基于目标检测的餐饮人员卫生监管系统 ——以卫生帽和口罩佩戴为例.pdfVIP

摘要 摘要 众所周知，食品安全问题对于国家发展和人民健康来说，是非常重要的。近 些年来，频频发生的食品安全问题，不仅损害了国家经济发展，更对社会繁荣稳 定及人民身体健康带来了巨大的负面影响。佩戴口罩及卫生帽对于食品安全问题 的预防具有重要作用，因此准确及时地判断从业人员是否佩戴卫生帽对发现卫生 问题、提升食品环境安全监管等具有重要的意义。但人工查看操作录像视频的方 式不仅耗费大量人力，而且速度慢，无法可持续化。 深度学习在图像处理、自然语言处理等领域做出了超越传统机器学习算法的 成绩，打破了人工选取特征的局限，可以自主的学习更深、更广的特征，从而取 得更好的效果。依据人工智能技术进行餐饮人员卫生监管可以有效的提高食品安 全等级，增加预警和监管的及时性和有效性。在本课题中，使用SpringBoot搭建 服务器，遵循前后端分离的设计方式，采用分布式微服务的后端结构，实现了餐 饮人员卫生监管系统。提出了一套基于混合语言编程的服务端模型快速封装的通 用方案，并使用Docker容器引擎封装了复杂的算法环境，提高了深度学习算法的 稳定性和可移植性。 为了有效地监管餐饮人员在食品加工过程中的口罩佩戴问题，本文提出了一 个基于深度学习的口罩人脸检测算法，减小了病毒污染食品的可能性，推动了全 国防疫工作的顺利开展，增强了食品安全领域的防御壁垒。卫生帽佩戴检测和口 罩佩戴检测任务场景复杂，本文综合考虑各种实际问题详细设计了深度学习网络 的结构，最终完成了基于卫生帽和口罩佩戴检测算法的餐饮人员卫生监管系统， 规范了食品安全中的禁止行为，提高了监管的效率和质量，推动了食品卫生安全 监管的快速发展。 关键词：卫生监管，卫生帽佩戴检测，容器引擎，混合语言编程，口罩人脸检测 III 目录 目 录 摘要III ABSTRACTIV 1 引言1 1.1 研究背景与意义1 1.2 国内外研究发展现状2 1.2.1 国外食品安全监管领域发展2 1.2.2 国内食品安全监管领域发展2 1.3 研究内容3 1.4 论文结构3 2 相关技术介绍5 2.1Sprint Boot5 2.2 分布式框架5 2.3 消息队列6 2.4 容器引擎7 2.5 深度学习框架PyTorch7 2.6 本章小结8 3 系统需求分析9 3.1 系统总体需求分析9 3.2 系统功能需求9 3.2.1 摄像机模块9 3.2.2 存储模块11 3.2.3 算法模块12 3.3 系统性能需求13 3.4 算法需求13 3.5 本章小结13 4 系统设计14 4.1 系统架构设计14 4.2 系统功能设计16 4.2.1 摄像机模块16 4.2.2 算法模块18 4.3 数据库设计20 4.3.1 摄像机信息表20 4.3.2 用户信息表21 4.3.3 图片信息表22 4.3.4 报警记录表22 4.4 本章小结22 5 系统功能实现23 5.1 解决图片数据存储问题23 V 目录 5.1.1 厂商存储服务器23 5.1.2 自建服务器24 5.1.3 阿里云OSS存储服务器24 5.2 解决视频流播放卡顿问题25 5.2.1Nginx 流媒体服务器26 5.2.2JavaCV26 5.3 解决跨域问题27 5.4 解决依赖包管理问题28 5.4.1Maven 项目管理29 5.5 训练数据整理30 5.6 接口实现31 5.7 封装深度学习算法环境32 5.7.1 构建自定义Docker 容器33 5.7.2 混合语言编程33 5.8 系统算法实现34 5.8.1 卫生帽佩戴检测网络结构34 5.8.2