壹合原码智慧校园餐盘识别系统_视频监控行为分析识别系统

壹合原码智慧校园餐盘识别系统

壹合原码智慧校园餐盘识别系统，直接采用高清摄像机（或第三方平台）闭环组合方式，高效便捷且易满足。连锁品牌易管理，复用算法模型易实现且低成本。构建个性化餐盘、菜品数据库。可更新迭代重新录入新的菜品，高效方便。模型可复用，适用连锁餐饮便捷高效管理。

立即咨询

传统餐饮需求痛点

出餐流程繁琐
传统需要人工计算，流程复杂且效率低，影响出餐时间，接待客户有限。

管理效率低
门店工人工作重复性高，受状态等影响工作效率低，且人工太多难以管理。

人工成本高
需要多个窗口，雇佣多个人员才能够抵御高峰期时场景，雇佣人员成本高。

高峰期压力大
在饭点时，人工难以有效处理面对，且人多时易出现急躁情绪，接待时压力大。

错账漏账
人工在繁忙时，很容易记错金额，计算错结果，造成错账漏账，影响公司盈亏情况。

传统系统老旧，效率低
传统的升级改造方案往往涉及到大量硬件和软件，成本高，时间周期长，餐盘识别模型易训练，易费用，成本低。

AI+智慧餐饮打造目标 icon

高效统一
直接采用高清摄像机（或第三方平台）闭环组合方式，高效便捷且易满足。连锁品牌易管理，复用算法模型易实现且低成本。

智能化
视觉智能为餐饮智能改造赋能，提升餐饮运营效率。通过图像识别，颜色识别，高效智能处理餐饮餐盘识别，提升效率。

低成本
一台设备，可以正常替代两名收银员的工作，三个月可将成本收回。配置管理简单，运维成本低，后台可直接设定长期可使用。可对已有摄像头进行改造，降低投入改造成本。

精准化
简化出餐的繁琐流程，使流程更加精准化。颜色识别和形状识别，在图像识别的加持下识别更加精准化。

餐盘识别系统

处理过程

采用专业的人工智能图像识别算法对每种餐具进行训练学习，这种识别方式并不关心餐具内的菜品，它主要通过餐具的形状、纹理以及边缘颜色等特征差异进行归类，根据餐具的归属类别来计算对应的价格，从而达到快速自动收银的目的。取菜先将餐盘放在“餐盘感应区”，获取餐盘信息后再进行取菜。显示器中显示餐盘信息及本次取餐的内容(菜品名称，菜品单价，菜品计重金额）。取餐完成后，将取餐工具放回原处。

产品功能

构建个性化餐盘、菜品数据库。

弥补传统结算系统仅能识别固定菜品的漏洞。

无需人工干预食堂结算。

可更新迭代重新录入新的菜品，高效方便。

模型可复用，适用连锁餐饮便捷高效管理。

算法思路与实现步骤

思路：识别餐盘---依据颜色和形状来区分。

具体步骤：

(1)餐盘颜色共三种：白色、绿色、橙色，形状共两种：圆形和方形。区别颜色使用HSV阈值范围筛选即可，圆形与方形通过轮廓面积与轮廓最小外接圆面积的比值来筛选，圆形rate>=0.9，方形<0.9;

(2)水果共三种：苹果、香蕉、橙子，通过颜色可以区分苹果和橙子，通过轮廓最小外接矩形的宽高比可以区分香蕉和橙子；

(3)计价：盘子和水果的数量乘以对应的单价即可。

餐盘识别

模板匹配算法（餐盘识别）

共生矩阵算法

特征选取

多特征融合与图像匹配

归一化互相关注进行匹配

模板应在（M-P+1）×（N-Q+1）个参考位置上进行相关计算，计算量大时可采用序贯相似检验算法、幅度排序相关算法、FFT相关算法、分层搜索序贯判决等方法以提高运算速度。基于模板匹配的饮料种类识别方然后使用检测网络检测到照片中的饮料，用分类网络将饮料进行分类，最后统计每种饮料的数量.能够通过单目摄像头实现对冷柜中的饮料进行识别，统计，从而实现一个能够自动对饮料补货提醒，销量统计的智能饮料销售系统。

门店饮品智能识别

饮品精准识别：基于先进的图像识别技术，无需扫码，可实现多商品一次性识别，精准识别出货架、冰柜和端架上陈列商品的数量和种类，为品牌商分析陈列排面占比。覆盖SKU多样，即使对于外观非常相似的商品，如同一品牌不同口味的饮品，也可进行精准识别。帮助门店及时感知商品货架、冰柜空置等问题，做到及时调整商品数量。

餐饮门店智能识别

可根据不同场景的具体需求，部署定制训练不同算法

算法优势

可在1秒内完成识别和计价；实现95%的识别准确率。餐具训练一次便可永久使用；方便转换重新训练配置使用便捷，可快速上手；自动计价，无需人工干预；能留存图像数据，方便排查问题；整体改造成本较低。智能监测：利用数字图像处理技术和先进的深度学习技术，可对餐盘分类识别。准确可靠：算法会自动利用相关知识对深度学习模型的识别结果进行判别，排除误识别，准确可靠。可定制化：可根据特定应用场景快速优化算法模型，算法适应性强，鲁棒性高。场景覆盖：涵盖众多场景，包括单位后厨、学校食堂、公共餐厅等餐饮场所。准确率高：对餐盘识别准确率达到95%以上。架构灵活：直接采用高清摄像机（或第三方平台）闭环组合方式，（每台相机最多可安装2个算法包或两种算法整合成1个算法包。）

