CN115620223A - 基于图像识别的餐饮店铺卫生检测及店铺推荐方法 - Google Patents

基于图像识别的餐饮店铺卫生检测及店铺推荐方法 Download PDF

Info

Publication number
CN115620223A
CN115620223A CN202211187217.9A CN202211187217A CN115620223A CN 115620223 A CN115620223 A CN 115620223A CN 202211187217 A CN202211187217 A CN 202211187217A CN 115620223 A CN115620223 A CN 115620223A
Authority
CN
China
Prior art keywords
hygiene
violation
image information
shop
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211187217.9A
Other languages
English (en)
Inventor
梁强
董春
栾润峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jinher Software Co Ltd
Original Assignee
Beijing Jinher Software Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Jinher Software Co Ltd filed Critical Beijing Jinher Software Co Ltd
Priority to CN202211187217.9A priority Critical patent/CN115620223A/zh
Publication of CN115620223A publication Critical patent/CN115620223A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/12—Hotels or restaurants
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于图像识别的餐饮店铺卫生检测方法及店铺推荐方法，属于图像处理技术领域，该基于图像识别的餐饮店铺卫生检测方法及店铺推荐方法通过摄像设备获取餐饮店铺内的图像信息，从而对餐饮店铺内的卫生违规情况进行及时识别，在得到卫生违规信息后，分析得到餐饮店铺的卫生检测结果。采用本申请的技术方案，可以根据餐饮店铺不同区域的图像信息进行及时识别，准确、客观，从而使得得到的每个餐饮店铺的卫生检测结果也具备准确性和客观性，使得客户可以得到及时、准确的卫生检测结果，从而根据卫生检测结果选择适合的餐饮店铺。

