一种基于机器视觉的食品加工安全管理方法及系统技术方案

一种基于机器视觉的食品加工安全管理方法及系统，涉及食品加工行业的安全管理领域，具体涉及一种基于人工智能技术的餐饮行业从业人员行为安全管理的方法及系统。一种基于机器视觉的食品加工安全管理方法及系统，包括一个行业级的云服务中心、多个餐馆级的边缘计算设备、若干个前端感知设备和一个行业管理APP。系统以餐饮从业人员行为安全为研究对象，按照“定义目标行为

【技术实现步骤摘要】
一种基于机器视觉的食品加工安全管理方法及系统


[0001]本专利技术涉及食品加工行业的安全管理领域，具体涉及一种基于人工智能技术的餐饮行业从业人员行为安全管理的方法及系统。

技术介绍

[0002]食品安全涉及诸多方面，而人们最容易感受到的就是餐饮行业的食品安全状况。
[0003]“明厨亮灶”是指餐饮服务单位采用隔断矮墙、透明玻璃幕墙、视频显示、网络展示等方式，将餐饮食品的加工制作过程公开展现给消费者，主动接受公众监督。
[0004]依据《中华人民共和国食品安全法》和《市场监管总局关于印发餐饮服务明厨亮灶工作指导意见的通知》(国市监食监二〔2018〕32号)的要求，对粗加工区，烹饪区、专间专用操作区域、餐饮具清洗消毒区安装摄像设备，规范公开加工过程，推动餐饮服务食品安全社会共治。
[0005]以餐饮从业人员行为安全为研究对象，按照“定义目标行为
‑
对不安全行为进行观察和记录
‑ꢀ
行为提醒
‑
评分奖惩”的步骤和流程，建立了餐饮行业的行为安全方法，对餐饮行业从业人员的不安全行为进行纠正,使从业人员养成良好的食品加工习惯和安全意识,促使形成较好的安全工作环境,从而改善以餐饮行业的安全水平。该方法是一种以行为安全为基准的观察行动方法，通过确立危险行为与安全行为之间区别，在餐饮行业从业人员生产作业现场进行观察行动并处理工人行为，增进从业人员主动应对能力，发展与从业人员有关安全行为的共同作用，纠正从业人员的不安全行为、培训安全行为，促进安全氛围形成，提高安全绩效的管理方法。
[0006]在以上传统的管理方法中，采用一种以行为安全为基准的观察行动方法，可获得大量真实的第一手资料,但要花费大量的人力、物力、财力和时间去判定，智能化程度不足、效率不高。其二，在传统管理方法中，干预过程(行为矫正)是建立在关键行为这个前提上，而关键行为的分析和确定往往是通过经验法和行为观察法得到的，这2种方法主观性较强，不能全面和实时收集和分析关键行为，对于从业人员的不安全行为特征和规律缺乏深层次地分析和总结。其三，在传统管理方法中，行为安全干预主要采用物质奖励、目标设定和绩效反馈、管理层干预3种手段，“撒网式”和“一刀切”的干预方式准确度低，不能够充分捕捉不安全行为产生的位点进行精准干预，效果不佳。其四，有研究表明，简单的行为观测和绩效反馈无法使安全隐患持续降低，只能起到暂时影响的作用，不能从根本上纠正从业人员的不安全行为，干预结束后其根源因素又开始作用于不安全行为。
[0007]随着人工智能(Artificial Intelligence)技术的广泛应用,餐饮行业从业人员的行为安全管理活动得到了更多的有力支持。人工智能技术的智能化、自动化以及集成化程度较高,将其应用在餐饮行业的行为安全管理活动中,能够实现对从业人员行为安全的高效识别和分类,深度分析和总结不安全行为特征和规律，从而充分捕捉不安全行为产生的位点进行精准干预，实现针对性的行为矫正(行为培训)，动态匹配培训和矫正的效果，最终促进安全氛围形成，提高安全绩效和实现安全总体目标。

