随着人们食品安全意识的不断提高,食品安全受到了越来越多人的关注。伴随着时代发展,食品生产企业在数量与规模上有了非常大的变化,这给传统监管方式带来了前所未有的挑战,食品安全的日常监管依靠传统工作方式和IT架构已不能保证监测工作的及时性、敏锐性和全面性。针对上述食品监管过程中出现的应用需求,本文设计实现食品加工生产过程中异常行为检测系统,主要实现内容如下:1.实现食安监平台下对生产区域合规情况与异常行为检测模块,实现在食品加工过程中对工作人员的合规情况与违规行为进行实时检测。检测子系统使用基于深度学习的目标检测算法实现多项异常行为检测,针对实际检测需求,对算法进行改进优化,通过运动检测降低无检测任务时的系统开销,并实现异常事件的过滤与上报功能。2.实现视频检测处理多路输入输出模块,满足多路视频实时检测的需要,通过实现多路视频输入缓存队列与多路视频输出处理机制,提高检测系统运行的稳定性与持久性。3.针对本论文工作环境下的陌生人识别特点,通过对人脸识别监控摄像头的安装方式的改进和识别算法模型的优化提高了检测效果,并提出了基于MQTT协议的人脸识别设备通信方法,实现了多设备人脸信息库共享功能。4.实现检测系统辅助管理平台,提高系统工作效率与使用体验。通过了解不同用户的使用诉求,设计实现企业人脸信息库管理工具与检测系统辅助管理平台,为用户提供违规信息查询与反馈、人脸信息库管理等辅助功能,有效提升了企业对员工人脸信息库、对人脸识别门禁设备的管理水平和用户使用体验。5.最后,本论文进行了系统性测试,验证系统各项功能的实现效果,并对系统进行性能与负载测试,将检测系统改进的算法与原始算法在实际生产环境中对目标检测与人脸识别两方面的召回率与准确率上进行分析和对比,论证了系统检测能力的有效性与性能的可靠性。