Description

基于图像识别的餐饮店铺卫生检测及店铺推荐方法
技术领域
本发明涉及图像处理技术领域，具体涉及一种基于图像识别的餐饮店铺卫生检测及店铺推荐方法。
背景技术
食品安全问题直接关系着人们的身体健康，其中，餐饮店铺的卫生问题是食品安全中的重要一环。相关技术中，人们通常通过其他人对餐饮店的评价来选择就餐的餐饮店，例如，选择评价较高的餐饮店就餐。而餐饮店内的真实卫生情况，只能在就餐后获知。其中，其他人对餐饮店的评价通常为已有用户在就餐后，对该店铺进行的评价，评价更新较慢，新顾客在获取评价信息时存在时效性差的问题；且，用户的评价存在主观性，使得店铺卫生评价的准确性降低。
因此，如何对餐饮店铺卫生进行客观、及时准确检测，使得顾客可以及时准确获知餐饮店铺的卫生情况，成为现有技术中亟待解决的技术问题。
发明内容
有鉴于此，本发明的目的在于提供一种基于图像识别的餐饮店铺卫生检测及店铺推荐方法，以克服目前新顾客在获取评价信息时存在时效性差的问题、店铺卫生评价的准确性降低的问题。
为实现以上目的，本发明采用如下技术方案：
一方面，一种基于图像识别的餐饮店铺卫生检测方法，包括：
基于摄像设备获取目标餐饮店铺内的图像信息；其中，所述图像信息为所述目标餐饮店铺内不同区域的图像信息；
根据卫生违规识别模型，识别所述图像信息中的卫生违规信息；其中，所述卫生违规识别模型是基于样本图像以及对应的识别标签训练后得到，所述识别标签是根据所述样本图像预先确定的，并与所述样本图像一一对应；
根据所述卫生违规信息，得到所述目标餐饮店铺的卫生检测结果。
可选的，所述卫生违规信息包括至少一类卫生违规内容；所述根据所述卫生违规信息，得到所述目标餐饮店铺的卫生检测结果，包括：
计算所述卫生违规信息中每类所述卫生违规内容的数量；
分别计算每类所述卫生违规内容的数量与总图像信息的数量的比值，并根据所述每类所述卫生违规内容的数量与总图像信息的数量的比值，计算得到所述目标餐饮店铺的卫生检测结果。
可选的，所述根据所述每类所述卫生违规内容的数量与总图像信息的数量的比值，计算得到所述目标餐饮店铺的卫生检测结果，包括：
以每类所述卫生违规内容的权重系数，分别乘以对应的每类所述卫生违规内容的数量与总图像信息的数量的比值，得到每类卫生违规内容在总图像信息的数量中的加权占比值；对所有加权占比值求和，得到卫生违规量化值，以所述卫生违规量化值作为所述目标餐饮店铺的卫生检测结果。
可选的，所述根据所述每类所述卫生违规内容的数量与总图像信息的数量的比值，计算得到所述目标餐饮店铺的卫生检测结果，包括：
基于预设计算规则，以及所述每类所述卫生违规内容的数量与总图像信息的数量的比值，计算每类所述卫生违规内容的子卫生违规量化值；对所有子卫生违规量化值求和，得到所述违规内容的卫生违规量化值，以所述卫生违规量化值作为所述目标餐饮店铺的卫生检测结果；
其中，所述计算规则，包括：
Figure BDA0003868252440000031
其中，其中i为每类卫生违规内容的编号；scorei为第i类卫生违规内容的子卫生违规量化值；illegali为第i类卫生违规内容出现的数量；alli为总图像信息的数量；
Figure BDA0003868252440000032
为计算得出的第i类卫生违规内容的数量与总图像信息的数量的比值；
Figure BDA0003868252440000033
为第i类卫生违规内容在总图像信息的数量中的权重系数。
可选的，所述根据卫生违规识别模型，识别所述图像信息中的卫生违规信息之后，还包括：
在所述图像信息中包含卫生违规信息时，获取每个所述图像信息的时间信息；
判断预设时长内包含卫生违规信息的所述图像信息的个数是否唯一；
若所述预设时长内包含卫生违规信息的所述图像信息的个数不唯一，则对所述预设时长内所述包含卫生违规信息的所述图像信息进行删减，保留所述预设时长内任一包含卫生违规信息的所述图像信息。
可选的，所述图像信息包括后厨图像和餐区图像。
又一方面，一种基于图像识别的餐饮店铺推荐方法，包括：
获取目标区域的预设范围内的待推荐餐饮店铺；
应用上述任一所述的基于图像识别的餐饮店铺卫生检测方法，获取所述待推荐餐饮店铺的卫生检测结果；
基于预设推荐规则，根据所述待推荐餐饮店铺的卫生检测结果生成所述待推荐餐饮店铺的推荐列表。
本发明提供的技术方案至少具备如下有益效果：
本发明实施例提供的基于图像识别的餐饮店铺卫生检测方法及店铺推荐方法，通过摄像设备获取餐饮店铺内的图像信息，从而对餐饮店铺内的卫生违规情况进行及时识别，在得到卫生违规信息后，得到餐饮店铺的卫生检测结果。采用本申请的技术方案，可以根据餐饮店铺不同区域的图像信息进行及时识别，准确、客观，从而使得得到的每个餐饮店铺的卫生检测结果也具备准确性和客观性，使得客户可以得到及时、准确的卫生检测结果，从而根据卫生检测结果选择适合的餐饮店铺。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于图像识别的餐饮店铺推荐方法的流程示意图；
图2为本发明实施例提供的一种基于图像识别的餐饮店铺卫生检测方法的流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
