互联网明厨亮灶智慧监控方案 YOLOv7

原创

燧机科技 2024-09-02 16:51:33 ©著作权

文章标签 YOLO 人工智能算法机器学习深度学习 文章分类 Html/CSS 前端开发

©著作权归作者所有：来自51CTO博客作者燧机科技的原创作品，请联系作者获取转载授权，否则将追究法律责任

互联网明厨亮灶智慧监控方案基于AI视觉图像分析技术，互联网明厨亮灶智慧监控方案可以识别餐厅学校食堂后厨人员行为及穿戴是否合规，除此之外，系统对于未经允许出入后厨的人员、不符合规定的着装（如不穿厨师服、不按要求穿戴厨师帽或者佩戴口罩和手套）、行为如违规在后厨抽烟、后厨出现老鼠等情景，互联网明厨亮灶智慧监控方案都将立即抓拍发出告警提醒相关人员及时处理，互联网明厨亮灶智慧监管系统通过技术，完成餐厅学校食堂后厨明厨亮灶。

YOLOv7 的发展方向与当前主流的实时目标检测器不同，研究团队希望它能够同时支持移动 GPU 和从边缘到云端的 GPU 设备。除了架构优化之外，该研究提出的方法还专注于训练过程的优化，将重点放在了一些优化模块和优化方法上。这可能会增加训练成本以提高目标检测的准确性，但不会增加推理成本。研究者将提出的模块和优化方法称为可训练的「bag-of-freebies」。

对于模型重参数化，该研究使用梯度传播路径的概念分析了适用于不同网络层的模型重参数化策略，并提出了有计划的重参数化模型。此外，研究者发现使用动态标签分配技术时，具有多个输出层的模型在训练时会产生新的问题：「如何为不同分支的输出分配动态目标？」针对这个问题，研究者提出了一种新的标签分配方法，称为从粗粒度到细粒度（coarse-to-fine）的引导式标签分配。

互联网明厨亮灶智慧监控方案 YOLOv7_深度学习

随着社会的发展和人们生活水平的快速进步，大家对于食堂后厨安全卫生越来越重视，特别是学校食堂后厨。明厨亮灶主要服务于市场部门、教育等行业主管部门，“互联网+明厨亮灶”社会共治智慧管理平台，是将后厨食品制造过程等监管信息等内容可以实时向社会公众展示，督促餐饮服务利用信息化管理方式促进食品安全的根本好转。

# parameters
nc: 3  # number of classes     <============ 修改这里为数据集的分类数
depth_multiple: 0.33  # model depth multiple
width_multiple: 0.50  # layer channel multiple

# anchors
anchors:
  - [10,13, 16,30, 33,23]  # P3/8
  - [30,61, 62,45, 59,119]  # P4/16
  - [116,90, 156,198, 373,326]  # P5/32

# YOLOv5 backbone
backbone:
  # [from, number, module, args]
  [[-1, 1, Focus, [64, 3]],  # 0-P1/2
   [-1, 1, Conv, [128, 3, 2]],  # 1-P2/4
   [-1, 3, BottleneckCSP, [128]],
   [-1, 1, Conv, [256, 3, 2]],  # 3-P3/8
   [-1, 9, BottleneckCSP, [256]],
   [-1, 1, Conv, [512, 3, 2]],  # 5-P4/16
   [-1, 9, BottleneckCSP, [512]],
   [-1, 1, Conv, [1024, 3, 2]],  # 7-P5/32
   [-1, 1, SPP, [1024, [5, 9, 13]]],
   [-1, 3, BottleneckCSP, [1024, False]],  # 9
  ]

# YOLOv5 head
head:
  [[-1, 1, Conv, [512, 1, 1]],
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],
   [[-1, 6], 1, Concat, [1]],  # cat backbone P4
   [-1, 3, BottleneckCSP, [512, False]],  # 13

   [-1, 1, Conv, [256, 1, 1]],
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],
   [[-1, 4], 1, Concat, [1]],  # cat backbone P3
   [-1, 3, BottleneckCSP, [256, False]],  # 17

   [-1, 1, Conv, [256, 3, 2]],
   [[-1, 14], 1, Concat, [1]],  # cat head P4
   [-1, 3, BottleneckCSP, [512, False]],  # 20

   [-1, 1, Conv, [512, 3, 2]],
   [[-1, 10], 1, Concat, [1]],  # cat head P5
   [-1, 3, BottleneckCSP, [1024, False]],  # 23

   [[17, 20, 23], 1, Detect, [nc, anchors]],  # Detect(P3, P4, P5)
  ]

互联网明厨亮灶智慧监控方案部署简便，系统还支持AI能力前置边缘计算节点以及后端部署服务器。互联网明厨亮灶智慧监管系统包含后厨厨师人员厨师服、口罩和厨师帽穿戴合规检测、后厨鼠患识别、垃圾桶未盖检测、后厨违规抽烟识别、违规玩手机识别等。对于管理者而言，实现食品安全监管问题由传统人力干涉向AI监管转变，灵活便捷，确保安全生产。