前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >“网黑”小龙坎引发的思考,VR或将助力解决食品安全问题

“网黑”小龙坎引发的思考,VR或将助力解决食品安全问题

作者头像
VRPinea
发布于 2018-06-11 02:48:08
发布于 2018-06-11 02:48:08
5630
举报
文章被收录于专栏:VRPineaVRPinea

5月28日,有媒体曝光了网红火锅小龙坎的“口水油”事件。小龙坎在长春、南昌、哈尔滨等地的3家加盟店后厨,存在循环使用老油、刷猪血给酸肉上色,以及将餐具、拖把一起洗等食品安全问题。至此,小龙坎由“网红”陡然变身为“网黑”。

无独有偶。早在去年8月,海底捞就因食品安全卫生问题被推上了舆论的风口浪尖。海底捞北京劲松店、太阳宫店被爆出存在老鼠爬进食品柜、簸箕与餐具同池混洗、用火锅漏勺掏下水道等问题。

另外,小编了解到,小龙坎、海底捞、呷哺呷哺等火锅界大牌,都在疯狂扩张中。海底捞门店2018年预计新增180至220家门店。而呷哺呷哺截止2017年底,共有738家门店。覆盖13个省、79个城市,以及北京、上海、天津3个直辖市。

对此,中国食品产业分析师朱丹蓬,在近日接受采访时表示:“食品安全问题,是连锁火锅品牌高速扩张背后的一大隐忧,店开的越多,‘定时炸弹’就会越多。”

此前,WHO也指出,全球每年有多达6亿人因食物污染而导致中毒或患病,每年造成约42万人死亡,其中5岁以下儿童就占近1/3。足以见食品安全卫生问题的严重性,解决这个问题的一个关键就是提升企业、员工和个人的食品安全卫生意识。而随着技术的飞速发展,VR食品安全培训将是个不错的解决方案。

VR培训,为食品安全提供解决方案

据悉,为了让用户了解食品卫生和厨房健康与安全,提升用户食品安全意识,以预防食物中毒,诺丁汉大学的数字研究小组,正在制作一款VR厨房类游戏《The Corrupt Kitchen VR》。游戏中,玩家必须完成卫生烹饪的任务,要遵循健康和安全的规则:

1.打理好个人卫生和厨房清洁;

2.确保食品原料的质量;

3.游戏中所有员工均需按照以上指示进行操作;

4.生产的食物越多,餐厅赚得的钱就越多,游戏分数就越高。但如果忽视卫生,就会产生相应的风险,比如扣分。

游戏的难点在于,玩家会迎来源源不断的顾客,因此可能会手忙脚乱。但即使在这种情况下,玩家也必须保持厨房内卫生的干净整洁,比如勤洗手、拖地板和赶走老鼠,从而顺利完成游戏任务。此外,游戏还允许第二个玩家加入,该玩家将充当卫生健康检查员的角色。健康检查员将承担,评估厨师工作是否合格的职责。当厨师的卫生不合格时,检查员可以对其进行罚款。

如上所述,这款VR厨房培训游戏,如果用于员工培训,还可以帮助其提升心理承受力,例如调节好客流量大时,不停地做菜、出菜所带来的心理压力。遗憾的是,目前这款游戏尚处于开发阶段,暂未公布发售时间。

不过,对于备受关注的食品安全问题,这至少已经给我们提供了参考:如果能够将VR技术应用到食品行业,或许会让大家不再对食品安全问题过分担心。在VR食品安全培训中,用户可以在各种场景中,应对实际食品制作中可能出现的各种情况。当然,也会犯各种错误,并看到后果的严重性,可以从中吸取教训、积累经验。

小编相信,随着技术的进步,开发成本的降低,有关VR食品安全培训内容的研发会更多、更精,不同企业根据特定的场景需求,还能定制VR培训内容。而这对食品安全卫生问题的解决将是一大助力。

