食品车间的视觉 AI SOP 方案

食品行业的 SOP 监控和制造业有个根本区别：它监控的对象主要是「人」而不是「件」。穿戴是否合规、洗手消毒是否执行、有没有戴首饰、配料顺序对不对——这些都属于人员行为规范，而人员行为恰恰是最难用传统传感手段捕捉的。

机器视觉在这里天然合适。相比人工抽查，它能做到入口处每位员工每次进入都检查，且判定标准始终一致；相比 RFID 或门禁，它能识别出「戴了帽子但没戴好」这种细节差异。

监控场景与判定内容

落地时需要注意的几点

• 入口监控要兼顾通行效率，判定需在人员通过的同时完成，避免排队影响上下班。
• 穿戴判定要区分「未穿戴」与「穿戴不规范」，两者对应的处置方式不同（前者拦截，后者提醒）。
• 涉及员工影像的数据需明确保存期限与访问权限，与人事部门在方案阶段对齐合规要求。
• 报警方式优先选本地声光提示与班组长提醒，避免在车间大屏公开个人信息。
• 记录导出格式尽量对齐企业现有食品安全体系审核表的字段。

监控「人」和监控「件」有什么不同

制造业的视觉 SOP 判的是工件——装没装上、装对没有，对象静止或半静止，可以反复拍、慢慢判。食品车间的对象是「走动的人」，判定窗口只有人员经过的那一两秒，而且同一个人今天的穿着和昨天可能不同。这决定了方案思路的差异：不是追求识别整件工作服，而是识别几个稳定的关键特征点（帽檐、口罩、手套的颜色与轮廓），再把这些特征组合成「合规 / 不合规」的结论。具体做法可参见食品车间视觉 SOP 的做法。

穿戴与卫生规范的判定等级

摄像头装在哪、不装在哪

入口监控的通行效率设计

洗手消毒为什么要按步骤判

洗手消毒的判定不能只看「有没有走到水池前」，而要按步骤看动作序列：冲湿、打皂、搓洗、冲净、消毒、烘干，每一步都是有意义的。只统计到岗人数反映不出执行质量，逐步判定才能发现「到了水池但只冲了一下」这类漏做。做法是给每个步骤定义可识别的动作特征和时间下限，任何一步缺失或时间过短都记为未完成。这种按步骤判的思路和工序防错是一致的，可参考跳步拦截的实现。