餐饮巡检视觉图像数据集(清洁 × 着装 × 安全 × 补货状态)

5万张餐饮场景高清图像,涵盖自助餐厅、后厨、摊贩区等多种环境,用于判断清洁状态、员工着装规范、补货状态及安全风险的多模态识别任务。

5.0万 条数据更新时间 2026-05-11

数据集简介

本数据集服务于视觉-语言大模型(VLM)在餐饮场景下的智能巡检任务,包含5万张高清图像,覆盖自助餐厅、餐厅后厨、摊贩区及食堂等多种餐饮环境类型。图像内容支持判断餐厅清洁状态(地面、桌面、餐具清洗区卫生状况)、垃圾堆放情况、员工着装与行为规范(是否佩戴口罩、厨师帽、手套等)、货品缺满状态与陈列规范,以及明火隐患、灭火器配置等安全风险要素识别。每张图像附带精细化的场景标签与风险类型标注。适用于餐饮场所多模态智能巡检系统开发、清洁与安全自动化识别模型训练、餐饮自助区货品状态识别与缺货预警系统,以及面向食品服务业的人工智能视觉问答系统(VQA)落地应用。

数据质量

记录完整性
99.55%
记录时效性
按需更新
记录结构化
NDJSON、JSON、CSV、XLSX、Parquet,支持定制化
记录云交付
Amazon S3、Snowflake、Alibaba Cloud OSS、Google Cloud Storage、Google Drive
记录标准化
为保证数据的一致性与可用性,数据集在构建过程中对原始记录进行了标准化处理,包括:(1)单位标准化:统一价格、重量、尺寸等字段的计量单位;(2)格式标准化:统一日期、时间、数值字段的表示格式;(3)文本清洗:去除 HTML 标签、多余空格及异常字符;(4)字段规范化:统一字段命名、数据类型与缺失值表示方式。该过程确保数据在不同来源和不同采集批次之间保持结构一致性,便于后续分析与建模。
记录代表性
数据覆盖全量业务场景,样本均衡,具备行业代表性

需要定制更适合业务场景的数据集?

我们支持公开数据浏览、关键词筛选与企业级定制交付,帮助你更快完成模型训练与数据分析落地。