本文属VRPinea原创稿件,转载请洽:brand@vrpinea.com

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2018-05-31,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 VRPinea 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
用 TensorFlow 目标检测 API 发现皮卡丘!
在 TensorFlow 众多功能和工具中,有一个名为 TensorFlow 目标检测 API 的组件。这个库的功能正如它的名字,是用来训练神经网络检测视频帧中目标的能力,比如,一副图像。
AI研习社
2018/07/26
8530
用 TensorFlow 目标检测 API 发现皮卡丘!
TensorFlow:使用Cloud TPU在30分钟内训练出实时移动对象检测器
是否能够更快地训练和提供对象检测模型?我们已经听到了这种的反馈,在今天我们很高兴地宣布支持训练Cloud TPU上的对象检测模型,模型量化以及并添加了包括RetinaNet和MobileNet改编的RetinaNet在内的新模型。本文将引导你使用迁移学习在Cloud TPU上训练量化的宠物品种检测器。
AiTechYun
2018/07/27
4.4K0
TensorFlow:使用Cloud TPU在30分钟内训练出实时移动对象检测器
深度学习入门篇--手把手教你用 TensorFlow 训练模型
该文介绍了如何使用TensorFlow实现YOLO v2神经网络模型对图像进行分类,并给出了代码示例和训练过程的详细步骤。
付越
2017/10/16
9.9K2
深度学习入门篇--手把手教你用 TensorFlow 训练模型
[Tensorflow] 使用SSD-MobileNet训练模型
因为Android Demo里的模型是已经训练好的,模型保存的label都是固定的,所以我们在使用的时候会发现还有很多东西它识别不出来。那么我们就需要用它来训练我们自己的数据。下面就是使用SSD-MobileNet训练模型的方法。
wOw
2018/09/18
14K3
tensorflow object detection API使用之GPU训练实现宠物识别
之前写过几篇关于tensorflow object detection API使用的相关文章分享,收到不少关注与鼓励,所以决定再写一篇感谢大家肯定与支持。在具体介绍与解释之前,首先简单说一下本人测试与运行的系统与软件环境与版本
OpenCV学堂
2019/11/13
2.4K1
Python 数据科学入门教程:TensorFlow 目标检测
你好,欢迎阅读 TensorFlow 目标检测 API 迷你系列。 这个 API 可以用于检测图像和/或视频中的对象,带有使用边界框,使用可用的一些预先训练好的模型,或者你自己可以训练的模型(API 也变得更容易)。
ApacheCN_飞龙
2022/12/01
1.5K0
Python 数据科学入门教程:TensorFlow 目标检测
使用Tensorflow进行实时移动视频对象检测
随着对计算机视觉的用例日益增长的兴趣,例如无人驾驶汽车,面部识别,智能交通系统等,人们希望建立定制的机器学习模型以检测和识别特定对象。
代码医生工作室
2019/10/10
2.4K0
使用Tensorflow进行实时移动视频对象检测
2.运行一个demo
在 Object Detection API 的示例代码中包含了一个训练识别宠物的 Demo,包括数据集和相应的一些代码。虽然本课程中我们会自己准备数据和脚本来进行训练,但是在这之前还需要安装一些库、配置一下环境。在配置完成之后,运行一下这个训练宠物的 Demo,以便检查环境配置是否 OK,同时对训练过程先有个整体的了解,然后再准备自己的数据和训练脚本。 请确保已经安装好了 Python 2.7。 安装 Object Detection API 首先下载 Object Detection API 的代码:
刘盼
2018/03/16
9140
2.运行一个demo
视频识别训练2.3(实现TensorFlow视频识别)
大家好,又见面了,我是你们的朋友全栈君。 盯住梅西:TensorFlow目标检测实战 https://baijiahao.baidu.com/s?id=1581115075233058548&wfr=
全栈程序员站长
2022/09/02
1.2K0
【教程】利用Tensorflow目标检测API确定图像中目标的位置
深度学习提供了另一种解决“Wally在哪儿”(美国漫画)问题的方法。与传统的图像处理计算机视觉方法不同的是,它只使用了少量的标记出Wally位置的示例。 在我的Github repo上发布了具有评估图像和检测脚本的最终训练模型。 Github repo地址:https://github.com/tadejmagajna/HereIsWally 这篇文章描述了使用Tensorflow目标检测API来训练神经网络的过程,并使用围绕它构建的Python脚本来寻找Wally。它由以下步骤组成: 通过创建一组标记训练
