众所周知,食品安全问题对于国家发展和人民健康来说,是非常重要的。近些年来,频频发生的食品安全问题,不仅损害了国家经济发展,更对社会繁荣稳定及人民身体健康带来了巨大的负面影响。佩戴口罩及卫生帽对于食品安全问题的预防具有重要作用,因此准确及时地判断从业人员是否佩戴卫生帽对发现卫生问题、提升食品环境安全监管等具有重要的意义。但人工查看操作录像视频的方式不仅耗费大量人力,而且速度慢,无法可持续化。深度学习在图像处理、自然语言处理等领域做出了超越传统机器学习算法的成绩,打破了人工选取特征的局限,可以自主的学习更深、更广的特征,从而取得更好的效果。依据人工智能技术进行餐饮人员卫生监管可以有效的提高食品安全等级,增加预警和监管的及时性和有效性。在本课题中,使用Spring Boot搭建服务器,遵循前后端分离的设计方式,采用分布式微服务的后端结构,实现了餐饮人员卫生监管系统。提出了一套基于混合语言编程的服务端模型快速封装的通用方案,并使用Docker容器引擎封装了复杂的算法环境,提高了深度学习算法的稳定性和可移植性。为了有效地监管餐饮人员在食品加工过程中的口罩佩戴问题,本文提出了一个基于深度学习的口罩人脸检测算法,减小了病毒污染食品的可能性,推动了全国防疫工作的顺利开展,增强了食品安全领域的防御壁垒。卫生帽佩戴检测和口罩佩戴检测任务场景复杂,本文综合考虑各种实际问题详细设计了深度学习网络的结构,最终完成了基于卫生帽和口罩佩戴检测算法的餐饮人员卫生监管系统,规范了食品安全中的禁止行为,提高了监管的效率和质量,推动了食品卫生安全监管的快速发展。