基于云边协同的高可用厨房卫生监控系统

doi:10.11959/j.issn.1000-0801.2023071

电信科学 ›› 2023, Vol. 39 ›› Issue (Z1): 62-70.doi: 10.11959/j.issn.1000-0801.2023071

基于云边协同的高可用厨房卫生监控系统

张剑, 程俊华, 龚菡洁, 李红, 牛凯

中国电信股份有限公司上海分公司数集部，上海 201315

修回日期:2023-04-17 出版日期:2023-05-30 发布日期:2023-05-01
作者简介:张剑（1980- ），男，现就职于中国电信股份有限公司上海分公司数集部，主要研究方向为智慧城域/美丽家园智能化管理
程俊华（1988- ），男，现就职于中国电信股份有限公司上海分公司数集部，主要研究方向为电信智慧城市产品架构师
龚菡洁（1996- ），女，现就职于中国电信股份有限公司上海分公司数集部，主要研究方向为智慧城域/美丽家园智能化管理
李红（1993- ），男，现就职于中国电信股份有限公司上海分公司数集部，主要研究方向为智慧城域/美丽家园智能化管理
牛凯（1994- ），男，现就职于中国电信股份有限公司上海分公司数集部，主要研究方向为智慧城域后端开发技术

Revised:2023-04-17 Online:2023-05-30 Published:2023-05-01

摘要/Abstract

摘要：

在越来越多的食品安全问题被曝光后，“明厨亮灶”这一概念被提出并全面应用于各个餐饮服务单位。现有的“明厨亮灶”系统固然帮助监管了一部分的餐饮单位，但是仍有部分餐饮单位借由“设备不佳”“网络失灵”为理由来逃避监管。针对上述问题，提出了一套基于云边协同的高可用厨房卫生监控系统。该系统具有高清摄像机、图像处理模块、违规检测模块、微型中央处理器、图像压缩加密模块、图像存储模块和网络传输模块，可以将多边缘节点的海量数据上传到云端进行AI模型的训练和优化，并同步到本地违规检测模块。不同违规行为会被分级，针对网络不佳的情况会将违规因子高的违规图像覆盖违规因子低的图像，还会将违规因子相同但违规多的图像覆盖违规少的图像，并进行本地压缩加密存储并在网络良好的情况下上传至云端。卫生监控中心可以通过云端获得违规图像对餐饮单位进行监管，图像也可以进一步训练优化AI算法。

关键词: 明厨亮灶, 云边协同, 违规因子, 深度学习

中图分类号:

TP393

张剑, 程俊华, 龚菡洁, 李红, 牛凯. 基于云边协同的高可用厨房卫生监控系统[J]. 电信科学, 2023, 39(Z1): 62-70.

图/表 8

图1

图2

图3

图4

图5

图6

图7

图8

参考文献 9

[1]	DING C T , ZHOU A , LIU Y X ,et al. A cloud-edge collaboration framework for cognitive service[J]. IEEE Transactions on Cloud Computing, 2022,10(3): 1489-1499.
[2]	肖祥元, 景文博, 赵海丽 . 基于峰值信噪比改进的图像增强算法[J]. 长春理工大学学报(自然科学版), 2017,40(4): 83-86,92.
[3]	REDMON J , DIVVALA S , GIRSHICK R ,et al. You only look once:unified,real-time object detection[C]// Proceedings of 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). Piscataway:IEEE Press, 2016: 779-788.
[4]	REDMON J , FARHADI A . YOLOV3:an incremental improvement[C]// Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition.[S.l.:s.n.], 2018: 1-6.
[5]	ZHANG H , CHEN S C , ZOU P ,et al. Research and application of industrial equipment management service system based on cloud-edge collaboration[C]// Proceedings of 2019 Chinese Automation Congress (CAC). Piscataway:IEEE Press, 2020: 5451-5456.
[6]	施巍松, 孙辉, 曹杰 ,等. 边缘计算:万物互联时代新型计算模型[J]. 计算机研究与发展, 2017,54(5): 907-924.
[7]	潘三明, 袁明强 . 基于边缘计算的视频监控系统及应用[J]. 电信科学, 2020,36(6): 64-69.
[8]	SAMAA G , FAISAL N . Collaborative edge-cloud and edgeedge video analytics[]// Proceedings of the ACM Symposium on Cloud Computing. New York:ACM Press, 2019:484.
[9]	REN J K , YU G D , HE Y H ,et al. Collaborative cloud and edge computing for latency minimization[J]. IEEE Transactions on Vehicular Technology, 2019,68(5): 5031-5044.

[1]	朱姝. 云网融合时代基于边缘云的智能云化家庭网关的探索与实践[J]. 电信科学, 2023, 39(Z1): 1-6.
[2]	朱姝. 边缘云网下的新业务探索与应用[J]. 电信科学, 2023, 39(Z1): 55-61.
[3]	祝谷乔, 姜超, 徐煜烨. 超分辨率重建技术及其在智能终端上的应用[J]. 电信科学, 2023, 39(7): 156-165.
[4]	叶振, 王国相, 宋俊锋, 刘昊坤, 黎天送. 一种基于深度可分离卷积的VVC帧内编码快速块划分算法[J]. 电信科学, 2023, 39(7): 99-108.
[5]	卢敏, 胡娟, 张先超, 丁伟健, 乐光学. 基于用户多特征融合的个性化推荐模型[J]. 电信科学, 2023, 39(5): 101-115.
[6]	王淑玲, 孙杰, 王鹏, 杨爱东. 云边协同中的资源调度优化[J]. 电信科学, 2023, 39(2): 163-170.
[7]	马稼明, 潘路平, 张琰琳. 基于Transformer的互联网暗链检测方法[J]. 电信科学, 2022, 38(Z2): 241-247.
[8]	王文哲, 安岗, 吴健, 赵文东, 王延刚, 赵云峰, 狄子翔, 顾照杰, 邹贵祥. 一种支持云原生的工业互联网业务管理平台[J]. 电信科学, 2022, 38(Z1): 203-213.
[9]	诸葛斌, 尹正虎, 斯文学, 颜蕾, 董黎刚, 蒋献. 基于学生知识追踪的多指标习题推荐算法[J]. 电信科学, 2022, 38(9): 129-143.
[10]	周杰, Esono Mikue Bernardo Esono, 王学英, 周惠婷, 罗宏. 基于SLM-PTS算法融合的NC-OFDM峰均比优化[J]. 电信科学, 2022, 38(7): 63-74.
[11]	申情, 郭文宾, 楼俊钢, 余强国. 考虑多层次潜在特征的个性化推荐模型[J]. 电信科学, 2022, 38(2): 71-83.
[12]	李攀攀, 谢正霞, 乐光学, 刘鑫. 基于深度学习的无线通信接收方法研究进展与趋势[J]. 电信科学, 2022, 38(2): 1-17.
[13]	陈志宏, 王明晓. 计算机视觉在智慧安防中的应用[J]. 电信科学, 2021, 37(8): 142-147.
[14]	陈瑞凤, 李君, 徐春婕, 程清波, 吕晓军. 5G在铁路智能车站中的应用[J]. 电信科学, 2021, 37(7): 86-95.
[15]	孙姝君, 彭盛亮, 姚育东, 杨喜. 基于深度学习的调制识别综述[J]. 电信科学, 2021, 37(5): 82-90.

基于云边协同的高可用厨房卫生监控系统

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献 9

相关文章 15

Metrics

推荐阅读 0