一种基于改进KCF算法的智慧厨房全监测及预警系统

一种基于改进kcf算法的智慧厨房全监测及预警系统
技术领域
1.本发明属于厨房设备技术领域，更具体地说，涉及一种基于改进kcf算法的智慧厨房全监测及预警系统。


背景技术：

2.近年来，餐饮业的快速发展使得食品安全的问题再一次成为焦点，我国在食品安全方面也发生了一些新的需要一种对餐饮业的厨房的检测和预警系统，以对厨房的食品实时监控，增加厨房的食品安全和食品质量，实现食品安全监管的全社会参与与全领域共治。


技术实现要素：

3.本发明要解决的技术问题在于提供一种基于改进kcf算法的智慧厨房全监测及预警系统，它可以实现以机器视觉为基础展开智慧厨房中活动生物的状态监测研究，对厨房的食品实时监控，增加厨房的食品安全和食品质量。
4.本发明的一种基于改进kcf算法的智慧厨房全监测及预警系统，包括用于检测厨房内活动生物位置数据和物品布局数据的感知层和用于计算和分析所述数据以用于对厨房环境实时监测和预警的支撑平台；支撑平台与感知层电性链接，以使支撑平台获取感知层的检测数据；支撑平台计算所述数据，支撑平台计算所述数据的算法为改进kcf算法，所述改进kcf算法将可靠程度估计和重检测机制引入传统kfc算法，以提高计算的稳定性能。相比于现有技术，本发明的有益效果在于，应用于厨房监管时，一种基于改进kcf算法的智慧厨房全监测及预警系统在餐饮环节监管中实现智慧监管，可以最大程度地减轻基层监管人员工作负担，以防止餐饮行业使用假冒伪劣餐饮调味料危害人民的健康，进一步提升食品安全监管效率。
5.作为本发明的进一步改进，所述改进kcf算法将多个特征融合以提高跟踪的精度，其采用的是hog+cn+灰度的融合特征的samf算法，公式如下：
[0006][0007][0008]
其中，x是传统kcf算法中提取的单独特征，而xc中是三种特征的混合。相比于现有技术，本发明的有益效果在于，解决了由于厨房环境的复杂性和多变性，带来的目标变形、光照变化、遮挡等情况导致传统kcf算法在目标遮挡严重和快速运动等情况下，跟踪效果不佳的情况发生，实现了对厨房中安全卫生情况快速、有效监测与预警，对智慧厨房实施全方位立体式的监控。
[0009]
作为本发明的进一步改进，所述改进kcf算法包括基于机器视觉的厨房状态估计和基于深度神经网络的厨房状态预警。
[0010]
作为本发明的进一步改进，所述基于机器视觉的厨房状态估计的算法为：
[0011]
s1.1：建立基于核相关滤波的厨房状态估计模型，以监测厨房状态的动态变化，跟踪人才物料的变化；
[0012]
s1.2：由于厨房环境的复杂性和多变性，会出现目标变形、光照变化、遮挡等问题，会导致传统核相关滤波算法的跟踪效果不佳；因此在核相关滤波算法中加入可靠程度估计和重检测机制，建立改进核相关滤波算法；
[0013]
s1.3：由于评估指标参数众多且各因素存在模糊性，因此在算法中引入模糊综合评价，利用滤波算法在处理不确定信息的优势，融合多类状态评估结果，通过基本概率赋值的修正，以监测厨房状态。
[0014]
作为本发明的进一步改进，所述基于深度神经网络的厨房状态预警的算法为：
[0015]
s2.1：通过无监督学习算法建立智慧厨房人员设备物料数据异常自学习方法；
[0016]
s2.2：用受限玻尔兹曼机建立深度置信网络模型，进行监督学习；
[0017]
s2.3：分析预警算法性能，进一步讨论估计误差的收敛性及与带宽资源的关系，并探究算法对参数摄动的鲁棒性。相比于现有技术，本发明的有益效果在于，支撑平台对数据中心内的数据的计算和分析不仅可以应用于厨房活动生物监测，还可应用于商户基本信息管理、工勤人员管理、设备管理、能源监测、环境监测、溯源信息管理、ai预警信息等领域，以对其信息进行监测，提高所监测领域的准确性；应用范围广。
[0018]
作为本发明的进一步改进，感知层包括物联感知模块，物联感知模块与支撑平台电性连接，物联感知模块包括包括温湿度传感器、pm2.5传感器、电压传感器、气压传感器、水压传感器、阀门密封检测传感器和智能摄像头，以检测厨房内活动生物位置数据和物品布局数据。
[0019]
作为本发明的进一步改进，感知层包括物联网络模块；物联网络模块用于传输物联感知模块检测的数据；物联感知模块内的各个传感器和智能摄像头分别与物联网络模块独立地电性连接，物联网络模块与支撑平台电性连接，以使物联感知模块内的各个传感器和智能摄像头检测到的数据分别独立地通过物联网络模块传输给支撑平台，且物联感知模块内的各个传感器和智能摄像头之间也通过物联网络模块电性连接。