当前时代背景下，大数据与各种点评app的兴起，店铺的各种指标开始可以根据顾客的评价进行量化估计。在该类产品上，平台会根据顾客评价及流量等其他数据给出店铺评分。人们在选择就餐店铺时，往往会通过查询相关榜单，选择合适的店铺。但是，店铺内的真实卫生情况，只能在就餐后获知。其中，其他人对餐饮店的评价通常为已有用户在就餐后，对该店铺进行的评价，评价更新较慢，新顾客在获取评价信息时存在时效性差的问题；且，用户的评价存在主观性，使得店铺卫生评价的准确性降低。
基于此，本发明实施例提供一种基于图像识别的餐饮店铺卫生检测及店铺推荐方法。
图1为本发明实施例提供的一种基于图像识别的餐饮店铺推荐方法的流程示意图，请参阅图1，本实施例可以包括以下步骤：
步骤S1、获取目标区域的预设范围内的待推荐餐饮店铺。
在本申请中，可以将本申请实施例提供的基于图像识别的餐饮店铺推荐方法集成在任一APP、小程序等软件中，以供用户使用，从而为用户推荐合适的餐饮店铺。
例如，在用户需要进行餐饮店铺推荐时，可以以用户使用手机的所在地为目标区域，基于定位软件，获取目标区域内预设范围内的餐饮店铺，以这些餐饮店铺作为待推荐餐饮店铺。其中，预设范围可以为500米、1000米或2000米等。
步骤S2、基于摄像设备获取目标餐饮店铺内的图像信息；其中，图像信息为目标餐饮店铺内不同区域的图像信息。
以每个待推荐餐饮店铺作为目标餐饮店铺，在每个目标餐饮店铺内均设置了摄像设备，从而拍摄目标餐饮店铺内的图像信息。其中，摄像设备可以为摄像头等。
为了更好地多角度拍摄目标餐饮店铺的图像信息，从而对卫生情况进行准确检测，同时，方便监督部门对餐饮店铺的卫生情况进行卫生督查，在一些实施例中，图像信息可以包括后厨图像和餐区图像。
步骤S3、根据卫生违规识别模型，识别图像信息中的卫生违规信息；其中，卫生违规识别模型是基于样本图像以及对应的识别标签训练后得到，识别标签是根据样本图像预先确定的，并与样本图像一一对应。
在获取到图像信息后，可以将图像信息输入到卫生违规识别模型中，从而而识别图像信息中的卫生违规信息。
例如，对后厨图像，可以识别判断厨师是否规范穿着：穿着干净，佩戴厨帽等；厨师用手接触食物时是否装备手套；后厨是否干净整洁，是否存在垃圾残留，是否出现老鼠等。对餐区图像，可以识别消毒柜是否在正常工作；地面是否存在垃圾；餐桌是否清理干净，有无食物残渣及油污等。
其中，对每类卫生违规内容，均可通过预先训练的卫生违规识别模型进行识别。其中，卫生违规识别模型的训练过程为预先采集每类卫生违规内容的样本图像，对每张样本图像中的卫生违规内容进行识别标签的标注，从而进行训练，具体过程本申请不做赘述。
在一些实施例中，根据卫生违规识别模型，识别图像信息中的卫生违规信息之后，还包括：
在图像信息中包含卫生违规信息时，获取每个图像信息的时间信息；
判断预设时长内包含卫生违规信息的图像信息的个数是否唯一；
若预设时长内包含卫生违规信息的图像信息的个数不唯一，则对预设时长内包含卫生违规信息的图像信息进行删减，保留预设时长内任一包含卫生违规信息的图像信息。
为了保证卫生检测结果的准确性，避免同一次卫生违规行为作为多次计算，可以对卫生违规信息进行去重操作。例如，获取每个图像信息的时间信息，如，确定“用手接触食物时未装备手套”的卫生违规信息的时间为早上9:00，预设时长为2分钟，则若在9:01获取的卫生违规信息也为“用手接触食物时未装备手套”，则可将该两次卫生违规信息判定为一次违规行为，取其中任一一次作为该时间段的卫生违规信息，记录违规数量(次数)为1。
步骤S4、根据卫生违规信息，得到目标餐饮店铺的卫生检测结果。
在得到卫生违规信息后，可以确定该目标餐椅店铺的卫生检测结果可以为存在卫生违规信息。
为了进一步提升卫生检测结果的量化度，使得用户可以明确区分待推荐餐饮店铺间的卫生差距，在一些实施例中，卫生违规信息包括至少一类卫生违规内容；根据卫生违规信息，得到目标餐饮店铺的卫生检测结果，包括：
计算卫生违规信息中每类卫生违规内容的数量；
分别计算每类卫生违规内容的数量与总图像信息的数量的比值，并根据每类卫生违规内容的数量与总图像信息的数量的比值，计算得到目标餐饮店铺的卫生检测结果。
例如，以待推荐餐饮店铺A为例，进行说明。确定到店铺A中“用手接触食物时未装备手套”的卫生违规信息为1次，“出现老鼠”的卫生违规次数为1次，总图像信息的数量为100，则可以计算每类卫生违规内容的子卫生违规量化值为1/100、1/100，从而得到目标餐饮店铺的卫生检测结果(卫生违规量化值)为1/100+1/100＝2/100(2％)，即目标餐饮店铺的卫生不合格率为2％。为了便于用户查看，也可以设定卫生检测结果为卫生合格率为1-2/100＝98％。
在一些实施例中，根据每类卫生违规内容的数量与总图像信息的数量的比值，计算得到目标餐饮店铺的卫生检测结果，包括：
以每类卫生违规内容的权重系数，分别乘以对应的每类卫生违规内容的数量与总图像信息的数量的比值，得到每类卫生违规内容在总图像信息的数量中的加权占比值；对所有加权占比值求和，得到卫生违规量化值，以卫生违规量化值作为目标餐饮店铺的卫生检测结果。
