明厨亮灶升级：RK3588边缘盒子优化油烟、蒸汽干扰识别算法

传统明厨亮灶 AI 识别方案在后厨真实环境普遍存在痛点：炒菜产生大量油烟、蒸汽，会造成摄像头画面雾化、反光、模糊，直接导致安全帽 / 厨师帽、口罩、工作服、鼠患、明火、垃圾桶未盖等识别目标漏检、误报率飙升。

很多方案只能依赖后端大服务器做图像预处理，带宽压力大、延迟高；RK3588 边缘盒子依托本地 NPU 算力，把去雾增强 + 目标检测整套算法下沉边缘端，实现后厨油烟蒸汽环境下稳定 AI 识别，不用回传原始视频流，降低带宽与云端成本，适配存量摄像头改造。

RK3588 硬件算力基础

NPU 算力：6TOPS INT8，支持多模型并行推理

多路视频解码：最大支持 8 路 1080P@30 帧同时解码，适配后厨多路 IPC 摄像头接入

接口丰富：网口、RS485，可对接声光报警器、本地显示屏，本地输出告警

本地存储：SSD/eMMC，支持告警截图、短视频本地留存，断网可离线告警

油烟、蒸汽干扰算法优化要点

1. 轻量级实时图像去雾去蒸汽预处理（NPU 加速）

不使用高耗时传统暗通道去雾算法（CPU 跑延迟高，不适合实时流），移植轻量化深度学习去雾网络，算子适配 RK3588 NPU，推理控制在 8‑15ms / 帧。

区分真实油烟蒸汽雾化和普通画面模糊，避免过度增强造成伪影；

抑制蒸汽带来的高光过曝、画面泛白；

保留人脸、人体、厨具关键特征，不能把目标细节平滑抹除。

优化收益：预处理后再送入检测模型，直接降低雾化带来的漏检。

2. 数据集针对性扩充

专门采集后厨真实场景样本：爆炒油烟、蒸锅大量蒸汽、冷热交替起雾、玻璃镜头凝雾，包含：

有蒸汽‑人员戴口罩（正确）

有蒸汽‑人员未戴口罩（告警样本）

油烟遮挡半张脸、帽子被烟雾半遮挡

蒸汽造成虚焦伪目标（用来做负样本，减少误报）

3. 检测模型针对遮挡鲁棒优化

基于 YOLO 系列做 RKNN 量化适配，针对烟雾半遮挡做模型微调：

1. 局部特征优先：弱化全局画面亮度，强化五官、帽子轮廓局部特征；

2. 动态置信度阈值：画面雾化程度高时，自动自适应调整检测置信阈值，不简单一刀切；

3. 时序滤波防抖：单帧被油烟糊住不直接告警，连续多帧判定才输出告警，过滤瞬时油烟爆发的瞬时误报。

4. 多帧时序状态判别（解决瞬时爆炒浓烟误报）

后厨爆炒瞬间会短时完全糊住画面，单帧完全失效。

增加状态机逻辑：短时画面严重雾化，标记 “画面受干扰”，暂不触发违规告警；

烟雾消散恢复清晰画面后，重新复核人员状态；

同时输出设备状态告警：画面受油烟蒸汽干扰，请检查摄像头，通知运维清理镜头。

5. RKNN 部署工程优化

1. 预处理 + 检测模型合并转换 RKNN，减少 CPU‑NPU 数据拷贝开销；

2. 多路流做任务调度，多路摄像头同时运行去雾 + 检测，保障多路实时；

3. 降功耗策略，7×24 小时后厨持续稳定运行，避免高温降频卡顿。

完整业务流程

摄像头视频流 → RK3588 边缘盒子解码 → NPU 轻量去雾 / 去蒸汽预处理 → AI 目标检测（口罩、帽子、明火、老鼠、杂物） → 时序逻辑过滤误报

→ ①本地声光报警；②本地保存告警截图短视频；③网络上传告警事件（仅事件，不上传全量视频，省带宽）

实测效果对比

落地场景与价值

1. 存量明厨亮灶改造：利旧原有监控摄像头，不用更换硬件，直接加装 RK3588 边缘盒子完成算法升级；

2. 学校食堂、餐饮连锁、医院后厨、单位食堂；

3. 解决行业老大难：后厨油烟蒸汽导致 AI 识别 “好看实验室效果，现场没法用” 的痛点；

4. 支持对接监管平台，输出标准告警 JSON，可联动大屏展示。

现存待注意局限

1. 极端浓烟完全遮蔽全部画面时，算法依然无法识别，此时输出画面干扰状态提示；

2. 镜头表面有油污灰尘，属于硬件脏污，算法不能完全替代定期镜头清洁维护。

家具美容培训

家具维修培训