[0020]
作为本发明的进一步改进，物联网络模块传输数据的手段包括有线专网、 wifi接入、5g接入、无线集群等方式。
[0021]
作为本发明的进一步改进，还包括数据中心；数据中心用于储存、分析和展示物联感知模块内所检测到的数据，数据中心包括存储中心和交互中心；存储中心与感知层电性连接，存储中心与支撑平台电性连接，以使感知层检测的数据通过存储中心提供至支撑平台；存储中心包括基础数据库、检测数据库等多个数据库；交互中心与存储中心电性连接，交互中心用于展示存储中心内可向外界展示的数据信息；交互中心与支撑平台电性连接，交互中心接收支撑平台的数据反馈，交互中心也可向外界发出警报，以防止厨房异常工作出现意外事故。
附图说明
[0022]
图1为本发明的系统的结构示意图；
[0023]
图2为本发明的基于机器视觉的厨房状态估计的算法流程图；
[0024]
图3为本发明的基于深度神经网络的厨房状态预警的算法流程图；
[0025]
图4为本发明的改进kcf算法与传统kcf算法在精确度和准确度方面的对比图；
[0026]
图5为本发明的智慧厨房活动生物状态监测模型图；
[0027]
图6为本发明的智慧厨房全监测及预警系统的交互界面的展示图。
具体实施方式
[0028]
具体实施例一：请参阅图1-6的一种基于改进kcf算法的智慧厨房全监测及预警系统，包括感知层、数据中心和支撑平台。
[0029]
感知层用于在线监测厨房中活动生物位置数据、厨房布局数据、遮挡数据等数据，感知层与数据中心电性连接，感知层向数据中心传输所检测到的数据。
[0030]
感知层包括物联网络模块和物联感知模块。
[0031]
物联感知模块与数据中心电性连接，物联感知模块包括温湿度传感器、 pm2.5传感器、电压传感器、气压传感器、水压传感器、阀门密封检测传感器和智能摄像头；
[0032]
其中，温湿度传感器用于实时监测厨房内的温度变化和湿度变化，pm2.5 传感器用于实时监测厨房内的pm2.5的浓度变化，温湿度传感器和pm2.5传感器用于厨房环境的实时监测；
[0033]
电压传感器用于厨房内的电压检测，通过对电压的监测以监测厨房内用电器的用电情况，以防止厨房内的电器出现违规操作行为而带来危害；气压传感器用于厨房内的气压检测，以监控厨房内燃气灶的使用情况；水压传感器用于厨房内的水压检测，以监测厨房内的用水情况，杜绝浪费；阀门密封检测传感器用于对燃气灶熄灭后的漏气情况进行检测，以保证厨房工作环境的安全性；电压传感器、气压传感器、水压传感器和阀门密封检测传感器均用于厨房内水电气资源的实时监测；
[0034]
智能摄像头用于拍摄厨房内各设备的使用状况，用于实时检测厨房内的人员情况并实时采集人脸数据，以达到实时监控的效果。
[0035]
物联网络模块用于传输物联感知模块检测的数据；物联感知模块内的各个传感器和智能摄像头分别与物联网络模块独立地电性连接，物联网络模块与数据中心电性连接，以使物联感知模块内的各个传感器和智能摄像头检测到的数据分别独立地通过物联网络模块传输给数据中心；
[0036]
需要说明的是，物联感知模块内的各个传感器和智能摄像头之间也通过物联网络模块电性连接；
[0037]
物联网络模块传输数据的手段包括有线专网、wifi接入、5g接入、无线集群等方式。
[0038]
需要说明的是，本技术在具体使用过程中，物联网络模块传输数据的手段为使用433mhz无线通信技术。
[0039]
数据中心用于储存、分析和展示物联感知模块内所检测到的数据，数据中心包括存储中心和交互中心。
[0040]
存储中心包括基础数据库、检测数据库等多个数据库；检测数据库用于储存物联感知模块向数据中心传输的水压数据、气压数据等多种数据；基础数据库用于存储厨房处于正常工作状态时，厨房内的设备的使用信息和状态数据，例如厨房内pm2.5的正常值、厨房内燃气灶开启时的气压值、厨房内燃气灶关闭时的气压值等数据，以用于将基础数据库
内的数据信息与检测数据库内的数据信息进行比较对照。
[0041]
交互中心用于展示存储中心内可向外界展示的数据信息，比如，交互中心将厨房内的相应的设备设施信息展示于厨房主机的液晶屏幕上显示以提醒厨房工作人员注意；另外，交互中心也可向外界发出警报，以防止厨房异常工作出现意外事故。
[0042]