为了提升卫生检测结果的准确度，可以对每类卫生违规内容在总图像信息的数量中的占比进行加权。例如，依旧以待推荐餐饮店铺A为例，进行说明，在计算得到“用手接触食物时未装备手套”和“出现老鼠”的卫生违规内容的子卫生违规量化值为1/100、1/100后，进行加权计算。其中，“用手接触食物时未装备手套”的权重系数可以为50％，“出现老鼠”的权重系数可以为150％，则可以计算卫生违规量化值为50％*1/100+150％*1/100＝2/100(2％)，以卫生违规量化值作为目标餐饮店铺的卫生检测结果，即目标餐饮店铺的卫生不合格率为2％。为了便于用户查看，也可以设定卫生检测结果为卫生合格率为1-2/100＝98％。
在一些实施例中，根据每类卫生违规内容的数量与总图像信息的数量的比值，计算得到目标餐饮店铺的卫生检测结果，包括：
基于预设计算规则，以及每类卫生违规内容的数量与总图像信息的数量的比值，计算每类卫生违规内容的子卫生违规量化值；对所有子卫生违规量化值求和，得到违规内容的卫生违规量化值，以卫生违规量化值作为目标餐饮店铺的卫生检测结果；
其中，计算规则，包括：
Figure BDA0003868252440000081
其中，其中i为每类卫生违规内容的编号；scorei为第i类卫生违规内容的子卫生违规量化值；illegali为第i类卫生违规内容出现的数量；alli为总图像信息的数量；
Figure BDA0003868252440000082
为计算得出的第i类卫生违规内容的数量与总图像信息的数量的比值；
Figure BDA0003868252440000083
为第i类卫生违规内容在总图像信息的数量中的权重系数。
步骤S5、基于预设推荐规则，根据待推荐餐饮店铺的卫生检测结果生成待推荐餐饮店铺的推荐列表。
在计算得到每个待推荐餐饮店铺的卫生检测结果后，按照卫生检测结果的优良对待检推荐餐饮店铺进行排序，从而生成推荐列表。
例如，待推荐餐饮店铺A、B、C、D的卫生检测结果(卫生合格率)分别为98％、93％、96％、90％，则按照待推荐餐饮店铺A、C、B、D的顺序生成推荐列表，以供用户查看。
可以理解的是，采用本发明实施例提供的技术方案，通过摄像设备获取餐饮店铺内的图像信息，从而对餐饮店铺内的卫生违规情况进行及时识别，在得到卫生违规信息后，得到餐饮店铺的卫生检测结果。采用本申请的技术方案，可以根据餐饮店铺不同区域的图像信息进行及时识别，准确、客观，从而使得得到的每个餐饮店铺的卫生检测结果也具备准确性和客观性，使得客户可以得到及时、准确的卫生检测结果，从而根据卫生检测结果选择适合的餐饮店铺。
本方法从顾客需求出发，综合考虑了餐饮店铺内可能出现的各种卫生违规情景，将该些方面作为判断餐饮店铺卫生情况的影响因素，实现满足顾客就餐时挑选卫生状况更好餐饮店铺的需求。
通过考量顾客自身需求，再结合顾客所在地理位置，对其周围区域内餐饮店铺卫生情况进行排名，筛选滤出后向顾客推荐卫生情况更好的店铺。同时，考虑到餐饮店铺受此推荐系统产生的后续影响，餐饮店将更加注重店铺内后厨及餐区的卫生情况。基于此，餐饮店铺的整体卫生情况将得以提升，顾客在就餐时也能够更放心地选择店铺。
另外，卫生情况好的店铺将获得更高的排名，推荐的优先级将得到提升。考虑到推荐系统的后续影响，不难预估推荐优先级高的店铺将获得更多的关注，而这也将有益于店铺的经营管理，为店铺发展带来良性影响。如此发展，卫生状况好的餐饮店铺将更好的发展，同时，卫生状况差的店铺将会逐渐被系统淘汰，以此形成良性循环。
另外，通过该方法的推荐，将会为顾客减少抉择所需要的时间。同时，顾客在外就餐时可能会出现的一些由于卫生问题而引发的疾病将会减少。另外，从卫生监管的角度考虑，由于卫生情况将间接与店铺的经营状况相关联，监管难度将下降以及监管效率将得以提高，监管部门的工作量也会大幅下降。
基于一个总的发明构思，本发明实施例提供一种基于图像识别的餐饮店铺卫生检测方法。
图2为本发明实施例提供的一种基于图像识别的餐饮店铺卫生检测方法的流程示意图，参阅图2，本发明实施例提供的基于图像识别的餐饮店铺卫生检测方法可以包括以下步骤：
步骤S2、基于摄像设备获取目标餐饮店铺内的图像信息；其中，图像信息为目标餐饮店铺内不同区域的图像信息；
步骤S3、根据卫生违规识别模型，识别图像信息中的卫生违规信息；其中，卫生违规识别模型是基于样本图像以及对应的识别标签训练后得到，识别标签是根据样本图像预先确定的，并与样本图像一一对应；
步骤S4、根据卫生违规信息，得到目标餐饮店铺的卫生检测结果。
关于上述实施例中的步骤，其中各个步骤执行操作的具体方式已经在基于图像识别的餐饮店铺推荐方法实施例中进行了详细描述，此处将不做详细阐述说明。
可以理解的是，采用本发明实施例提供的技术方案，通过摄像设备获取餐饮店铺内的图像信息，从而对餐饮店铺内的卫生违规情况进行及时识别，在得到卫生违规信息后，得到餐饮店铺的卫生检测结果。采用本申请的技术方案，可以根据餐饮店铺不同区域的图像信息进行及时识别，准确、客观，从而使得得到的每个餐饮店铺的卫生检测结果也具备准确性和客观性，使得客户可以得到及时、准确的卫生检测结果，从而根据卫生检测结果选择适合的餐饮店铺。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (7)

