[发明专利]一种基于人工智能明厨亮灶规范检测识别方法，存储装置及服务器

说明书

一种基于人工智能明厨亮灶规范检测识别方法，包括以下步骤：S1:收集明厨亮灶相关图片数据；S2:对S1步骤中采集的图片进行清洗；S3:采用模型预测推理明厨亮灶图片；S4:将训练图片与S2步骤中不含明厨亮灶的图片做mixup融合；S5:采用明厨亮灶图片训练pp‑yolo模型；S6:采用训练好的pp‑yolo模型推理预测检测目标对象。本发明采用一种基于人工智能技术的明厨亮灶检测识别方法，为食品卫生安全远程监管提供可视化服务，实现公众直接参与食品安全、全民监督得到有效监督规范,使得明厨亮灶得到监控监管、食品安全得到监控监管，在迈进智能化文明城市上更进一步。

技术领域

本发明涉及人工智能图像识别领域，属于智能化城市技术领域，具体涉及明厨亮灶规范检测识别方法。

背景技术

明厨亮灶，是国家食品药品监督管理局推行的一项利民工程，明厨亮灶就是通过对关键场所和关键环节的全景展示，让用户把每道工序流程尽收眼底，既是督促餐饮单位加强自律，也是鼓励他律，使餐饮单位全面接受消费者监督，主动保障饮食安全。明厨亮灶系统在企业中应用，主要在于监督餐饮企业、学校食堂等单位的厨房的规范经营，液晶广告机应用主要在于后厨的实时监控和信息的展示，一来通过高清视频画面监督后厨工作人员的规范操作，对商家的用料和食材安全进行监督管理，二来为顾客展示后厨画面，传递食品安全的信心，让顾客吃的安心，买的放心。

现有技术采用人工识别明厨亮灶规范，成本高昂且效率低下不能满足城市市容市貌监督和智能化文明城市建设的需求。

发明内容

为了解决现有技术在城市管理过程中不能对明厨亮灶进行高效率监控监管监督问题，本发明提供一种基于人工智能明厨亮灶规范检测识别方法。

本发明提供一种基于人工智能明厨亮灶规范检测识别方法，包括以下步骤：

S1:收集明厨亮灶相关图片数据；

收集的数据可以是视频监控设备、一张图片或者是视频,针对视频类可以间隔一定帧数抽取一帧,5帧以下差异极小；视频监控可以每间隔10s采集一张,采集的数据格式建议为jpg,图片清晰且不是严重模糊,光暗极端情况。

S2:对S1步骤中采集的图片进行清洗，并分成第一数据集和第二数据集,第一数据集包含明厨亮灶图片,第二数据集不含明厨亮灶图片；

这一部分主要是筛选出符合我们条件的图片,我们将检测目标对象划分7类,分别是[厨师衣服、厨师帽子、人员正面、人员背面、口罩、老鼠、抽烟]类别。符合我们条件的图片则是具有以上7个类别的图片数据,符合这7个类别的划分到含明厨亮灶数据集部分,不含这7个类别的划分到不含明厨亮灶数据集部分。

S3:采用模型预测推理明厨亮灶图片,将识别结果以xml文件保存,xml文件命名规则与识别图片一致,采用labelImg进行校对,对不合理的、错误的检测对象微调或者删除；

在S3步骤中需要有一个基础模型能够检测到[厨师衣服、厨师帽子、人员正面、人员背面、口罩、老鼠、抽烟]这7个类别,如果没有基础模型的可使用lableImg标注200张图片训练的模型作为基础模型。基础模型检测到的数据格式为[[目标类别,该目标类别置信度,x1,y1,x2,y2],[目标对象2],...],之后将xml需要的json转成voc格式xml文件保存,这样一张图片的自动化标注就完成了。

labelImg标注工具是一个图形图像注释工具，采用Python编写而成，并使用Qt作为其图形界面。注释以PASCAL VOC格式保存为XML文件，格式使用了ImageNet。

S4:为增加更多负样本,将训练图片与S2步骤中不含明厨亮灶的图片做mixup融合技巧；

模型泛化能力就是指模型对新样本的适应能力,检测能力。