[发明专利]一种用于餐饮后厨的智能巡查方法

权利要求书

1.一种用于餐饮后厨的智能巡查方法，其特征在于，包括以下步骤，

S1，根据复杂度从低到高对巡查规则进行分级；

S2，获取后厨的图片，根据分级后的巡查规则对图片中的特征进行标记后作为样本图片进行深度学习，识别待检测图片是否为对应级别的问题图片；

S3，依次将不同级别的问题图片推送给巡查人员；当巡查人员反馈图片符合巡查要求时，停止推送；否则继续推送下一级别的问题图片给巡查人员；

所述S1中分为以下四个级别：

级别1：巡查规则中只包括一种目标特征；

级别2：巡查规则中包括两种或两种以上的目标特征；

级别3：巡查规则中只包括一种行为特征；

级别4：巡查规则中包括两种或两种以上的行为特征；

所述目标特征为工作过程中出现的静态特征，所述行为特征为工作过程中出现的动态特征；

所述S2的具体过程包括建模阶段和实施阶段，

所述建模阶段包括以下步骤：

第一步：标记图片中的目标特征或行为特征后作为样本图片，采用深度学习框架和模型训练深度学习模型；

第二步：根据巡查规则的语法规则，构建贝叶斯网络；

第三步：以深度学习模型的输出作为贝叶斯网络的输入；

所述实施阶段包括以下步骤：

第一步：将待检测图片输入深度学习模型中，获得目标检测结果；

第二步：以所述目标检测结果作为输入节点输入贝叶斯网络；

第三步：运行贝叶斯网络，若输出节点的概率大于0.5，则将待检测图片界定为对应级别的问题图片。

2.根据权利要求1所述的用于餐饮后厨的智能巡查方法，其特征在于，所述S3中，若所有级别的问题图片都不符合巡查要求，则推送前后两帧差异大于预先设定阈值的图片给巡查人员。

3.根据权利要求2所述的用于餐饮后厨的智能巡查方法，其特征在于，计算图片前后两帧差异的方法如下：构建图像背景模型；计算图像前景；更新图像背景；对图像进行形态学处理；计算图像变化幅度。