KR20220085038A - Ai 기반 주방 행동 분석형 위생 관리 시스템 - Google Patents
Ai 기반 주방 행동 분석형 위생 관리 시스템 Download PDFInfo
- Publication number
- KR20220085038A KR20220085038A KR1020220028626A KR20220028626A KR20220085038A KR 20220085038 A KR20220085038 A KR 20220085038A KR 1020220028626 A KR1020220028626 A KR 1020220028626A KR 20220028626 A KR20220028626 A KR 20220028626A KR 20220085038 A KR20220085038 A KR 20220085038A
- Authority
- KR
- South Korea
- Prior art keywords
- restaurant
- hygiene
- analysis result
- image
- processor
- Prior art date
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 88
- 238000011156 evaluation Methods 0.000 claims abstract description 66
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000013528 artificial neural network Methods 0.000 claims description 48
- 230000006399 behavior Effects 0.000 claims description 42
- 235000013305 food Nutrition 0.000 claims description 36
- 230000003068 static effect Effects 0.000 claims description 29
- 238000012937 correction Methods 0.000 claims description 24
- 230000009471 action Effects 0.000 claims description 21
- 238000005067 remediation Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 230000010365 information processing Effects 0.000 description 43
- 238000007726 management method Methods 0.000 description 25
- 238000004891 communication Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 16
- 230000000875 corresponding effect Effects 0.000 description 12
- 238000004806 packaging method and process Methods 0.000 description 12
- 238000010411 cooking Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000005406 washing Methods 0.000 description 5
- 241001465754 Metazoa Species 0.000 description 4
- 230000003749 cleanliness Effects 0.000 description 4
- 238000004064 recycling Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 241000238631 Hexapoda Species 0.000 description 3
- 241000699670 Mus sp. Species 0.000 description 3
- 238000011109 contamination Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 230000000391 smoking effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000004851 dishwashing Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 206010016952 Food poisoning Diseases 0.000 description 1
- 208000019331 Foodborne disease Diseases 0.000 description 1
- 241000699666 Mus <mouse, genus> Species 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000004519 grease Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- 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
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/68—Food, e.g. fruit or vegetables
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
Abstract
본 개시는 적어도 하나의 프로세서에 의해 수행되는 식당의 위생 상태를 관리하는 방법이다. 식당의 위생 상태를 관리하는 방법은, 이미지 센서를 통해 식당의 내부의 적어도 일부가 촬영된 이미지를 수신하는 단계, 수신된 이미지에 포함된 하나 이상의 객체의 상태 또는 행동 중 적어도 하나에 대한 분석 결과를 생성하는 단계 및 생성된 분석 결과에 기초하여, 식당의 위생 상태에 대한 평가 결과를 생성하는 단계를 포함한다.
Description
본 개시는 식당의 위생 상태를 관리하는 방법에 관한 것으로, 구체적으로, 식당의 내부의 적어도 일부가 촬영된 이미지를 분석하여 식당의 위생 상태를 평가하고, 관리하는 방법에 관한 것이다.
위생 상태가 불량한 식당에서 만들어진 음식을 섭취하는 경우, 해당 음식을 섭취한 사람에게 식중독 등 다양한 질병이 발생할 수 있다. 이에 따라, 음식을 주문하는 소비자들은 자신이 섭취할 음식을 주문하는데 있어서, 해당 음식을 조리하는 식당의 위생 상태를 중요하게 고려할 수 있다. 그러나, 배달 서비스의 확대 등으로 소비자는 직접 식당에 방문하지 않고도 음식을 주문할 수 있게 되었고, 이에 따라, 소비자가 직접 해당 식당의 위생 상태를 확인하는데 어려움이 있다.
또한, 식당은 이러한 위생 관리 및/또는 홍보 효과를 위해, 전문 위생 업체의 관리를 받을 수 있다. 그러나, 이러한 전문 위생 업체의 관리 서비스는 대면 서비스로서, 위생 관리자가 직접 정해진 날짜 및 시간에 해당 식당을 방문하여 위생 상태를 점검하고, 관리해야 한다는 불편이 있다. 또한, 실시간으로 발생하는 위생 불량 행위 및 상태를 관리할 수 없다는 문제가 있다.
본 개시는 상기와 같은 문제를 해결하기 위한 식당의 위생 상태를 관리하는 방법, 컴퓨터 판독가능한 기록 매체에 저장된 컴퓨터 프로그램 및 장치(시스템)를 제공한다.
본 개시는 방법, 장치(시스템) 또는 판독 가능 저장 매체에 저장된 컴퓨터 프로그램, 컴퓨터 판독가능한 기록 매체를 포함한 다양한 방식으로 구현될 수 있다.
본 개시의 일 실시예에 따르면, 적어도 하나의 프로세서에 의해 수행되는 식당의 위생 상태를 관리하는 방법은, 이미지 센서를 통해 식당의 내부의 적어도 일부가 촬영된 이미지를 수신하는 단계, 수신된 이미지에 포함된 하나 이상의 객체의 상태 또는 행동 중 적어도 하나에 대한 분석 결과를 생성하는 단계 및 생성된 분석 결과에 기초하여, 식당의 위생 상태에 대한 평가 결과를 생성하는 단계를 포함한다.
일 실시예에서, 수신된 이미지에 포함된 하나 이상의 객체의 상태 또는 행동 중 적어도 하나에 대한 분석 결과를 생성하는 단계는, 복수의 참조 이미지에 포함된 참조 객체를 세그멘테이션(segmentation)하도록 학습된 제1 인공신경망을 통해 수신된 이미지에 포함된 하나 이상의 객체를 세그멘테이션하는 단계를 포함하고, 하나 이상의 객체는 정적 객체 또는 동적 객체 중 적어도 하나를 포함한다.
일 실시예에서, 하나 이상의 객체는 하나 이상의 정적 객체를 포함하고, 수신된 이미지에 포함된 하나 이상의 객체의 상태 또는 행동 중 적어도 하나에 대한 분석 결과를 생성하는 단계는, 참조 정적 객체가 포함된 복수의 제1 참조 이미지를 입력하여 복수의 제1 참조 이미지에 포함된 참조 정적 객체의 상태에 대한 분석 결과를 출력하도록 학습된 제2 인공신경망 모델을 통해, 수신된 이미지에 포함된 하나 이상의 정적 객체의 상태에 대한 분석 결과를 생성하는 단계를 더 포함한다.
일 실시예에서, 하나 이상의 객체는 하나 이상의 동적 객체를 포함하고, 수신된 이미지에 포함된 하나 이상의 객체의 상태 또는 행동 중 적어도 하나에 대한 분석 결과를 생성하는 단계는, 참조 동적 객체가 포함된 복수의 제2 참조 이미지를 입력하여 복수의 제2 참조 이미지에 포함된 참조 동적 객체의 행동을 판정하도록 학습된 제3 인공신경망 모델을 통해, 수신된 이미지에 포함된 하나 이상의 동적 객체의 행동에 대한 분석 결과를 생성하는 단계를 포함한다.
일 실시예에서, 생성된 분석 결과에 기초하여, 식당의 위생 상태에 대한 평가 결과를 생성하는 단계는, 생성된 하나 이상의 정적 객체의 위생 상태에 대한 분석 결과 또는 생성된 하나 이상의 동적 객체의 행동에 대한 분석 결과 중 적어도 하나에 기초하여 식당의 위생 상태에 대한 평가 결과를 생성하는 단계를 포함한다.
일 실시예에서. 생성된 분석 결과에 기초하여, 식당의 위생 상태에 대한 평가 결과를 생성하는 단계는, 생성된 분석 결과에 기초하여 식당의 위생 스코어를 산출하는 단계 및 산출된 위생 스코어에 따라 식당의 위생 등급을 결정하는 단계를 포함한다.
일 실시예에서, 이미지 센서를 통해 식당의 내부의 적어도 일부가 촬영된 이미지를 수신하는 단계는, 이미지 센서를 통해 식당 내부의 적어도 일부가 촬영된 이미지를 실시간으로 수신하는 단계를 포함하고, 생성된 식당의 위생 상태에 대한 평가 결과를 식당과 연관된 사용자 단말 또는 식당과 연관된 플랫폼 중 적어도 하나에 실시간으로 제공하는 단계를 더 포함한다.
일 실시예에서, 생성된 식당의 위생 상태에 대한 평가 결과를 식당과 연관된 사용자 단말 또는 식당과 연관된 플랫폼 중 적어도 하나에 실시간으로 제공하는 단계는, 결정된 식당의 위생 등급이 위생 평가 기준을 만족하지 못하는 경우, 식당의 위생 상태에 대한 교정 요청을 식당과 연관된 사용자 단말에 전송하는 단계를 포함한다.
일 실시예에서, 식당의 위생 상태에 대한 교정 요청은 식당에 요구되는 하나 이상의 교정 인스트럭션을 포함하고, 하나 이상의 교정 인스트럭션은, 수신된 이미지에 포함된 하나 이상의 객체의 상태 또는 행동 중 적어도 하나에 대한 분석 결과에 따라 생성된다.
본 개시의 일 실시예에 따르면, 상술된 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램을 제공한다.
본 개시의 다양한 실시예에서, 비대면으로 식당의 위생 관리 서비스를 제공할 수 있다. 또한, 식당에 설치된 카메라를 이용하여 해당 식당의 위생 상태를 모니터링함으로써, 시간과 장소에 구애받지 않고 해당 식당의 위생 상태를 24시간 관리할 수 있다.
본 개시의 다양한 실시예에서, 위생 평가 결과가 배달, 포장, 주문 관련 업체 플랫폼을 통해 사용자들에게 제공됨으로써, 그러한 플랫폼을 이용하는 사용자가 음식을 주문할 식당을 결정하는데 있어서, 제공된 위생 평가 결과를 고려할 수 있다.
