模块采集后厨所有工作时间段内的图像,提取特征并同时输入到第一识别模型和第二识别模型,得到第一识别结果和第二识别结果,再送入评分模块,得到第一评分X和第二评分Y,则评分 ,其中,A,X,Y∈[0.100]。
[0020] 至此,后厨卫生监控的评分结束,将A输入到不同的终端,终端的显示模块将评分显示出来,用户就可以清楚的看到后厨的评分。根据得分可以比较客观的了解后厨的卫生情况,整个过程由监控系统来监控而非人为监控,非常客观也不存在造假的可能。用户去任何一家饭店吃饭,都可以先看看终端上显示的后厨卫生评分,评分高说明卫生状况好,吃饭也比较放心。
[0021] 作为优选地实施例之一地,后厨卫生的监控系统还可以包括语音合成模块和存储模块。语音合成模块可以实现语音播报的功能,若监控系统在监控的过程中发现厨房的某项评分低于及格分,语音合成模块应及时发出声音提醒,起到更好的监督作用。
[0022] 另一方面,在监控系统内设置一个存储模块,与图像采集模块连接,采集到的图像可以全部存储到存储模块,保存数据,同样存储模块设定时清除存储,减轻内存的负担。
[0023] 包含有这种后厨监控系统的设备,设置一个显示模块,显示模块也与控制模块连接,可以将评分在显示模块上一一显现,若商家将显示模块呈现在顾客面前,既是对自身的一种监督也是自信和实的一种体现,顾客用餐也更放心。
[0024] 以上为跟公开示范性实施例之一,本公开的保护范围由权利要求书及其等效物限定。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