技术实现思路

[0008]本专利技术的目的在于提供一种基于机器视觉的食品加工安全管理方法及系统。
[0009]本专利技术为了实现上述目的，采用的技术解决方案是：
[0010]一种基于机器视觉的食品加工安全管理方法及系统，包括一个行业级的云服务中心、多个餐馆级的边缘计算设备、若干个前端感知设备和一个行业管理APP；
[0011]所述的前端感知设备位于系统的前端或接入端，前端感知设备包括直接通过线路连接的固定感知设备或通过无线信号连接的移动感知设备，视频图像采集模块用于获取餐饮行业从业人员的不安全行为的图片；餐馆级边缘计算设备具有从业人员不安全行为自动识别、分类、存储、上传和行为矫正精准干预的功能，该设备的核心功能是将非结构化数据转为结构化数据，行为矫正精准干预功能的平台通过机器视觉方法中的数据挖掘、统计分析明确不安全行为与各工种岗位、加工工序的多维度交互后的干预节点，实现现场对餐饮从业人员进行声音提醒，达到精准干预、矫正工人不安全行为；云服务中心位于系统的远端，边缘计算设备位于前端感知设备和云服务中心的之间，行业管理APP位于系统的应用端；所述的云服务中心内具有云计算、云推送、云存储的功能，将边缘计算设备推送的结构化数据进行存储和推送。云服务中心同时具备不安全行为识别模型训练功能，不安全行为识别模型训练功能的平台通过导入来自餐饮行业的前端感知设备收集的不安全行为作为实例数据集，对实例数据集进行反复训练得到不安全行为模型后，把模型加载至边缘计算设备，从而对现场行为进行人工智能分析获得结构化数据；所述的结构化数据是指智能识别发现不安全行为后，采集、存储不安全事件发生的时间、地点、操作人员信息、不安全行为类别信息、不安全行为短视频和图片信息；对识别后的图像上进行样本标注，一方面提供给人工智能模型训练平台进行训练，另一方给行为矫正精准干预功能的平台提供所需案例样本；
[0012]优选的，所述的餐饮行业从业人员行为安全管理方法及系统中采用采用云边端网络系统，云边端网络系统包括前端感知层、边缘计算层、云计算层和智能应用层；
[0013]所述的前端感知层位于网络系统的前端或接入端，负责餐饮加工现场视频图像数据采集的网络传输；
[0014]所述的边缘计算层负责汇总各个前端感知设备送来的非结构化视频数据和物联网数据，并进行处理，按既定规则触发相应动作，同时将处理成结构化数据上传给云端；
[0015]所述的云计算层位于系统的远端，云计算层负责全局信息的处理和存储，承担边缘计算层无法执行的计算任务，并向边缘计算层下发算法规则、算法模型以及各类应用的开发对接提供标准的API；
[0016]所述智能应用层利用分析处理边缘计算设备提供的结构化数据，结合特定的业务需求和应用模型，为用户提供垂直的应用服务。
[0017]优选的，所述的云计算中心内设置有边缘管理模块、不安全行为训练平台模块、智能业务平台模块、物联网平台模块，各个模块协同合作，实现云计算中心的不安全行为识别模型训练功能和行业智能管理功能。
[0018]优选的，所述的边缘管理模块包括区域管理子模块、组件管理子模块、服务管理子模块、服务编排子模块，以实现边缘计算的资源监控功能；
[0019]所述的不安全行为训练平台模块包括算法市场子模块、模型训练子模块、样本标
注子模块、模型分发子模块，以实现模型算法的智能管理功能；
[0020]所述的行业智能平台模块包括用户管理子模块、案例管理子模块、报警处理子模块、餐饮业管理子模块，实现对餐饮行业智能化管理；
[0021]所述的物联网平台模块包括设备管理子模块、连接管理子模块、数据分析子模块、数据管理子模块，规则引擎子模块、用户管理子模块，以实现对各类设备管理功能。
[0022]优选的，所述边缘计算设备内设置有边缘计算网络计算存储模块、操作系统一体化平台模块、 