AiTechYun
2018/03/06
2.7K0
【教程】利用Tensorflow目标检测API确定图像中目标的位置
tensorflow object detection API 详细实践教程
最近由于研究方向的更换,接触到了目标检测(Object Detection)领域,觉得很有意思,并且阅读了该方向的相关经典文献,包括Fast-RCNN、Faster-RCNN、SSD、YOLO以及RetinaNet等。复现别人代码并且能够得到在公开数据集上和原作者相近甚至相同的实验结果对于我们做研究甚至以后的工作来说是至关重要的。
狼啸风云
2022/06/06
7070
tensorflow object detection API 详细实践教程
如何用TensorFlow和Swift写个App识别霉霉?
在很多歌迷眼里,尤其是喜欢乡村音乐的人,“霉霉”Taylor Swift是一位极具辨识度也绝对不能错过的女歌手。在美国硅谷就有一位非常喜欢 Taylor Swift 的程序媛 Sara Robinson,同时她也是位很厉害的 APP 开发者。喜爱之情难以言表,于是利用机器学习技术开发了一款iOS 应用,可以随时随地识别出 Taylor Swift~~~
猿哥
2019/07/25
13.4K0
教程 | 盯住梅西:TensorFlow目标检测实战
选自Medium 作者:Nicolas Bortolotti 机器之心编译 参与:黄小天、路雪 近日,一篇题为《Following Messi with TensorFlow and Object Detection》的教程文章展示了如何通过 TensorFlow 训练定制的目标检测模型,以专门定位和识别足球巨星梅西;同时作者也希望这一技术有助于催生出足球新战术,提升赛事水平。 我们之前曾把 TensorFlow 与目标检测模型结合使用,但使用的一直是预先设定的传统数据集,比如 COCO。这次的挑战将再高
机器之心
2018/05/08
9820
教程 | 盯住梅西:TensorFlow目标检测实战
TensorFlow 智能移动项目:1~5
本章介绍如何设置开发环境,以使用 TensorFlow 构建所有 iOS 或 Android 应用,本书其余部分对此进行了讨论。 我们不会详细讨论可用于开发的所有受支持的 TensorFlow 版本,OS 版本,Xcode 和 Android Studio 版本,因为可以在 TensorFlow 网站或通过 Google。 相反,我们将在本章中简要讨论示例工作环境,以便我们能够快速了解​​可使用该环境构建的所有出色应用。
ApacheCN_飞龙
2023/04/24
4.8K0
构建对象检测模型
我喜欢深度学习。坦率地说,这是一个有大量技术和框架可供倾注和学习的广阔领域。当我看到现实世界中的应用程序,如面部识别和板球跟踪等时,建立深度学习和计算机视觉模型的真正兴奋就来了。
磐创AI
2020/07/24
1.3K0
构建对象检测模型
使用TensorFlow一步步进行目标检测(4)
到目前为止,我们已选择了预训练模型,找到了现成数据集,也创建了自己的数据集,并将其转换为TFRecord文件。 接下来,我们开始训练模型。
云水木石
2019/07/01
5350
自定义对象检测问题:使用TensorFlow追踪星球大战中的千年隼号宇宙飞船
大多数的大型科技公司(如IBM,谷歌,微软,亚马逊)都有易于使用的视觉识别API。一些规模较小的公司也提供类似的产品,如Clarifai。但没有公司能够提供对象检测。 千年隼号宇宙飞船的检测 以下图
AiTechYun
2018/03/05
1.2K0
自定义对象检测问题:使用TensorFlow追踪星球大战中的千年隼号宇宙飞船
目标检测_1
注:上编的路径尽量使用绝对路径,不要使用相对路径和~符号 可能报错 生成frozen_inference_graph.pb文件 及其他文件
Dean0731
2020/05/08
5370
TensorFlow小程序探索实践
最近业余时间做些创新探索,在微信小程序上实现找到纸或笔记本,定位,然后取到纸上的简笔画,之后进行简笔画识别,找到对应位置(之后可以在此位置上加载对应3d模型,实现ar效果, 对应ar官方案例:https://github.com/bbSpider/miniprogramThree)
EchoROne
2022/12/29
2.1K0
TensorFlow小程序探索实践
Tensorflow 迁移学习 识别中国军网、中国军视网Logo水印
作者bourdakos1整合了tensorflow中的object-detection和slim两个子项目。 设置环境,把当前目录、slim、object_detection 三个目录加到环境变量PYTHONPYTHON。
birdskyws
2018/09/12
1.5K0
Tensorflow 迁移学习 识别中国军网、中国军视网Logo水印
推荐阅读
相关推荐
用 TensorFlow 目标检测 API 发现皮卡丘!
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档