[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

权利要求书

1.一种基于人工智能明厨亮灶规范检测识别方法，其特征在于，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，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；

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；

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，所述目标对象包括厨师衣服对象、厨师帽子对象、人员正面对象、人员背面对象、口罩对象、老鼠对象、抽烟对象,采用人员佩戴融合检测算法判断每个人员是否正确佩戴帽子和衣服；

具体帽子配对公式如下:

公式中A_{[x1,y1,x2,y2]}表示人员检测坐标位置,B_{[x3,y3,x4,y4]}表示厨师帽子检测坐标位置，若公式等号右侧的条件全部达成则表示帽子配对成功；

具体口罩配对公式如下:

公式中A_{[x1,y1,x2,y2]}表示人员检测坐标位置,B_{[x3,y3,x4,y4]}表示口罩检测坐标位置，

若公式等号右侧的条件全部达成则表示口罩配对成功；

具体衣服配对公式如下:

公式中A_{[x1,y1,x2,y2]}表示人员检测坐标位置,B_{[x3,y3,x4,y4]}表示厨师衣服检测坐标位置，若公式等号右侧的条件全部达成则表示衣服配对成功。

2.如权利要求1所述的一种基于人工智能明厨亮灶规范检测识别方法，其特征在于，所述步骤S3中，明厨亮灶图片自动化标注。

3.如权利要求1所述的一种基于人工智能明厨亮灶规范检测识别方法，其特征在于，所述步骤S5中，pp-yolo模型参数设置，骨干网络设置为ResNet50，优化算法设置为MomentumOptimizer算法，输入图片大小设置为(608,608)，iters设置为110000，batch_size设置为10，初始学习率设置为0.0001，anchors:设置为[[10,13],[16,30],[33,23],[30,61],[62,45],[59,119],[116,90],[156,198],[373,326]]，yolo_head设置为YOLOv3Head，loss设置为iou_loss；iters，anchors，yolo_head分别为pp-yolo模型的参数。