1.一种基于图像识别的餐饮店铺卫生检测方法，其特征在于，包括：
基于摄像设备获取目标餐饮店铺内的图像信息；其中，所述图像信息为所述目标餐饮店铺内不同区域的图像信息；
根据卫生违规识别模型，识别所述图像信息中的卫生违规信息；其中，所述卫生违规识别模型是基于样本图像以及对应的识别标签训练后得到，所述识别标签是根据所述样本图像预先确定的，并与所述样本图像一一对应；
根据所述卫生违规信息，得到所述目标餐饮店铺的卫生检测结果。
2.根据权利要求1所述的方法，其特征在于，所述卫生违规信息包括至少一类卫生违规内容；所述根据所述卫生违规信息，得到所述目标餐饮店铺的卫生检测结果，包括：
计算所述卫生违规信息中每类所述卫生违规内容的数量；
分别计算每类所述卫生违规内容的数量与总图像信息的数量的比值，并根据所述每类所述卫生违规内容的数量与总图像信息的数量的比值，计算得到所述目标餐饮店铺的卫生检测结果。
3.根据权利要求2所述的方法，其特征在于，所述根据所述每类所述卫生违规内容的数量与总图像信息的数量的比值，计算得到所述目标餐饮店铺的卫生检测结果，包括：
以每类所述卫生违规内容的权重系数，分别乘以对应的每类所述卫生违规内容的数量与总图像信息的数量的比值，得到每类卫生违规内容在总图像信息的数量中的加权占比值；对所有加权占比值求和，得到卫生违规量化值，以所述卫生违规量化值作为所述目标餐饮店铺的卫生检测结果。
4.根据权利要求3所述的方法，其特征在于，所述根据所述每类所述卫生违规内容的数量与总图像信息的数量的比值，计算得到所述目标餐饮店铺的卫生检测结果，包括：
基于预设计算规则，以及所述每类所述卫生违规内容的数量与总图像信息的数量的比值，计算每类所述卫生违规内容的子卫生违规量化值；对所有子卫生违规量化值求和，得到所述违规内容的卫生违规量化值，以所述卫生违规量化值作为所述目标餐饮店铺的卫生检测结果；
其中，所述计算规则，包括：
Figure FDA0003868252430000021
其中，其中i为每类卫生违规内容的编号；scorei为第i类卫生违规内容的子卫生违规量化值；illegali为第i类卫生违规内容出现的数量；alli为总图像信息的数量；
Figure FDA0003868252430000022
为计算得出的第i类卫生违规内容的数量与总图像信息的数量的比值；
Figure FDA0003868252430000023
为第i类卫生违规内容在总图像信息的数量中的权重系数。
5.根据权利要求1所述的方法，其特征在于，所述根据卫生违规识别模型，识别所述图像信息中的卫生违规信息之后，还包括：
在所述图像信息中包含卫生违规信息时，获取每个所述图像信息的时间信息；
判断预设时长内包含卫生违规信息的所述图像信息的个数是否唯一；
若所述预设时长内包含卫生违规信息的所述图像信息的个数不唯一，则对所述预设时长内所述包含卫生违规信息的所述图像信息进行删减，保留所述预设时长内任一包含卫生违规信息的所述图像信息。
6.根据权利要求1-5任一所述的方法，其特征在于，所述图像信息包括后厨图像和餐区图像。
7.一种基于图像识别的餐饮店铺推荐方法，其特征在于，包括：
获取目标区域的预设范围内的待推荐餐饮店铺；
应用权利要求1-6任一所述的基于图像识别的餐饮店铺卫生检测方法，获取所述待推荐餐饮店铺的卫生检测结果；
基于预设推荐规则，根据所述待推荐餐饮店铺的卫生检测结果生成所述待推荐餐饮店铺的推荐列表。
CN202211187217.9A 2022-09-28 2022-09-28 基于图像识别的餐饮店铺卫生检测及店铺推荐方法 Pending CN115620223A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211187217.9A CN115620223A (zh) 2022-09-28 2022-09-28 基于图像识别的餐饮店铺卫生检测及店铺推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211187217.9A CN115620223A (zh) 2022-09-28 2022-09-28 基于图像识别的餐饮店铺卫生检测及店铺推荐方法