Docker容器本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的食品加工安全管理方法及系统，其特征在于，包括一个行业级的云服务中心、多个餐馆级的边缘计算设备、若干个前端感知设备和一个行业管理APP；所述的前端感知设备位于系统的前端或接入端，前端感知设备包括直接通过线路连接的固定感知设备和通过无线信号连接的移动感知设备，视频图像采集模块用于获取食品加工从业人员的不安全行为的视频及图片；云计算中心位于系统的远端，边缘计算中心位于前端感知设备和云计算中心的之间，行业管理APP位于系统的应用端；边缘计算中心具有食品加工从业人员不安全行为自动识别功能、分类功能及存储功能；所述的云计算中心内具有AI智能学习功能、不安全行为识别模型训练功能和行为矫正精准干预功能，不安全行为识别模型训练功能的平台通过导入来自厨房的前端感知设备收集的不安全行为实例的视频图像数据集，对不安全行为算法进行反复训练得不安全行为模型后，直接把模型加载至边缘计算中心，从而对视频图像数据集进行人工智能分析，智能识别出所训练的不安全行为并分类和存储；并对识别后的图像上进行样本标注，一方面提供给人工智能模型训练平台进行训练，另一方给行为矫正精准干预功能的平台提供所需案例样本；行为矫正精准干预功能的平台通过AI智能学习的方法中的数据挖掘、统计分析明确不安全行为与各工种岗位、施工工序的多维度交互后的干预节点，实现对食品加工从业人员行为矫正或个性化培训，达到精准干预的目的。2.根据权利要求1所述的一种基于AI技术的食品加工从业人员行为安全管理矫正方法及系统，其特征在于，所述的食品加工从业人员行为安全管理矫正方法及系统中采用采用云边端网络系统，云边端网络系统包括前端感知层、边缘计算层、云计算层和智能应用层；所述的前端感知层位于网络系统的前端或接入端，负责食品加工现场视频图像数据采集的网络传输；所述的边缘计算层负责汇总各个前端感知设备送来的非结构化视频数据和物联网数据，并进行预处理，按既定规则触发相应动作，同时将处理结构及有关数据上传给云端；所述的云计算层位于系统的远端，云计算层负责全局信息的处理和存储，承担边缘计算层无法执行的计算任务，并向边缘计算层下发业务规则、算法模型以及各类应用的开发对接提供标准的API；云计算层还负责食品加工从业人员的行为矫正，基于岗位工种及施工工序的关键行为的监测结果确定靶向干预节点，实现不安全行为二次干预及多次干预；所述智能应用层利用分析处理的结构化数据，结合特定的业务需求和应用模型，为用户提供垂直的应用服务。3.根据权利要求1所述的一种基于机器视觉的食品加工安全管理方法及系统，其特征在于，所述的云计算中心内设置有边缘管理模块、视频云平台模块、不安全行为识别平台模块和物联网平台模块，各个模块协同合作，实现云计算中心的AI智能学习功能、不安全行为识别模型训练功能和行为矫正精准干预功能。4.根据权利要求3所述的一种基于机器视觉的食品加工安全管理方法及系统，其特征在于，所述的边缘管理模块包括区域管理子模块、组件管理子模块、服务管理子模块、服务编排子模块，以实现边缘计算的资源监控功能；所述的视频云平台模块包括视频存储子模块、视频分发子模块、视频处理子模块、质量诊断子模块，以实现视频图像的结构化数据功能；所述的不安全行为识别平台模块包括算法市场子模块、模型训练子模块、样本标注子
模块、模型分发子模块，以实现模型算法的智能管理功能；所述的物联网平台模块包括设备管理子模块、连接管理子模块、数据分析子模块、数据管理子模块，规则引擎子模块、用户管理子模块，以实现对各类设备管理功能。5.根据权利要求1所述的一种基于机器视觉的食品加工安全管理方法及系统，其特征在于，所述边缘计算中心内设置有边缘计算网络计算存储模块、操作系统一体化平台模块、Docker容器模块、应用程序模块、设备管理模块、调度管理模块；所述的操作系统一体化平台模块包括网络子模块、计算子模块、存储子模块、操作系统子模块，以实现边缘计算支持平台功能；所述的Docker容器模块，以实现多个应用程序在虚拟机轻巧、模块化使用；所述的应用程序模块包括若干个不安全行为识别应用程序，以实现对各种不安全行为识别，所述的设备管理模块，以实现对接入设备的管理功能；所述的调度管理模块以实现任务调度功能，包括云计算中心与边缘计算中心的任务调度。6.根据权利要求1所述的一种基于机器视觉的食品加工安全管理方法及系统，其特征在于，所述不安全行为识别平台模块通过不安全行为模型训练方法进行模型训练，其模型训练方法包括如下：步骤A1、涉及食品不安全行为的分类：食品加工人员在厨房的不安全行为分为8类共25种，针对以下25种不安全行为列表进行统一编码或编号，用于分类采集的图像数据；步骤A2、视频图像归集：将部署在厨房的固定感知设备拍摄的视频图像及巡视员的移动感知设备拍摄的现场照片进行归集；步骤A3、样本收集：根据步骤A1定义的不安全行为，在预处理...

【专利技术属性】
技术研发人员：石琛，郑杰，
申请(专利权)人：郑杰，
类型：发明
国别省市：