智能工厂烟草局条烟分拣线质检改造监测 icon

场景痛点

1.智能分拣需求大，烟草物流中心订单量剧增时难以处理好每笔订单。2.人工分拣压力大，高强度压力工作，放错，补货错误率高，订单异常，易导致生产线全线停工检查纠错，致使生产效率直线下降，无法按时给商户进行发货。3.传统分拣效率低，关乎商户节假日销售利润，投诉率高，影响订单量。4.人工需求大。传统分拣需要烟草局雇佣大量人力，来助力分拣，但工作繁忙时人手不够，工作空闲时人手过多，难以平衡。

方案功能

立式烟仓人工补货实时识别，固定仓位放错实时预警，避免订单混乱；异形烟仓人工分拣区域实时识别，对比订单系统实时完成订单合作，出错即报警；发货台对接订单系统针对打包条形烟实时识别对比订单数据，出错即报警；第一时间抓拍、分析、预警反馈，管控效率达到秒级实时反馈；

方案效果

只需加装摄像头，在边缘计算终端部署视觉模型，不影响分拣线正常运作。AI质检准确率在99.9%以上，能实时监测半自动分拣线及人工分拣线分拣情况。避免事后停机纠错，极大降低错误频次，纠错停机时间从平均4小时，缩短至5分钟，单条生产线优化3个人员。

解决方案

通过摄像头对人工补货场景进行实时监测，针对烟盒建立算法模型，区域监控实时预警。再通过模版匹配+深度学习图像识别算法，实时监测人工是否在对应仓位放入正确条烟，不影响人工操作。同时通过摄像头+OCR方式实时读取订单信息，与打包货物进行对比。最后采用摄像头+AI算法的方式赋能生产线，避免改造生产线硬件带来的不必要成本。

智能零售日日清智能门店监测 icon

场景痛点

生鲜连锁日清店（每天货品下班前全部下架），300家连锁店铺。通过海康监控系统实现视频储存，卫生管理，工服管理、货品管理，人流量监测等通过人工来看，成本过高，急需增加AI算法识别，实现智能监测，提高整理管理效率。现在门店的摄像头用的是海康的，海康可提供算法，但视频流需要走海康云端服务器，按路收费，且需要更换全部摄像头，成本过高。

方案功能

实现店内货品每日销毁监测。店内地面是否占道监测。进店人流量、收银台前驻足人流量监测。线上智能巡店，自动发现店铺问题，并进行实时记录，推送店长。

方案效果

摄像头利旧，无需更换新的摄像头，成本更低。货品日清要求店内100%达到。线上自动巡店，人工巡店效率提升5倍。

解决方案

摄像头利旧，无需更换新的摄像头，成本更低。货品日清要求店内100%达到。线上自动巡店，人工巡店效率提升5倍。

智能零售香飘飘智能智能冰柜监测 icon

场景痛点

公司采购的冰柜进行市场品牌投放，数量众多覆盖面广，区域人员维护难，维护成本高，效果差，无法对冰柜内产品陈列实时监测，店面监管难，同时无法对当地的销售数据、竞品价格、销量有效掌握，运营团队没有数据支撑，无法进行有针对性的市场活动投放。

方案功能

对冰柜内香飘飘饮品的纯度精确计算。实现7*24小时实时监测饮品牌面陈列。针对冰柜内产品SKU数量变化和牌面变化监测。进店人流量、冰柜前驻足人流量、购买转化率监测。

方案效果

实现去人化监测，提高业务员巡店效率，投产比提升60%。通过外部摄像头为企业选址提供强有力的数据支撑。实时监测竞品市场活动策略，有针对性输出我方活动策略。

解决方案

基于自研的视觉算法框架，在冰柜门内中心、门外上方放置摄像头用于图像采集，对内实现陈列纯度和动销进行监测，对外实现店外人流量监测，进店监测，转化率监测。

让算法变得简单　让智能自然而然 icon

核心团队

专注于人工智能图像识别领域，为合作伙伴加持人工智能算法能力 icon

图文识别深度学习计算框架

壹合原码科技创办于2015年，注册资金1000万，由前百度人工智能团队核心团队发起，致力于为合作伙伴提供超高性价比的智能算法解决方案。OCR文字识别：团队自主研发一套深度学习计算框架，该框架中OCR文字识别（中英文、手写）准确率和运行效率在Github上综合排名前三（Github搜OCR综合排名前三位的框架），优化框架的CPU运行方式，从 20 秒优化到 1 秒内，支持跨系统、程序语言调用。图像视觉识别：基于自研的深度学习框架，在物体检测、人体姿态进行底层代码优化，针对优化边缘设备进行模型深度剪枝、蒸馏，保证精度的同时大幅降低硬件成本；工业场景物体瑕疵检测准确率98%；病理人体姿态检测准确率97%；

深度学习训练平台

经过3年为企业客户赋能人工智能算法的经验，沉淀打磨出一套易用的深度学习训练平台，支持低代码，拖拽式进行深度学习算法的二次训练，帮助企业客户自身技术团队低成本、快速接手复杂的人工智能算法系统，并具备后续自我迭代的能力。