支撑平台与数据中心电性连接，支撑平台访问数据中心内的数据库，支撑平台提供算法，并对所述数据库内的数据进行计算和分析，以通过物联感知模块检测到的数据获取厨房内的生物状态和安全卫生情况，以使厨房内出现意外情况后能够得到及时处理；同时支撑平台通过计算和分析得到的结果也会反馈到数据中心，并通过交互中心向外界展示；当支撑平台计算出厨房处于异常工作状态时，支撑平台会向交互中心发出信号，交互中心收到信号也会向外界发出警报，已引起工作人员的注意，实现对厨房的智能监控。
[0043]
其中，支撑平台对数据中心内的数据的计算和分析包括基于机器视觉的厨房状态估计和基于深度神经网络的厨房状态预警。
[0044]
基于机器视觉的厨房状态估计的算法为：
[0045]
s1.1：建立基于核相关滤波的厨房状态估计模型，以监测厨房状态的动态变化，跟踪人才物料的变化；
[0046]
s1.2：在核相关滤波算法中加入可靠程度估计和重检测机制，建立改进核相关滤波算法；
[0047]
s1.3：由于评估指标参数众多且各因素存在模糊性，因此在算法中引入模糊综合评价，利用滤波算法在处理不确定信息的优势，融合多类状态评估结果，通过基本概率赋值的修正，以监测厨房状态。
[0048]
其中，由于厨房环境的复杂性和多变性，会出现目标变形、光照变化、遮挡等问题，会导致传统核相关滤波算法的跟踪效果不佳的情况发生，从而导致传统核滤波算法所得到的结论稳定性和准确性差，因此需要在步骤s1.2 中简历改进核相关滤波算法，以利用滤波算法在处理不确定信息的优势，融合多类状态评估结果，通过基本概率赋值的修正，以准确地监测厨房状态；而步骤s1.2内建立的改进核相关滤波算法将多个特征融合以提高跟踪的精度，其采用的是hog+cn+灰度的融合特征的samf算法，公式如下：
[0049][0050][0051]
其中，x是传统kcf算法中提取的单独特征，而xc中是三种特征的混合；
[0052]
另外，为了证明改进核滤波算法的可实施性和相对于传统核滤波算法的优势，申请人对两者进行了实践对比，因此改进核滤波算法与传统核滤波算法在精确度和准确度方面的对比图如图4所示。
[0053]
基于深度神经网络的厨房状态预警的算法为：
[0054]
s2.1：通过无监督学习算法建立智慧厨房人员设备物料数据异常自学习方法；
[0055]
s2.2：用受限玻尔兹曼机建立深度置信网络模型，进行监督学习；
[0056]
s2.3：分析预警算法性能，进一步讨论估计误差的收敛性及与带宽资源的关系，并探究算法对参数摄动的鲁棒性。
[0057]
另外支撑平台内还包括有数据访问服务、地理位置服务、消息服务、用户权限服务、数据加密服务、系统日志服务等功能，上述多种功能均属于现有技术，因此在本技术中不加以赘述。
[0058]
需要说明的是，支撑平台对数据中心内的数据的计算和分析不仅可以应用于厨房活动生物监测，还可应用于商户基本信息管理、工勤人员管理、设备管理、能源监测、环境监测、溯源信息管理、ai预警信息等领域，以对其信息进行监测，提高所监测领域的准确性。
[0059]
工作原理：一种基于改进kcf算法的智慧厨房全监测及预警系统工作时，物联感知模块内的传感器和智能摄像头开始工作，其中，温湿度传感器监测厨房内的温度变化和湿度变化，pm2.5传感器监测厨房内的pm2.5的浓度变化，电压传感器对厨房内的电压检测，气压传感器用于厨房内的气压检测，水压传感器用于厨房内的水压检测，阀门密封检测传感器用于对燃气灶熄灭后的漏气情况进行检测，同时，智能摄像头用于拍摄厨房内各设备的使用状况，用于实时检测厨房内的人员情况并实时采集人脸数据；物联感知模块工作以获得智慧厨房人员物料状态评估的原始数据；
[0060]
物联网络模块将物联感知模块内检测到的数据传输到数据中心储存，并通过交互中心展示；
[0061]
而后支撑平台访问数据中心内的数据库，并对数据库内的数据通过改进核相关滤波算法进行计算分析，同时在所述算法中引入模糊综合评价，以实现通过结合物联感知模块内检测到的多种数据，以融合多类状态评估结果，通过基本概率赋值的修正，从而得到智慧厨房人员物料状态的评估结果；
[0062]
支撑平台通过计算和分析得到的智慧厨房人员物料状态的评估结果也会反馈到数据中心，并通过交互中心向外界展示；当支撑平台计算出厨房处于异常工作状态时，支撑平台会向交互中心发出信号，交互中心收到信号也会向外界发出警报，已引起工作人员的注意，实现对厨房的智能监控。