본 개시의 다양한 실시예에서, 식당의 주인, 직원 등이 식당의 위생 상태를 관리하도록 유도될 수 있고, 식당의 주인, 직원 등은 제공받은 교정 인스트럭션을 수행함으로써 위생 상태를 개선할 수 있다. 또한, 해당 식당의 프랜차이즈 본사에서 각 지점의 위생 상태를 직접 관리하도록 할 수 있다.
본 개시의 다양한 실시예에서, 식당의 주인, 직원 등은 식당의 우수한 위생 상태를 식당 홍보, 마케팅 수단으로 사용할 수 있다.
본 개시의 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급되지 않은 다른 효과들은 청구범위의 기재로부터 본 개시에 속하는 기술 분야에서 통상의 지식을 가진 자(이하, '통상의 기술자'라 함)에게 명확하게 이해될 수 있을 것이다.
본 개시의 실시예들은, 이하 설명하는 첨부 도면들을 참조하여 설명될 것이며, 여기서 유사한 참조 번호는 유사한 요소들을 나타내지만, 이에 한정되지는 않는다.
도 1은 본 개시의 일 실시예에 따라 이미지 센서를 통해 식당의 내부의 적어도 일부를 촬영하는 예시를 나타내는 도면이다.
도 2는 본 개시의 일 실시예에 따른 식당의 위생 상태 관리 서비스 및/또는 식당의 위생 상태 정보 제공을 위하여, 정보 처리 시스템이 복수의 사용자 단말과 통신 가능하도록 연결된 구성을 나타내는 개요도이다.
도 3은 본 개시의 일 실시예에 따른 정보 처리 시스템의 내부 구성을 나타내는 블록도이다.
도 4는 본 개시의 일 실시예에 따른 정보 처리 시스템의 프로세서의 내부 구성을 나타내는 도면이다.
도 5는 본 개시의 일 실시예에 따른 식당의 위생 상태를 관리하는 방법을 나타내는 흐름도이다.
도 6은 본 개시의 일 실시예에 따른 이미지에 포함된 하나 이상의 객체의 상태에 대한 분석 결과를 생성하는 예시를 나타내는 도면이다.
도 7은 본 개시의 일 실시예에 따른 이미지에 포함된 하나 이상의 객체의 행동에 대한 분석 결과를 생성하는 예시를 나타내는 도면이다.
도 8은 본 개시의 일 실시예에 따른 식당의 위생 스코어를 산출하고, 위생 등급을 결정하는 예시를 나타내는 도면이다.
도 9은 본 개시의 일 실시예에 따라 사용자에게 사용자 단말을 통해 식당의 위생 상태에 대한 평가 결과가 제공되는 예시를 나타내는 도면이다.
도 1은 본 개시의 일 실시예에 따라 이미지 센서를 통해 식당의 내부의 적어도 일부를 촬영하는 예시를 나타내는 도면이다.
도 2는 본 개시의 일 실시예에 따른 식당의 위생 상태 관리 서비스 및/또는 식당의 위생 상태 정보 제공을 위하여, 정보 처리 시스템이 복수의 사용자 단말과 통신 가능하도록 연결된 구성을 나타내는 개요도이다.
도 3은 본 개시의 일 실시예에 따른 정보 처리 시스템의 내부 구성을 나타내는 블록도이다.
도 4는 본 개시의 일 실시예에 따른 정보 처리 시스템의 프로세서의 내부 구성을 나타내는 도면이다.
도 5는 본 개시의 일 실시예에 따른 식당의 위생 상태를 관리하는 방법을 나타내는 흐름도이다.
도 6은 본 개시의 일 실시예에 따른 이미지에 포함된 하나 이상의 객체의 상태에 대한 분석 결과를 생성하는 예시를 나타내는 도면이다.
도 7은 본 개시의 일 실시예에 따른 이미지에 포함된 하나 이상의 객체의 행동에 대한 분석 결과를 생성하는 예시를 나타내는 도면이다.
도 8은 본 개시의 일 실시예에 따른 식당의 위생 스코어를 산출하고, 위생 등급을 결정하는 예시를 나타내는 도면이다.
도 9은 본 개시의 일 실시예에 따라 사용자에게 사용자 단말을 통해 식당의 위생 상태에 대한 평가 결과가 제공되는 예시를 나타내는 도면이다.
이하, 본 개시의 실시를 위한 구체적인 내용을 첨부된 도면을 참조하여 상세히 설명한다. 다만, 이하의 설명에서는 본 개시의 요지를 불필요하게 흐릴 우려가 있는 경우, 널리 알려진 기능이나 구성에 관한 구체적 설명은 생략하기로 한다.
첨부된 도면에서, 동일하거나 대응하는 구성요소에는 동일한 참조부호가 부여되어 있다. 또한, 이하의 실시예들의 설명에 있어서, 동일하거나 대응되는 구성요소를 중복하여 기술하는 것이 생략될 수 있다. 그러나, 구성요소에 관한 기술이 생략되어도, 그러한 구성요소가 어떤 실시예에 포함되지 않는 것으로 의도되지는 않는다.
개시된 실시예의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 개시는 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 개시가 완전하도록 하고, 본 개시가 통상의 기술자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것일 뿐이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 개시된 실시예에 대해 구체적으로 설명하기로 한다. 본 명세서에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 관련 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서, 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.
본 명세서에서의 단수의 표현은 문맥상 명백하게 단수인 것으로 특정하지 않는 한, 복수의 표현을 포함한다. 또한, 복수의 표현은 문맥상 명백하게 복수인 것으로 특정하지 않는 한, 단수의 표현을 포함한다. 명세서 전체에서 어떤 부분이 어떤 구성요소를 포함한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다.
또한, 명세서에서 사용되는 '모듈' 또는 '부'라는 용어는 소프트웨어 또는 하드웨어 구성요소를 의미하며, '모듈' 또는 '부'는 어떤 역할들을 수행한다. 그렇지만, '모듈' 또는 '부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '모듈' 또는 '부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서, '모듈' 또는 '부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 또는 변수들 중 적어도 하나를 포함할 수 있다. 구성요소들과 '모듈' 또는 '부'들은 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '모듈' 또는 '부'들로 결합되거나 추가적인 구성요소들과 '모듈' 또는 '부'들로 더 분리될 수 있다.
본 개시의 일 실시예에 따르면, '모듈' 또는 '부'는 프로세서 및 메모리로 구현될 수 있다. '프로세서'는 범용 프로세서, 중앙 처리 장치(CPU), 마이크로프로세서, 디지털 신호 프로세서(DSP), 제어기, 마이크로제어기, 상태 머신 등을 포함하도록 넓게 해석되어야 한다. 몇몇 환경에서, '프로세서'는 주문형 반도체(ASIC), 프로그램가능 로직 디바이스(PLD), 필드 프로그램가능 게이트 어레이(FPGA) 등을 지칭할 수도 있다. '프로세서'는, 예를 들어, DSP와 마이크로프로세서의 조합, 복수의 마이크로프로세서들의 조합, DSP 코어와 결합한 하나 이상의 마이크로프로세서들의 조합, 또는 임의의 다른 그러한 구성들의 조합과 같은 처리 디바이스들의 조합을 지칭할 수도 있다. 또한, '메모리'는 전자 정보를 저장 가능한 임의의 전자 컴포넌트를 포함하도록 넓게 해석되어야 한다. '메모리'는 임의 액세스 메모리(RAM), 판독-전용 메모리(ROM), 비-휘발성 임의 액세스 메모리(NVRAM), 프로그램가능 판독-전용 메모리(PROM), 소거-프로그램가능 판독 전용 메모리(EPROM), 전기적으로 소거가능 PROM(EEPROM), 플래쉬 메모리, 자기 또는 광학 데이터 저장장치, 레지스터들 등과 같은 프로세서-판독가능 매체의 다양한 유형들을 지칭할 수도 있다. 프로세서가 메모리로부터 정보를 판독하고/하거나 메모리에 정보를 기록할 수 있다면 메모리는 프로세서와 전자 통신 상태에 있다고 불린다. 프로세서에 집적된 메모리는 프로세서와 전자 통신 상태에 있다.
본 개시에서, '이미지 센서'는 이미지 및/또는 영상을 촬영할 수 있는 센서, 카메라 등을 지칭할 수 있다. 여기서, '이미지 센서'는 객체를 세그멘테이션하고, 위생 상태 및/또는 행동을 분석하기 위한 이미지를 촬영 및/또는 획득할 수 있는 센서를 포함할 수 있다. 예를 들어, 이미지 센서는 depth 카메라(또는 센서) 등을 포함할 수 있다.
본 개시에서, '이미지'는 영상, 동영상, 프레임 이미지 등을 포함할 수 있다.
본 개시에서, '행동'은 객체의 움직임, 행위, 동작 등을 포함할 수 있다. 또한, '행동'은 '상태'를 포함할 수 있고, 반대로, '상태'는 '행동'을 포함할 수 있다.
본 개시에서, '실시간으로 수신'은 데이터의 발생과 동일하게 수신하는 것을 지칭할 수 있다. 일 실시예에서, 이미지를 실시간으로 수신하는 것은 이미지가 이미지 센서를 통해 촬영되자 마자 해당 이미지를 수신하는 것을 지칭할 수 있다. 마찬가지로, '실시간으로 제공'은 데이터의 발생과 동일하게 제공하는 것을 지칭할 수 있다. 일 실시예에서, 평가 결과를 실시간으로 제공하는 것은 평가 결과를 생성하자 마자 해당 평가 결과를 제공하는 것을 지칭할 수 있다. 또한, 평가 결과를 실시간으로 제공하는 것은, 평가 결과를 제공하기 위해 수행되어야 하는 과정들(예를 들면, 이미지 분석, 분석 결과 생성 등)이 실시간으로 수행되는 것을 포함할 수 있다. 이러한, '실시간으로 수신' 및/또는 '실시간으로 제공'은 통신 상태 및/또는 작업 처리 시간 등으로 인한 지연을 포함할 수 있다.