Publications (1)

Publication Number Publication Date
CN115620223A true CN115620223A (zh) 2023-01-17

Family

ID=84859806

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211187217.9A Pending CN115620223A (zh) 2022-09-28 2022-09-28 基于图像识别的餐饮店铺卫生检测及店铺推荐方法

Country Status (1)

Country Link
CN (1) CN115620223A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117764639A (zh) * 2023-11-15 2024-03-26 深圳市万人市场调查股份有限公司 农贸市场测评方法、装置、电子设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117764639A (zh) * 2023-11-15 2024-03-26 深圳市万人市场调查股份有限公司 农贸市场测评方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
US10832094B2 (en) Generating hyperspectral image database by machine learning and mapping of color images to hyperspectral domain
WO2018200996A1 (en) Method and system of managing item assortment based on demand transfer
TW201737194A (zh) 網路用戶健康狀況的評價方法、系統及設備
CN111523923A (zh) 商家评论管理系统、方法、服务器及存储介质
CN109711929A (zh) 基于预测模型的业务推荐的方法及装置
CN107093091B (zh) 一种数据处理方法和装置
Liyanage et al. Foody-Smart restaurant management and ordering system
CN111061979B (zh) 一种用户标签的推送方法、装置、电子设备和介质
WO2019218654A1 (zh) 产品排序
US20140052585A1 (en) Information processing system, information processing method, program, and information recording medium
CN111797756A (zh) 基于人工智能的视频分析方法、设备及介质
CN110490175A (zh) 食品安全检查方法及系统
CN115620223A (zh) 基于图像识别的餐饮店铺卫生检测及店铺推荐方法
CN106991425B (zh) 商品交易质量的检测方法和装置
JP4473676B2 (ja) フェイスアップ度評価システム及び評価プログラム
CN110750697A (zh) 商户分类方法、装置、设备及存储介质
KR20220085038A (ko) Ai 기반 주방 행동 분석형 위생 관리 시스템
JP2020537220A (ja) ユーザの外形に基づいて小売店の衣服在庫を最適化するためのコンピュータシステム
CN110570271A (zh) 信息推荐方法、装置、电子设备及可读存储介质
CN111091416A (zh) 一种预测酒店购买机器人的概率的方法和装置
Yazdi Designing a mathematical model for indicators of service quality in the tourism industry based on SERVQUAL and Rembrandt methods
Talton III et al. How do people sort by ratings?
Robben et al. How is grandma doing? Predicting functional health status from binary ambient sensor data
KR20210029006A (ko) 제품 평가 마이닝 방법 및 이를 수행하는 장치
CN109214548A (zh) 一种订单准备时间的预测方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination