民以食为天,食以安为先。几千年以来,食品安全一直伴随着我们的饮食文化。如今,借助深度学习和计算机硬件设备日益完善的东风,提高并加强食品监管力度,为食品安全保驾护航。本文主要针对“透明厨房”项目,采用深度学习方法,实现对厨房采集到的视频进行检测,完成对厨房中不规范操作的识别。前期主要完成视频的采集、筛选,之后对视频进行预处理、去除冗余,从视频中提取帧作为训练图像,按照VOC数据集的格式进行重命名,采用Label Img对预处理后的大量图像进行标注、制作专属的数据集用于模型的训练。为了达到后期应用时实时监测的目的,在Caffe框架上,借助搭载GPU的服务器,首先完成环境的搭建。之后本文将Faster RCNN算法中原有的VGG 16替换为Shuffle Net V2,减少卷积,从而大大减少了卷积参数,提高了并行度,兼顾了识别速度与准确率,在现有模型的基础上对迭代次数、批次大小、学习率等超级参数进行调试,对Faster RCNN的RPN网络进行训练,收集proposals,训练Faster RCNN网络,如此重复两次,得到成熟的模型。最后,成功对测试数据集中工作人员穿着的工作服与工作帽进行识别,识别速度较传统Faster RCNN有所提高,工作服准确率可以达到90%以上,但是对帽子的识别率却不尽如人意,标注框的精度也有待提高。