도 1은 본 개시의 일 실시예에 따라 이미지 센서를 통해 식당의 내부의 적어도 일부를 촬영하는 예시를 나타내는 도면이다. 식당은 소비자가 직접 섭취할 음식을 요리/조리하여 제공하므로, 다른 시설들보다 위생 관리가 더욱 중요하다. 소비자들 역시 식당을 선택하거나, 평가하는데 있어서, 식당의 위생 상태를 중요한 요소로 고려한다. 일반적으로, 소비자가 직접 해당 식당을 방문하는 경우, 소비자가 직접 해당 식당의 위생 상태를 확인하고, 음식 구매 여부를 선택할 수 있다. 그러나, 소비자가 식당의 주방 내부까지 확인하는 데에는 어려움이 있으며, 직접 방문하지 않고 배달 주문 등을 통해 구매하는 경우, 소비자는 해당 식당의 위생 상태를 확인할 수 없다.
식당에서는 보안 및/또는 관리를 위해, 식당의 내부 및/또는 외부를 촬영하는 카메라(100)를 설치할 수 있다. 이러한 카메라(100)는 이미지 센서를 포함하며, 해당 이미지 센서를 통해 식당의 내부 및/또는 외부를 촬영할 수 있다. 일 실시예에서, 카메라(100)를 통해 촬영되는 식당의 적어도 일부에 대한 이미지를 통해, 해당 식당의 위생 상태가 모니터링될 수 있다. 즉, 이미지 센서를 통해 식당의 적어도 일부가 촬영된 이미지를 통해, 해당 식당이 청결하게 유지되고 있는지, 위생을 위한 적절한 행동들이 수행되고 있는지 모니터링 될 수 있다. 이를 위해, 정보 처리 시스템(미도시)은 이미지 센서를 통해 식당의 내부의 적어도 일부가 촬영된 이미지를 수신하고, 수신된 이미지에 포함된 하나 이상의 객체의 상태 또는 행동 중 적어도 하나에 대한 분석 결과를 생성할 수 있다. 이러한 분석 결과를 생성하기 위해, 정보 처리 시스템은 이미지에 포함된 객체를 세그멘테이션(segmentation)하는 인공신경망 모델, 객체의 상태를 분석하는 인공신경망 모델, 객체의 행동을 분석하는 인공신경망 모델 등을 이용할 수 있다. 그 후, 정보 처리 시스템은 생성된 분석 결과에 기초하여, 식당의 위생 상태에 대한 평가 결과를 생성할 수 있다. 여기서, 식당의 위생 상태에 대한 평가 결과는 식당의 위생 스코어, 위생 등급, 구체적인 평가 내용 등을 포함할 수 있다.
이렇게 생성된 평가 결과는 식당과 연관된 사용자 단말로 제공될 수 있다. 일 실시예에서, 정보 처리 시스템은 생성된 식당의 위생 상태에 대한 평가 결과를 해당 식당의 주인, 직원, 프랜차이즈 본사 등과 같이 식당의 운영, 음식 조리, 제공 등과 연관된 사용자의 사용자 단말에 제공할 수 있다. 이러한 사용자들은 평가 결과를 제공받음으로써, 해당 식당의 위생 상태를 개선하도록 유도될 수 있다. 다른 실시예에서, 정보 처리 시스템은 생성된 식당의 위생 상태에 대한 평가 결과를 해당 식당의 위생 관리 업체의 사용자 단말에 제공할 수 있다. 이러한 위생 관리 업체는 평가 결과를 제공받음으로써, 해당 식당의 위생 상태를 실시간 모니터링할 수 있고, 해당 식당에 모니터링 결과에 따른 적절한 서비스를 제공할 수 있다. 또 다른 실시예에서, 정보 처리 시스템은 생성된 식당의 위생 상태에 대한 평가 결과를 식당과 연관된 플랫폼(예를 들면, 배달/포장 플랫폼, 주문 플랫폼, 식당 정보 플랫폼 등)을 통해 소비자의 사용자 단말에 제공할 수 있다. 이러한 소비자들은 제공받은 식당의 위생 상태에 대한 평가 결과를 고려하여 음식 구매 여부를 선택할 수 있고, 이에 따라, 식당의 주인, 직원, 프랜차이즈 본사 등은 식당의 위생을 더욱 철저히 관리하도록 유도될 수 있다.
도 1에서는 카메라(100)가 주방 내부에 위치되고, 해당 카메라(100)를 통해 식당의 주방 내부의 적어도 일부가 촬영되는 것으로 도시되었으나, 이에 한정되지 않는다. 예를 들어, 카메라(100)가 주방 외의 식당의 내부(예를 들면, 식당 홀, 카운터 등)를 촬영하도록 위치될 수 있다. 대안적으로, 카메라(100)가 식당의 외부(예를 들면, 식당의 입구, 화장실, 쓰레기 처리 장소 등)를 촬영하도록 위치될 수 있다.
도 2는 본 개시의 일 실시예에 따른 식당의 위생 상태 관리 서비스 및/또는 식당의 위생 상태 정보 제공을 위하여, 정보 처리 시스템(230)이 복수의 사용자 단말(210_1, 210_2, 210_3)과 통신 가능하도록 연결된 구성을 나타내는 개요도이다. 정보 처리 시스템(230)은 식당의 위생 상태 관리 서비스(예를 들어, 위생 상태 평가 서비스, 위생 상태 교정 서비스, 위생 상태 모니터링 서비스 등)를 제공할 수 있는 시스템(들)을 포함할 수 있다. 정보 처리 시스템(230)은 식당의 위생 상태 정보를 제공할 수 있는 시스템(들)을 포함할 수 있다. 일 실시예에서, 정보 처리 시스템(230)은 식당의 위생 상태 관리 서비스 및/또는 식당의 위생 상태 정보 제공과 관련된 컴퓨터 실행 가능한 프로그램(예를 들어, 다운로드 가능한 어플리케이션) 및 데이터를 저장, 제공 및 실행할 수 있는 하나 이상의 서버 장치 및/또는 데이터베이스, 또는 클라우드 컴퓨팅 서비스 기반의 하나 이상의 분산 컴퓨팅 장치 및/또는 분산 데이터베이스를 포함할 수 있다. 예를 들어, 정보 처리 시스템(230)은 식당의 위생 상태 관리 서비스 및/또는 식당의 위생 상태 정보 제공을 위한 별도의 시스템(예를 들어, 서버)들을 포함할 수 있다. 일 실시예에서, 정보 처리 시스템(230)은 식당의 위생 상태 관리 서비스 플랫폼 및/또는 식당의 위생 상태 정보 제공 플랫폼(예를 들면, 배달 업체 플랫폼)이 구현된 서버의 일부일 수 있다.
정보 처리 시스템(230)에 의해 제공되는 식당의 위생 상태 관리 서비스 및/또는 식당의 위생 상태 정보는 복수의 사용자 단말(210_1, 210_2, 210_3)의 각각에 설치된 위생 상태 관리 서비스 어플리케이션, 음식 배달 어플리케이션, 식당 리뷰 어플리케이션, 웹 브라우저 어플리케이션 등을 통해 사용자에게 제공될 수 있다. 이 경우, 복수의 사용자 단말(210_1, 210_2, 210_3)은 식당의 주인, 식당의 직원, 프랜차이즈 본사, 위생 관리 업체, 소비자, 고객 등의 단말을 포함할 수 있다. 예를 들어, 식당의 위생 상태 관리 서비스는 위생 상태 관리 서비스 어플리케이션 등을 통해 식당 주인의 단말에 제공될 수 있다. 또한, 식당의 위생 상태 정보는 음식 배달 어플리케이션 등을 통해 소비자의 단말에 제공될 수 있다.
복수의 사용자 단말(210_1, 210_2, 210_3)은 네트워크(220)를 통해 정보 처리 시스템(230)과 통신할 수 있다. 네트워크(220)는 복수의 사용자 단말(210_1, 210_2, 210_3)과 정보 처리 시스템(230) 사이의 통신이 가능하도록 구성될 수 있다. 네트워크(220)는 설치 환경에 따라, 예를 들어, 이더넷(Ethernet), 유선 홈 네트워크(Power Line Communication), 전화선 통신 장치 및 RS-serial 통신 등의 유선 네트워크, 이동통신망, WLAN(Wireless LAN), Wi-Fi, Bluetooth 및 ZigBee 등과 같은 무선 네트워크 또는 그 조합으로 구성될 수 있다. 통신 방식은 제한되지 않으며, 네트워크(220)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망, 위성망 등)을 활용하는 통신 방식뿐 아니라 사용자 단말(210_1, 210_2, 210_3) 사이의 근거리 무선 통신 역시 포함될 수 있다.
도 2에서 휴대폰 단말(210_1), 태블릿 단말(210_2) 및 PC 단말(210_3)이 사용자 단말의 예로서 도시되었으나, 이에 한정되지 않으며, 사용자 단말(210_1, 210_2, 210_3)은 유선 및/또는 무선 통신이 가능한 임의의 컴퓨팅 장치일 수 있다. 예를 들어, 사용자 단말은, 스마트폰, 휴대폰, 내비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC, 게임 콘솔(game console), 웨어러블 디바이스(wearable device), IoT(internet of things) 디바이스, VR(virtual reality) 디바이스, AR(augmented reality) 디바이스 등을 포함할 수 있다. 추가적으로, 사용자 단말(210_1, 210_2, 210_3)은 식당의 내부의 적어도 일부를 촬영하는 카메라 등 이미지 센서를 포함하는 임의의 컴퓨팅 장치일 수 있다. 또한, 도 2에는 3개의 사용자 단말(210_1, 210_2, 210_3)이 네트워크(220)를 통해 정보 처리 시스템(230)과 통신하는 것으로 도시되어 있으나, 이에 한정되지 않으며, 상이한 수의 사용자 단말이 네트워크(220)를 통해 정보 처리 시스템(230)과 통신하도록 구성될 수도 있다.
일 실시예에서, 정보 처리 시스템(230)은 사용자 단말(210_1, 210_2, 210_3)로부터 이미지 센서를 통해 식당의 내부의 적어도 일부가 촬영된 이미지를 수신할 수 있다. 예를 들어, 정보 처리 시스템(230)은 식당 내부에 설치된 이미지 센서와 유선 또는 무선으로 연결된 사용자 단말로부터 식당의 내부의 적어도 일부가 촬영된 이미지를 수신할 수 있다. 대안적으로, 정보 처리 시스템(230)은 식당 내부에 설치된 이미지 센서로부터 직접 식당의 내부의 적어도 일부가 촬영된 이미지를 수신할 수 있다.
일 실시예에서, 정보 처리 시스템(230)은 생성된 식당의 위생 상태에 대한 평가 결과를 식당과 연관된 사용자 단말(210_1, 210_2, 210_3) 또는 식당과 연관된 플랫폼 중 적어도 하나에 실시간으로 제공할 수 있다. 예를 들어, 정보 처리 시스템(230)은 생성된 식당의 위생 상태에 대한 평가 결과를 식당과 연관된 플랫폼을 통해 사용자 단말(210_1, 210_2, 210_3)에 제공할 수 있다. 일 실시예에서, 정보 처리 시스템(230)은 결정된 식당의 위생 등급이 위생 평가 기준을 만족하지 못하는 경우, 식당의 위생 상태에 대한 교정 요청을 식당과 연관된 사용자 단말(210_1, 210_2, 210_3)에 전송할 수 있다.
도 3은 본 개시의 일 실시예에 따른 정보 처리 시스템(230)의 내부 구성을 나타내는 블록도이다. 정보 처리 시스템(230)은 메모리(310), 프로세서(320), 통신 모듈(330) 및 입출력 인터페이스(340)를 포함할 수 있다. 도 3에 도시된 바와 같이, 정보 처리 시스템(230)은 통신 모듈(330)을 이용하여 네트워크를 통해 정보 및/또는 데이터를 통신할 수 있도록 구성될 수 있다.
메모리(310)는 비-일시적인 임의의 컴퓨터 판독 가능한 기록매체를 포함할 수 있다. 일 실시예에 따르면, 메모리(310)는 RAM(random access memory), ROM(read only memory), 디스크 드라이브, SSD(solid state drive), 플래시 메모리(flash memory) 등과 같은 비소멸성 대용량 저장 장치(permanent mass storage device)를 포함할 수 있다. 다른 예로서, ROM, SSD, 플래시 메모리, 디스크 드라이브 등과 같은 비소멸성 대용량 저장 장치는 메모리와는 구분되는 별도의 영구 저장 장치로서 정보 처리 시스템(230)에 포함될 수 있다. 또한, 메모리(310)에는 운영체제와 적어도 하나의 프로그램 코드(예를 들어, 위생 상태 평가 프로그램, 위생 상태 모니터링 프로그램, 식당의 위생 상태 정보를 제공하기 위한 어플리케이션 등을 위한 코드)가 저장될 수 있다.
이러한 소프트웨어 구성요소들은 메모리(310)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독가능한 기록매체는 이러한 정보 처리 시스템(230)에 직접 연결가능한 기록 매체를 포함할 수 있는데, 예를 들어, 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 예로서, 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 모듈(330)을 통해 메모리(310)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 어플리케이션의 설치 파일을 배포하는 파일 배포 시스템이 통신 모듈(330)을 통해 제공하는 파일들에 의해 설치되는 컴퓨터 프로그램(예를 들어, 위생 상태 평가 프로그램, 위생 상태 모니터링 프로그램, 식당의 위생 상태 정보를 제공하기 위한 어플리케이션 등을 위한 코드)에 기반하여 메모리(310)에 로딩될 수 있다.
프로세서(320)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(310) 또는 통신 모듈(330)에 의해 사용자 단말(미도시) 또는 다른 외부 시스템으로 제공될 수 있다. 예를 들어, 프로세서(320)는 메모리(310)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.
통신 모듈(330)은 네트워크를 통해 사용자 단말과 정보 처리 시스템(230)이 서로 통신하기 위한 구성 또는 기능을 제공할 수 있으며, 정보 처리 시스템(230)이 다른 시스템(일례로 별도의 클라우드 시스템 등)과 통신하기 위한 구성 또는 기능을 제공할 수 있다. 일 실시예에서, 정보 처리 시스템(230)의 프로세서(320)의 제어에 따라 제공되는 제어 신호, 명령, 데이터 등이 통신 모듈(330)과 네트워크를 거쳐 사용자 단말의 통신 모듈을 통해 사용자 단말에 제공될 수 있다. 예를 들어, 정보 처리 시스템(230)은 통신 모듈(330)을 통해 식당의 위생 상태에 대한 평가 결과를 사용자 단말에 제공할 수 있다. 예를 들어, 정보 처리 시스템(230)은 통신 모듈(330)을 통해 식당의 위생 상태에 대한 교정 요청을 사용자 단말에 제공할 수 있다.
또한, 정보 처리 시스템(230)의 입출력 인터페이스(340)는 정보 처리 시스템(230)과 연결되거나 정보 처리 시스템(230)이 포함할 수 있는 입력 또는 출력을 위한 장치(미도시)와의 인터페이스를 위한 수단일 수 있다. 도 3에서는 입출력 인터페이스(340)가 프로세서(320)와 별도로 구성된 요소로서 도시되었으나, 이에 한정되지 않으며, 입출력 인터페이스(340)가 프로세서(320)에 포함되도록 구성될 수 있다. 정보 처리 시스템(230)은 도 3의 구성요소들보다 더 많은 구성요소들을 포함할 수 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다.
정보 처리 시스템(230)의 프로세서(320)는 복수의 사용자 단말 및/또는 복수의 외부 시스템으로부터 수신된 정보 및/또는 데이터를 관리, 처리 및/또는 저장하도록 구성될 수 있다. 일 실시예에서, 프로세서(320)는 수신한 식당의 내부의 적어도 일부가 촬영된 이미지 등을 저장, 처리 및 전송할 수 있다. 예를 들어, 프로세서(320)는 수신된 이미지에 포함된 하나 이상의 객체의 상태 또는 행동 중 적어도 하나에 대한 분석 결과를 생성할 수 있다. 또한, 프로세서(320)는 생성된 분석 결과에 기초하여, 식당의 위생 상태에 대한 평가 결과를 생성할 수 있다.
도 4는 본 개시의 일 실시예에 따른 정보 처리 시스템의 프로세서의 내부 구성을 나타내는 도면이다. 도시된 바와 같이, 프로세서(320)는 위생 상태 분석 모듈(410), 위생 평가 모듈(420) 및 평가 결과 제공 모듈(430)을 포함할 수 있다. 이러한 프로세서(334)에서 동작되는 모듈의 각각은 서로 통신하도록 구성될 수 있다.
위생 상태 분석 모듈(410)은 이미지 센서를 통해 식당 내부의 적어도 일부가 촬영된 이미지를 수신하고, 수신된 이미지에 포함된 하나 이상의 객체의 상태 또는 행동 중 적어도 하나에 대한 분석 결과를 생성할 수 있다. 예를 들어, 위생 상태 분석 모듈(410)은 이미지 센서를 통해 식당 내부의 적어도 일부가 촬영된 이미지를 실시간으로 수신할 수 있다. 일 실시예에서, 위생 상태 분석 모듈(410)은 복수의 참조 이미지에 포함된 참조 객체를 세그멘테이션(segmentation)하도록 학습된 제1 인공신경망을 통해 수신된 이미지에 포함된 하나 이상의 객체를 세그멘테이션할 수 있다. 여기서, 하나 이상의 객체는 정적 객체 또는 동적 객체 중 적어도 하나를 포함할 수 있다. 예를 들어, 하나 이상의 객체는 사람, 동물, 주방의 외벽, 음식, 포장 용기, 식기, 조리도구, 조리복 등을 포함할 수 있다.
일 실시예에서, 위생 상태 분석 모듈(410)은 참조 정적 객체가 포함된 복수의 제1 참조 이미지를 입력하여 복수의 제1 참조 이미지에 포함된 참조 정적 객체의 상태에 대한 분석 결과를 출력하도록 학습된 제2 인공신경망 모델을 통해, 수신된 이미지에 포함된 하나 이상의 정적 객체의 상태에 대한 분석 결과를 생성할 수 있다. 일 실시예에서, 위생 상태 분석 모듈(410)은 참조 동적 객체가 포함된 복수의 제2 참조 이미지를 입력하여 복수의 제2 참조 이미지에 포함된 참조 동적 객체의 행동을 판정하도록 학습된 제3 인공신경망 모델을 통해, 수신된 이미지에 포함된 하나 이상의 동적 객체의 행동에 대한 분석 결과를 생성할 수 있다. 여기서, 제1 인공신경망 모델, 제2 인공신경망 모델 및 제3 인공신경망 모델은 각각 별개의 모델이거나, 하나의 인공신경망 모델일 수 있다.
위생 평가 모듈(420)은 위생 상태 분석 모듈(410)로부터 분석 결과를 수신하고, 분석 결과에 기초하여 식당의 위생 상태에 대한 평가 결과를 생성할 수 있다. 일 실시예에서, 위생 평가 모듈(420)은 생성된 하나 이상의 정적 객체의 위생 상태에 대한 분석 결과 또는 생성된 하나 이상의 동적 객체의 행동에 대한 분석 결과 중 적어도 하나에 기초하여 식당의 위생 상태에 대한 평가 결과를 생성할 수 있다. 일 실시예에서, 위생 평가 모듈(420)은 생성된 분석 결과에 기초하여 식당의 위생 스코어를 산출하고, 산출된 위생 스코어에 따라 식당의 위생 등급을 결정할 수 있다.
일 실시예에서, 평가 결과 제공 모듈(430)은 생성된 식당의 위생 상태에 대한 평가 결과를 식당과 연관된 사용자 단말 또는 식당과 연관된 플랫폼 중 적어도 하나에 실시간으로 제공할 수 있다. 일 실시예에서, 평가 결과 제공 모듈(430)은 결정된 식당의 위생 등급이 위생 평가 기준을 만족하지 못하는 경우, 식당의 위생 상태에 대한 교정 요청을 식당과 연관된 사용자 단말에 전송할 수 있다. 여기서, 식당의 위생 상태에 대한 교정 요청은 식당에 요구되는 하나 이상의 교정 인스트럭션을 포함하고, 하나 이상의 교정 인스트럭션은, 수신된 이미지에 포함된 하나 이상의 객체의 상태 또는 행동 중 적어도 하나에 대한 분석 결과에 따라 생성될 수 있다.
도 5는 본 개시의 일 실시예에 따른 식당의 위생 상태를 관리하는 방법 (500)을 나타내는 흐름도이다. 일 실시예에서, 식당의 위생 상태를 관리하는 방법(500)은 프로세서(예를 들어, 정보 처리 시스템의 적어도 하나의 프로세서)에 의해 수행될 수 있다. 도시된 바와 같이, 방법(500)은 프로세서가 이미지 센서를 통해 식당 내부의 적어도 일부가 촬영된 이미지를 수신함으로써 개시될 수 있다(S510). 일 실시예에서, 프로세서는 이미지 센서를 통해 식당 내부의 적어도 일부가 촬영된 이미지를 실시간으로 수신할 수 있다. 여기서, 이미지는 동영상을 포함할 수 있다.
프로세서는 수신된 이미지에 포함된 하나 이상의 객체의 상태 또는 행동 중 적어도 하나에 대한 분석 결과를 생성할 수 있다(S520). 여기서, 하나 이상의 객체는 정적 객체 또는 동적 객체 중 적어도 하나를 포함할 수 있다. 예를 들어, 하나 이상의 객체는 주방, 음식, 포장 용기 등의 정적 객체와 사람, 동물 등의 동적 객체 중 적어도 하나를 포함할 수 있다. 일 실시예에서, 프로세서는 복수의 참조 이미지에 포함된 참조 객체를 세그멘테이션 하도록 학습된 제1 인공신경망을 통해 수신된 이미지에 포함된 하나 이상의 객체를 세그멘테이션할 수 있다. 이를 위해, 프로세서는 이미지 내의 객체 인식을 위한 인공신경망 모델(예: CNN 등), 이미지 내의 각 객체의 거리를 측정하기 위한 Depth map(인공신경망)모델 등을 사용할 수 있다.
일 실시예에서, 참조 정적 객체가 포함된 복수의 제1 참조 이미지를 입력하여 복수의 제1 참조 이미지에 포함된 참조 정적 객체의 상태에 대한 분석 결과를 출력하도록 학습된 제2 인공신경망 모델을 통해, 프로세서는 수신된 이미지에 포함된 하나 이상의 정적 객체의 상태에 대한 분석 결과를 생성할 수 있다. 일 실시예에서, 참조 동적 객체가 포함된 복수의 제2 참조 이미지를 입력하여 복수의 제2 참조 이미지에 포함된 참조 동적 객체의 행동을 판정하도록 학습된 제3 인공신경망 모델을 통해, 프로세서는 수신된 이미지에 포함된 하나 이상의 동적 객체의 행동에 대한 분석 결과를 생성할 수 있다. 이를 위해, 프로세서는 이미지 내의 각 객체의 행동 인식을 통해 미리 분류된 행동을 결정하도록 구성된 인공신경망 모델을 사용할 수 있다.
그 후, 프로세서는 생성된 분석 결과에 기초하여, 식당의 위생 상태에 대한 평가 결과를 생성할 수 있다(S530). 일 실시예에서, 프로세서는 생성된 하나 이상의 정적 객체의 위생 상태에 대한 분석 결과 또는 생성된 하나 이상의 동적 객체의 행동에 대한 분석 결과 중 적어도 하나에 기초하여 식당의 위생 상태에 대한 평가 결과를 생성할 수 있다. 일 실시예에서, 프로세서는 생성된 분석 결과에 기초하여 식당의 위생 스코어를 산출하고, 산출된 위생 스코어에 따라 식당의 위생 등급을 결정할 수 있다.
일 실시예에서, 프로세서는 생성된 식당의 위생 상태에 대한 평가 결과를 식당과 연관된 사용자 단말 또는 식당과 연관된 플랫폼 중 적어도 하나에 실시간으로 제공할 수 있다. 여기서, 식당과 연관된 사용자 단말은, 식당의 주인, 직원, 요리사, 프랜차이즈 본사 등의 사용자 단말, 소비자의 사용자 단말, 위생 관리 업체의 사용자 단말을 포함할 수 있다. 또한, 식당과 연관된 플랫폼은 음식 배달, 주문, 포장 플랫폼, 식당 후기 플랫폼, 소셜 네트워크 플랫폼, 식당 정보 플랫폼 등 식당과 연관된 정보를 제공하는 플랫폼을 포함할 수 있다. 일 실시예에서, 프로세서는 생성된 식당의 위생 상태에 대한 위생 등급이 위생 평가 기준을 만족하지 못하는 경우, 식당의 위생 상태에 대한 교정 요청을 식당과 연관된 사용자 단말에 전송할 수 있다. 여기서, 식당의 위생 상태에 대한 교정 요청은 식당에 요구되는 하나 이상의 교정 인스트럭션을 포함하고, 하나 이상의 교정 인스트럭션은 수신된 이미지에 포함된 하나 이상의 객체의 상태 또는 행동 중 적어도 하나에 대한 분석 결과에 따라 생성될 수 있다.
도 6은 본 개시의 일 실시예에 따른 이미지에 포함된 하나 이상의 객체의 상태에 대한 분석 결과를 생성하는 예시를 나타내는 도면이다. 일 실시예에서, 프로세서는 복수의 참조 이미지에 포함된 참조 객체를 세그멘테이션하도록 학습된 제1 인공신경망을 통해 수신된 이미지에 포함된 하나 이상의 객체를 세그멘테이션할 수 있다. 예를 들어, 프로세서는 참조 객체가 라벨링된 학습 이미지를 사용하여, 복수의 참조 이미지에 포함된 참조 객체를 세그멘테이션하도록 제1 인공신경망 모델을 생성하고, 학습시킬 수 있다. 그 후, 프로세서는 생성/학습된 제1 인공신경망에 수신된 이미지를 입력함으로써, 수신된 이미지에 포함된 하나 이상의 객체를 세그멘테이션할 수 있다. 여기서. 하나 이상의 객체는 하나 이상의 정적 객체를 포함할 수 있다.
일 실시예에서, 프로세서는 참조 정적 객체가 포함된 복수의 제1 참조 이미지를 입력하여 복수의 제1 참조 이미지에 포함된 참조 정적 객체의 상태에 대한 분석 결과를 출력하도록 학습된 제2 인공신경망 모델을 통해, 수신된 이미지에 포함된 하나 이상의 정적 객체의 상태에 대한 분석 결과를 생성할 수 있다. 예를 들어, 프로세서는 참조 정적 객체의 상태(예를 들면, 위생 상태)가 라벨링된 복수의 학습 이미지를 사용하여 제2 인공신경망 모델을 생성하고, 학습시킬 수 있다. 그 후, 프로세서는 생성/학습된 제2 인공신경망에 수신된 이미지를 입력함으로써, 수신된 이미지에 포함된 하나 이상의 정적 객체의 상태에 대한 분석 결과를 생성할 수 있다. 여기서. 제1 인공신경망 모델 및 제2 인공신경망 모델은 별도의 모델이거나, 하나의 모델일 수 있다. 예를 들어, 제1 인공신경망 모델 및 제2 인공신경망 모델은 각각 생성 또는 학습될 수 있다. 대안적으로, 제1 인공신경망 모델 및 제2 인공신경망 모델은 동시에 생성 또는 학습될 수 있다.
프로세서는 제1 인공신경망 모델을 통해, 수신된 이미지에 포함된 주방의 환풍기, 냉장고, 가스레인지 등 전자기기, 조리도구, 음식물, 재료, 식기, 포장 용기 등의 정적 객체를 각각 세그멘테이션할 수 있다. 또한, 프로세서는 제2 인공신경망 모델을 통해 수신된 이미지에 포함된 주방의 환풍기, 냉장고, 가스레인지 등 전자기기, 조리도구, 음식물, 재료, 식기, 포장 용기 등의 정적 객체들의 상태에 대한 분석을 할 수 있다. 예를 들어, 도시된 바와 같이, 프로세서는 수신된 이미지를 분석하여, 주방의 환풍기의 상태(610)가 기름 때, 얼룩 등 오염이 많은 상태라는 분석 결과를 생성할 수 있다. 이 경우, 분석 결과는 해당 환풍기의 오염 여부, 오염 정도, 오염 영역 등에 대한 정보를 포함할 수 있다. 다른 예로서, 프로세서는 수신된 이미지를 분석하여, 주방의 개수대의 상태(620)가 설거지 거리가 쌓여 있으며 청소가 안되어 있는 상태라는 분석 결과를 생성할 수 있다. 또 다른 예로서, 프로세서는 수신된 이미지를 분석하여, 포장 용기, 식기 등의 상태(630)가 어지럽게 흩어져 있는 상태라는 분석 결과를 생성할 수 있다. 또 다른 예로서, 프로세서는 수신된 이미지를 분석하여, 직원의 조리복, 조리모 등의 상태(640)가 청결하지 않은 상태라는 분석 결과를 생성할 수 있다.
도 6에서는 정적 객체의 상태에 대한 분석 결과로서 주방의 환풍기의 상태(610), 개수대의 상태(620), 포장 용기, 식기 등의 상태(630) 및 직원의 조리복, 조리모 등의 상태(640)에 대한 분석 결과를 예시적으로 도시하고 있으나, 이에 한정되지 않는다. 예를 들어, 프로세서는 수신된 이미지를 분석하여, 음식물이 재활용된 것인지 여부, 사용한 조리 도구를 세척하지 않고 여러 번 사용하는지 여부, 주방과 어울리지 않는 객체가 존재하는지 여부 등에 대한 분석 결과를 생성할 수 있다.
도 7은 본 개시의 일 실시예에 따른 이미지에 포함된 하나 이상의 객체의 행동에 대한 분석 결과를 생성하는 예시를 나타내는 도면이다. 프로세서는 복수의 참조 이미지에 포함된 참조 객체를 세그멘테이션하도록 학습된 제1 인공신경망을 통해 수신된 이미지에 포함된 하나 이상의 객체를 세그멘테이션할 수 있다. 예를 들어, 프로세서는 참조 객체가 라벨링된 학습 이미지를 사용하여, 복수의 참조 이미지에 포함된 참조 객체를 세그멘테이션하도록 제1 인공신경망 모델을 생성하고, 학습시킬 수 있다. 여기서. 하나 이상의 객체는 하나 이상의 동적 객체를 포함할 수 있다.
일 실시예에서, 프로세서는 참조 동적 객체가 포함된 복수의 제2 참조 이미지를 입력하여 복수의 제2 참조 이미지에 포함된 참조 동적 객체의 행동을 판정하도록 학습된 제3 인공신경망 모델을 통해, 수신된 이미지에 포함된 하나 이상의 동적 객체의 행동에 대한 분석 결과를 생성할 수 있다. 예를 들어, 프로세서는 참조 동적 객체의 행동(예를 들면, 위생 행동 또는 상태)이 라벨링된 복수의 학습 이미지를 사용하여 제3 인공신경망 모델을 생성하고 학습시킬 수 있다. 그 후, 프로세서는 생성/학습된 제3 인공신경망에 수신된 이미지를 입력함으로써, 수신된 이미지에 포함된 하나 이상의 동적 객체의 행동을 판정하고, 하나 이상의 동적 객체의 행동에 대한 분석 결과를 생성할 수 있다. 여기서. 제1 인공신경망 모델 및 제3 인공신경망 모델은 별도의 모델이거나, 하나의 모델일 수 있다. 예를 들어, 제1 인공신경망 모델 및 제3 인공신경망 모델은 각각 생성 또는 학습될 수 있다. 대안적으로, 제1 인공신경망 모델 및 제3 인공신경망 모델은 동시에 생성 또는 학습될 수 있다.
프로세서는 제1 인공신경망 모델을 통해, 수신된 이미지에 포함된 요리사, 직원, 사장 등 사람 및/또는 쥐, 벌레 등 동물을 각각 세그멘테이션할 수 있다. 또한, 프로세서는 제3 인공신경망 모델을 통해 수신된 이미지에 포함된 해당 객체들의 행동 또는 상태에 대한 분석을 할 수 있다. 도시된 바와 같이, 수신된 이미지에 포함된 요리사, 직원, 사장 등 인물 및/또는 쥐, 벌레 등 동물의 행동을 분석하고, 판정할 수 있다. 도시된 바와 같이, 프로세서는 수신된 이미지에 포함된 제1 인물의 행동(710)이 주방에서 담배를 피는 등의 행동임을 판정하고, 분석 결과를 생성할 수 있다. 또한, 프로세서는 수신된 이미지에 포함된 제2 인물의 행동(720)이 손을 씻는 행동임을 판정하고, 분석 결과를 생성할 수 있다. 또한, 프로세서는 수신된 이미지에 포함된 제3 인물의 행동(730)이 고기를 손질한 도마와 칼을 사용하여 생선을 손질하는 행동임을 판정하고, 분석 결과를 생성할 수 있다.
추가적으로, 프로세서는 수신된 이미지로부터, 인물이 음식 간을 손으로 보는 행동, 외출 후 손을 씻지 않는 행동, 조리 도구를 입에 넣은 후 다시 음식에 접촉시키는 행동, 주방 도구 세척하지 않고 재사용 하는 행동 등의 행동을 판정하고, 분석 결과를 생성할 수 있다. 또한, 프로세서는 수신된 인물이 조리모, 조리복, 마스크 등 위생 용품을 착용하거나 착용하지 않는 행동을 판정하고, 분석 결과를 생성할 수 있다.
도 7에서는 프로세서가 인물의 행동에 대한 분석 결과를 생성하는 것으로 도시하고 있으나, 이에 한정되지 않는다. 예를 들어, 프로세서는 수신된 이미지를 분석하여, 벌레, 쥐 등의 움직임을 판정하고, 벌레, 쥐 등의 존재 여부에 대한 분석 결과를 생성할 수 있다.
도 8은 본 개시의 일 실시예에 따른 식당의 위생 스코어를 산출하고, 위생 등급을 결정하는 예시를 나타내는 도면이다. 프로세서는 분석 결과에 기초하여 식당의 위생 스코어를 산출할 수 있다. 일 실시예에서, 프로세서는 카테고리 및/또는 구분 별로 위생 스코어를 산출할 수 있다. 여기서, 구분은 카테고리를 더 작은 요소로 분류한 것을 지칭할 수 있다. 예를 들어, 카테고리는 주방의 전체적인 위생에 대한 카테고리인 '위생 분야', 복장 및 조리 행동 등 직원의 개인 위생에 대한 카테고리인 '직원 분야', 재활용 여부 및 조리 과정에 대한 카테고리인 '음식 분야' 등을 포함할 수 있고, 구분은 각 카테고리 별로 주방, 도구, 청결, 재활용, 위생, 복장 등의 위생 스코어 산출 항목을 포함할 수 있다.
일 실시예에서, 프로세서는 생성된 분석 결과에 미리 설정된 행동 및/또는 상태가 포함된 경우, 해당 행동 및/또는 상태와 대응되는 스코어를 기준 스코어에서 더하거나 뺄 수 있다. 예를 들어, 생성된 분석 결과에 손을 씻는 행동이 포함된 경우, 프로세서는 기준 스코어에서 3점을 더할 수 있다. 다른 예로서, 생성된 분석 결과에 조리복이 오염되었다는 상태가 포함된 경우, 프로세서는 기준 스코어에서 2점을 뺄 수 있다. 여기서, 프로세서는 해당 조리복의 오염 정도에 따라, 기준 스코어에서 상이한 스코어를 뺄 수 있다. 일 실시예에서, 프로세서는 생성되는 분석 결과에 기초하여, 매일 각 카테고리/구분 별로 스코어를 결정하고, 해당 스코어를 누적하여 식당의 위생 스코어로 결정할 수 있다. 대안적으로 또는 추가적으로, 프로세서는 생성되는 분석 결과에 기초하여, 매일 각 카테고리/구분 별로 스코어를 결정하고, 해당 스코어의 평균 스코어를 식당의 위생 스코어로 결정할 수 있다. 이러한, 식당의 위생 스코어는 일정 주기마다 갱신될 수 있다.
도시된 제1 표(810)와 같이, 프로세서는 분석 결과에 기초하여, '위생' 카테고리의 '주방', '도구', '청결' 구분, '음식 분야' 카테고리의 '재활용', '위생', '청결' 구분, '직원' 카테고리의 '복장', '위생', '청결' 구분 각각에 대하여 매일 위생 스코어를 산출할 수 있다. 또한, 프로세서는 카테고리 별 및/또는 구분 별로 누적 위생 스코어를 산출하고, 총 위생 스코어를 산출할 수 있다. 예를 들어, 도시된 바와 같이, 프로세서는 각 일자별, 구분별 위생 스코어를 기초로 '위생' 카테고리에 대한 위생 스코어를 13점으로, '음식 분야' 카테고리에 대한 위생 스코어를 24점으로, '직원' 카테고리에 대한 위생 스코어를 22점으로 산출하고, 총 위생 스코어를 59점으로 산출할 수 있다.
프로세서는 산출된 위생 스코어에 따라 식당의 위생 등급을 결정할 수 있다. 일 실시예에서, 프로세서는 산출된 위생 스코어와 미리 결정된 위생 등급 기준 스코어 구간을 비교하여, 식당의 위생 등급을 결정할 수 있다. 예를 들어, 프로세서는 복수의 항목(예를 들면, 카테고리 및/또는 구분) 각각에 대하여 식당의 위생 등급을 결정하고, 총 위생 등급을 결정할 수 있다. 이때. 각 항목에 대한 위생 등급의 기준 스코어 구간은 상이할 수 있다. 예를 들어, '재활용' 항목에 대해서는 -10점 이상이 '상' 등급에 해당하는 반면, '복장' 항목에 대해서는 -50점 이상이 '상' 등급에 해당할 수 있다.
도시된 제2 표(820)와 같이, 프로세서는 '주방 위생', '주방 도구', '직원 위생', '음식 재활용', '음식 위생'. '직원 복장' 등의 항목 별 위생 스코어를 기초로 해당 식당의 각 항목 별 위생 등급(예를 들어, '상', '중', '하' 등)을 결정할 수 있다. 또한, 프로세서는 총점(즉, 총 위생 스코어)인 59점을 기준으로 해당 식당에 대한 총 위생 등급을 '양호'로 결정할 수 있다. 이러한 평가를 통해, 식당 주인 및/또는 직원은 식당의 위생 스코어 및 위생 등급을 향상시키기 위해 위생 상태 관리에 더욱 신경쓰도록 유도될 수 있다.
일 실시예에서, 프로세서는 결정된 식당의 위생 등급이 위생 평가 기준을 만족하지 못하는 경우, 식당의 위생 상태에 대한 교정 요청을 식당과 연관된 사용자 단말(예를 들어, 식당의 주인, 직원의 사용자 단말, 식당의 프랜차이즈 본사의 사용자 단말, 위생 관리 업체의 사용자 단말 등)에 전송할 수 있다. 여기서, 식당의 위생 상태에 대한 교정 요청은 식당에 요구되는 하나 이상의 교정 인스트럭션을 포함하고, 하나 이상의 교정 인스트럭션은, 수신된 이미지에 포함된 하나 이상의 객체의 상태 또는 행동 중 적어도 하나에 대한 분석 결과에 따라 생성될 수 있다.
예를 들어, 식당의 개수대에 설거지 거리가 쌓여 있는 상태라는 분석 결과에 기초하여, 프로세서는 '설거지 즉시 수행'이라는 교정 인스트럭션을 생성하고, 생성된 교정 인스트럭션을 포함하는 교정 요청을 해당 식당과 연관된 사용자 단말에 제공할 수 있다. 다른 예로서, 요리사가 주방에서 담배를 피고 있다는 분석 결과에 기초하여, 프로세서는 '담배를 끄고, 손을 씻으라'는 교정 인스트럭션을 생성하고, 생성된 교정 인스트럭션을 포함하는 교정 요청을 식당과 연관된 사용자 단말에 제공할 수 있다. 식당의 직원 및/또는 주인에게 정확한 교정 인스트럭션을 제공함으로써 실질적으로 위생 상태를 향상시킬 수 있다.
도 8에서는 위생 스코어 산출 항목은 3개의 카테고리를 포함하고, 각 카테고리는 3개의 구분을 포함하나, 이에 한정되지 않는다. 예를 들어, 위생 스코어 산출 항목은 상이한 수의 카테고리, 상이한 수의 구분을 포함할 수 있다. 또한, 도 8에서는 위생 등급을 '상', '중', '하'로 분류하고 있으나, 이에 한정되지 않는다. 예를 들어, '우수', '양호', '미흡'으로 분류할 수 있다. 다른 예로서, '1 등급', '2 등급', '3 등급', '4 등급', '5 등급'으로 분류할 수 있다.
도 9은 본 개시의 일 실시예에 따라 사용자(910)에게 사용자 단말(920)을 통해 식당의 위생 상태에 대한 평가 결과가 제공되는 예시를 나타내는 도면이다. 일 실시예에서, 프로세서는 식당의 위생 상태에 대한 평가 결과를 식당과 연관된 사용자 단말 또는 식당과 연관된 플랫폼 중 적어도 하나에 실시간으로 제공할 수 있다. 예를 들어, 프로세서는 식당의 위생 상태에 대한 평가 결과를 식당의 주인(또는 직원)의 사용자 단말, 식당의 프랜차이즈 본사의 사용자 단말, 소비자의 사용자 단말(920), 위생 관리 업체의 사용자 단말 등에 제공할 수 있다. 다른 예로서, 프로세서는 식당의 위생 상태에 대한 평가 결과를 음식 주문, 포장, 배달 플랫폼, 식당 정보 플랫폼, 후기 플랫폼 등에 제공할 수 있고, 이러한 플랫폼을 통해 사용자(910)는 식당의 위생 상태에 대한 평가 결과를 제공받을 수 있다.
도 9에서 도시하는 바와 같이, 사용자(910)(예를 들어, 소비자)는 사용자 단말(920)을 이용하여 음식 배달, 포장, 주문 플랫폼 서비스를 이용할 수 있다. 예를 들어, 사용자(910)는 사용자 단말(920)에서 작동하는 배달, 포장, 주문 등과 연관된 어플리케이션을 통해 음식 주문 서비스를 이용할 수 있다. 이 경우, 해당 어플리케이션의 사용자 인터페이스를 통해 식당의 위생 상태가 표시될 수 있다. 예를 들어, 음식 주문 서비스 플랫폼 어플리케이션의 사용자 인터페이스를 통해 식당의 위생 등급이 표시될 수 있다. 도 9의 화면(930)에 도시된 바와 같이, 위생 상태가 우수함을 나타내는 안내 '위생 등급 매우 우수 지점'(940) 및/또는 시각적 표지(예를 들면, 별 표지, 왕관 표지 등)가 표시될 수 있다. 이를 위해, 프로세서는 음식 주문 서비스 플랫폼으로 식당의 위생 상태에 대한 평가 결과를 제공할 수 있다. 따라서, 프로세서는 음식 주문 서비스 플랫폼을 통해 식당의 위생 상태에 대한 평가 결과를 사용자 단말(920)에 제공할 수 있다. 대안적으로, 프로세서는 식당의 위생 상태에 대한 평가 결과를 사용자 단말(920)에 바로 제공할 수 있다. 이 후, 사용자(910)이러한 평가 결과를 고려하여, 음식 주문 여부를 결정할 수 있다.
도 9에서는 음식 주문 서비스 플랫폼 어플리케이션을 통해 사용자 단말(920)에 식당의 위생 상태에 대한 평가 결과가 표시되고, 이에 한정되지 않는다. 일 실시예에서, 식당의 위생 관리를 위한 위생 관리 어플리케이션 등을 통해 식당의 주인(또는 직원)의 사용자 단말, 해당 식당의 프랜차이즈 본사의 사용자 단말에 식당의 위생 상태에 대한 평가 결과가 표시될 수 있다. 이 경우, 위생 관리 어플리케이션 등을 통해 식당의 위생 상태에 대한 교정 요청이 식당의 주인(또는 직원)의 사용자 단말, 해당 식당의 프랜차이즈 본사의 사용자 단말에 제공될 수 있다. 여기서, 식당의 위생 상태에 대한 교정 요청은 식당에 요구되는 하나 이상의 교정 인스트럭션을 포함할 수 있다. 다른 실시예에서, 식당의 위생 관리 서비스 제공하는 위생 관리 업체의 사용자 단말에 식당의 위생 상태에 대한 평가 결과가 제공될 수 있다.
상술한 방법은 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램으로 제공될 수 있다. 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 애플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.
본 개시의 방법, 동작 또는 기법들은 다양한 수단에 의해 구현될 수도 있다. 예를 들어, 이러한 기법들은 하드웨어, 펌웨어, 소프트웨어, 또는 이들의 조합으로 구현될 수도 있다. 본원의 개시와 연계하여 설명된 다양한 예시적인 논리적 블록들, 모듈들, 회로들, 및 알고리즘 단계들은 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양자의 조합들로 구현될 수도 있음을 통상의 기술자들은 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 대체를 명확하게 설명하기 위해, 다양한 예시적인 구성요소들, 블록들, 모듈들, 회로들, 및 단계들이 그들의 기능적 관점에서 일반적으로 위에서 설명되었다. 그러한 기능이 하드웨어로서 구현되는지 또는 소프트웨어로서 구현되는지의 여부는, 특정 애플리케이션 및 전체 시스템에 부과되는 설계 요구사항들에 따라 달라진다. 통상의 기술자들은 각각의 특정 애플리케이션을 위해 다양한 방식들로 설명된 기능을 구현할 수도 있으나, 그러한 구현들은 본 개시의 범위로부터 벗어나게 하는 것으로 해석되어서는 안된다.
하드웨어 구현에서, 기법들을 수행하는 데 이용되는 프로세싱 유닛들은, 하나 이상의 ASIC들, DSP들, 디지털 신호 프로세싱 디바이스들(digital signal processing devices; DSPD들), 프로그램가능 논리 디바이스들(programmable logic devices; PLD들), 필드 프로그램가능 게이트 어레이들(field programmable gate arrays; FPGA들), 프로세서들, 제어기들, 마이크로제어기들, 마이크로프로세서들, 전자 디바이스들, 본 개시에 설명된 기능들을 수행하도록 설계된 다른 전자 유닛들, 컴퓨터, 또는 이들의 조합 내에서 구현될 수도 있다.
따라서, 본 개시와 연계하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 및 회로들은 범용 프로세서, DSP, ASIC, FPGA나 다른 프로그램 가능 논리 디바이스, 이산 게이트나 트랜지스터 로직, 이산 하드웨어 컴포넌트들, 또는 본원에 설명된 기능들을 수행하도록 설계된 것들의 임의의 조합으로 구현되거나 수행될 수도 있다. 범용 프로세서는 마이크로프로세서일 수도 있지만, 대안으로, 프로세서는 임의의 종래의 프로세서, 제어기, 마이크로제어기, 또는 상태 머신일 수도 있다. 프로세서는 또한, 컴퓨팅 디바이스들의 조합, 예를 들면, DSP와 마이크로프로세서, 복수의 마이크로프로세서들, DSP 코어와 연계한 하나 이상의 마이크로프로세서들, 또는 임의의 다른 구성의 조합으로 구현될 수도 있다.
펌웨어 및/또는 소프트웨어 구현에 있어서, 기법들은 랜덤 액세스 메모리(random access memory; RAM), 판독 전용 메모리(read-only memory; ROM), 비휘발성 RAM(non-volatile random access memory; NVRAM), PROM(programmable read-only memory), EPROM(erasable programmable read-only memory), EEPROM(electrically erasable PROM), 플래시 메모리, 컴팩트 디스크(compact disc; CD), 자기 또는 광학 데이터 스토리지 디바이스 등과 같은 컴퓨터 판독가능 매체 상에 저장된 명령어들로 구현될 수도 있다. 명령들은 하나 이상의 프로세서들에 의해 실행 가능할 수도 있고, 프로세서(들)로 하여금 본 개시에 설명된 기능의 특정 양태들을 수행하게 할 수도 있다.
이상 설명된 실시예들이 하나 이상의 독립형 컴퓨터 시스템에서 현재 개시된 주제의 양태들을 활용하는 것으로 기술되었으나, 본 개시는 이에 한정되지 않고, 네트워크나 분산 컴퓨팅 환경과 같은 임의의 컴퓨팅 환경과 연계하여 구현될 수도 있다. 또 나아가, 본 개시에서 주제의 양상들은 복수의 프로세싱 칩들이나 장치들에서 구현될 수도 있고, 스토리지는 복수의 장치들에 걸쳐 유사하게 영향을 받게 될 수도 있다. 이러한 장치들은 PC들, 네트워크 서버들, 및 휴대용 장치들을 포함할 수도 있다.
본 명세서에서는 본 개시가 일부 실시예들과 관련하여 설명되었지만, 본 개시의 발명이 속하는 기술분야의 통상의 기술자가 이해할 수 있는 본 개시의 범위를 벗어나지 않는 범위에서 다양한 변형 및 변경이 이루어질 수 있다. 또한, 그러한 변형 및 변경은 본 명세서에 첨부된 특허청구의 범위 내에 속하는 것으로 생각되어야 한다.
100: 카메라
Claims (2)
- 적어도 하나의 프로세서에 의해 수행되는, 식당의 위생 상태를 관리하는 방법은,
이미지 센서를 통해 상기 식당의 내부의 적어도 일부가 촬영된 이미지를 수신하는 단계;
상기 수신된 이미지에 포함된 하나 이상의 객체의 상태 또는 행동 중 적어도 하나에 대한 분석 결과를 생성하는 단계;
상기 생성된 분석 결과에 기초하여, 상기 식당의 카테고리 별 위생 스코어를 산출하는 단계;
상기 카테고리 별 위생 스코어의 평균 위생 스코어를 산출하는 단계 - 상기 산출된 평균 위생 스코어는 일정 주기마다 갱신됨 -;
상기 산출된 평균 위생 스코어와 미리 결정된 위생 등급 기준 스코어 구간을 비교하여 상기 식당의 위생 등급을 결정하는 단계;
상기 산출된 평균 위생 스코어 또는 상기 결정된 위생 등급 중 적어도 하나를 포함하는 상기 식당의 위생 상태에 대한 평가 결과를 생성하는 단계;
상기 식당의 위생 상태에 대한 평가 결과를 상기 식당과 연관된 사용자 단말 또는 상기 식당과 연관된 플랫폼 중 적어도 하나에 제공하는 단계; 및
상기 결정된 식당의 위생 등급이 위생 평가 기준을 만족하지 못하는 경우, 상기 식당의 위생 상태에 대한 교정 요청을 상기 식당과 연관된 사용자 단말에 전송하는 단계를 포함하고,
상기 식당의 위생 상태에 대한 교정 요청은, 상기 하나 이상의 객체에 대하여 상기 식당과 연관된 사용자가 특정 행동을 수행하도록 지시하는 하나 이상의 교정 인스트럭션을 포함하고,
상기 하나 이상의 교정 인스트럭션은, 상기 수신된 이미지에 포함된 하나 이상의 객체의 상태 또는 행동 중 적어도 하나에 대한 분석 결과에 따라 생성되고,
상기 카테고리는, 위생 분야, 직원 분야 및 음식 분야를 포함하고,
상기 카테고리의 상기 위생 분야, 상기 직원 분야 및 상기 음식 분야 각각의 상기 미리 결정된 위생 등급 기준 스코어 구간은 서로 상이하도록 구성되고,
상기 수신된 이미지에 포함된 하나 이상의 객체의 상태 또는 행동 중 적어도 하나에 대한 분석 결과를 생성하는 단계는 - 상기 하나 이상의 객체는 정적 객체 또는 동적 객체 중 적어도 하나를 포함함 -,
복수의 참조 이미지에 포함된 참조 객체를 세그멘테이션(segmentation)하도록 학습된 제1 인공신경망을 통해 상기 수신된 이미지에 포함된 하나 이상의 객체를 세그멘테이션하는 단계;
참조 정적 객체가 포함된 복수의 제1 참조 이미지를 입력하여 상기 복수의 제1 참조 이미지에 포함된 상기 참조 정적 객체의 상태에 대한 분석 결과를 출력하도록 학습된 제2 인공신경망 모델을 통해, 상기 수신된 이미지에 포함된 하나 이상의 정적 객체의 상태에 대한 분석 결과를 생성하는 단계; 및
참조 동적 객체가 포함된 복수의 제2 참조 이미지를 입력하여 상기 복수의 제2 참조 이미지에 포함된 상기 참조 동적 객체의 행동을 판정하도록 학습된 제3 인공신경망 모델을 통해, 상기 수신된 이미지에 포함된 하나 이상의 동적 객체의 행동에 대한 분석 결과를 생성하는 단계를 포함하고,
상기 식당의 상기 카테고리 별 위생 스코어를 산출하는 단계는,
상기 생성된 하나 이상의 정적 객체의 위생 상태에 대한 분석 결과 또는 상기 생성된 하나 이상의 동적 객체의 행동에 대한 분석 결과 중 적어도 하나에 기초하여 상기 카테고리 별 위생 스코어를 산출하는 단계를 포함하고,
상기 이미지 센서를 통해 상기 식당의 내부의 적어도 일부가 촬영된 이미지를 수신하는 단계는, 상기 이미지 센서를 통해 상기 식당 내부의 적어도 일부가 촬영된 이미지를 실시간으로 수신하는 단계를 포함하고,
상기 식당의 위생 상태에 대한 평가 결과를 상기 식당과 연관된 사용자 단말 또는 상기 식당과 연관된 플랫폼 중 적어도 하나에 제공하는 단계는,
상기 식당의 위생 상태에 대한 평가 결과를 상기 식당과 연관된 사용자 단말 또는 상기 식당과 연관된 플랫폼 중 적어도 하나에 실시간으로 제공하는 단계를 포함하는, 식당의 위생 상태를 관리하는 방법.
- 제1항에 따른 식당의 위생 상태를 관리하는 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220028626A KR20220085038A (ko) | 2020-12-14 | 2022-03-07 | Ai 기반 주방 행동 분석형 위생 관리 시스템 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200174783 | 2020-12-14 | ||
| KR1020220028626A KR20220085038A (ko) | 2020-12-14 | 2022-03-07 | Ai 기반 주방 행동 분석형 위생 관리 시스템 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200174783 Division | 2020-12-14 | 2020-12-14 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220085038A true KR20220085038A (ko) | 2022-06-21 |
Family
ID=82221470
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220028626A KR20220085038A (ko) | 2020-12-14 | 2022-03-07 | Ai 기반 주방 행동 분석형 위생 관리 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20220085038A (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102573295B1 (ko) * | 2023-04-20 | 2023-09-01 | 주식회사 민성 | 뉴럴 네트워크를 이용하여 무인 카페 내부의 복수의 좌석 영역을 관리하는 방법 및 장치 |
-
2022
- 2022-03-07 KR KR1020220028626A patent/KR20220085038A/ko not_active Application Discontinuation
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102573295B1 (ko) * | 2023-04-20 | 2023-09-01 | 주식회사 민성 | 뉴럴 네트워크를 이용하여 무인 카페 내부의 복수의 좌석 영역을 관리하는 방법 및 장치 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210220997A1 (en) | Inspection apparatus and method for observing level of consumption of consumable item | |
| US20090070163A1 (en) | Method and apparatus for automatically generating labor standards from video data | |
| US20180040046A1 (en) | Sales management device, sales management system, and sales management method | |
| CN108353089A (zh) | 用于用户可配置的交互区域监视的装置和方法 | |
| CN105869015A (zh) | 一种信息处理方法及系统 | |
| US20160005052A1 (en) | Information processing system and information processing method | |
| US9241037B2 (en) | Server device, behavior promotion and suppression system, behavior promotion and suppression method, and recording medium | |
| CN113795808A (zh) | 用于预测性环境跌倒风险标识的系统及方法 | |
| BR112019027187A2 (pt) | sistema para agregação de metadados de eventos de comportamento do consumidor na loja, verificação de dados e análise de inteligência artificial dos mesmos para interpretação dos dados e desencadeamento de ação associada | |
| US11481811B2 (en) | Electronic device and method for controlling same | |
| CN111008859B (zh) | 虚拟店铺中信息呈现方法、装置、电子设备及存储介质 | |
| CN110706014A (zh) | 一种商场店铺推荐方法、装置及系统 | |
| CN106960475B (zh) | 三维模型的部位点击处理方法及装置、存储介质和处理器 | |
| JP2004252498A5 (ko) | ||
| CN111797756A (zh) | 基于人工智能的视频分析方法、设备及介质 | |
| CN106127521A (zh) | 一种信息处理方法及数据处理系统 | |
| KR20220085038A (ko) | Ai 기반 주방 행동 분석형 위생 관리 시스템 | |
| 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 | |
| JP6200490B2 (ja) | 疲労度推定方法、プログラム、及びプログラムの提供方法 | |
| CN113689070A (zh) | 食品安全在线监管方法及装置、存储介质、计算机设备 | |
| JP7477680B2 (ja) | システムの設定方法及び処理装置 | |
| KR20150134616A (ko) | 축사 경영 관리 시스템 | |
| US20210019695A1 (en) | Consumer goods procurement assisting system | |
| KR102527862B1 (ko) | 리뷰 큐레이션 제공 장치 및 방법 | |
| JPWO2018034034A1 (ja) | 情報処理装置、情報処理方法、およびプログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |