企业官网建设流程全解析

医院食堂档口从"按份卖、人工计价"升级为"按克卖、AI识别自动计价、多支付融合",本质上是把前端硬件、后端视觉推理、收银支付与数据中台打通的一条端到端链路。本文从技术视角,拆解自选称重智慧餐线的整体架构、关键模块与典型实现。

一、整体架构

自选称重智慧餐线在系统层面通常划分为四层:硬件接入层、视觉推理层、计价结算层、数据中台层。硬件接入层负责电子秤、AI摄像头、结算屏、刷卡/扫码设备的协议对接;视觉推理层负责菜品识别与重量读取;计价结算层负责按克累加、调取单价、调用支付通道;数据中台层负责订单沉淀、客流统计、营收分析与上游业务系统对接。

从部署形态看,常见的方案有边缘部署与云端推理两种。边缘部署将识别模型放在档口的边缘网关,延迟低、不依赖公网;云端推理把识别请求发回中心机房,模型统一管理、迭代灵活。医院场景对稳定性要求高,主流方案倾向"边缘为主、云端为辅"的混合部署。

二、电子秤接入

电子秤是自选称重餐线的"计量源"。医院场景对精度的要求通常到克级,主流厂商选择串口或蓝牙协议对接,数据上传频率一般在10Hz以上,以保证托盘放下瞬间能稳定读取。常见的数据格式包括"重量+单位+校验位",网关侧做协议解析、去抖、单位归一化后,推送给计价服务。

下面是一段典型的电子秤接入代码(Python伪代码,展示协议解析与重量归一化流程):

# -*- coding: utf-8 -*- """电子秤接入:串口读取 + 协议解析 + 重量归一化""" import serial import threading import time class WeighingScale: """简易电子秤接入,假设协议: STX + 重量(5位)+单位(2位)+ETX""" STX = b'\x02' ETX = b'\x03' def __init__(self, port='COM5', baud=9600, callback=None): self.ser = serial.Serial(port, baud, timeout=1) self.callback = callback self._stop = False def start(self): t = threading.Thread(target=self._loop, daemon=True) t.start() def _loop(self): buf = b'' while not self._stop: chunk = self.ser.read(1) if not chunk: continue if chunk == self.STX: buf = b'' continue if chunk == self.ETX: self._parse(buf) buf = b'' continue buf += chunk def _parse(self, payload: bytes): try: text = payload.decode('ascii', errors='ignore') weight = int(text[:5]) / 1000.0 # 单位:g -> kg unit = text[5:7] if unit.strip().lower() != 'kg': return if self.callback: self.callback(round(weight, 3)) except Exception as e: print(f'[scale] parse error: {e}') def stop(self): self._stop = True self.ser.close() if __name__ == '__main__': def on_weight(w): print(f'[scale] weight = {w} kg') scale = WeighingScale(port='COM5', baud=9600, callback=on_weight) scale.start() try: while True: time.sleep(1) except KeyboardInterrupt: scale.stop()

三、AI识别与计价

AI摄像头负责在托盘放下的瞬间识别菜品种类。模型通常基于YOLO/CNN等检测网络,在边缘GPU或NPU上完成推理。识别结果与电子秤读数一起送入计价服务,服务按"菜名→单价→重量→总价"的链路完成累加,并在结算屏上渲染。整个识别+计价+渲染的端到端延迟通常控制在2秒以内。

计价服务的核心是一个简单的累加逻辑,但要兼顾"识别有错时的手动纠正":阿姨在结算屏上点击修正,系统把纠正后的菜名重新调单价并重算。这一步看似简单,实则是落地医院最看重的功能之一,直接决定了阿姨愿不愿意用、AI识别的"小错"会不会演变成"大问题"。

四、多支付融合:刷脸/刷卡/扫码

结算环节需要对接餐补钱包、实体卡、微信/支付宝/银联等多个支付通道。在医院场景,刷脸扣餐补是最高频的链路——人脸识别通过后,系统从该职工的餐补账户扣款;扣款成功则推送结算完成,扣款失败则回退到刷卡或扫码通道。

下面是刷脸扣餐补的伪代码流程,展示了多支付通道的协同逻辑:

# -*- coding: utf-8 -*- """刷脸扣餐补 + 多支付通道协同""" import time from typing import Optional class PaymentResult: def __init__(self, ok: bool, channel: str, amount: float, msg: str = ''): self.ok = ok self.channel = channel self.amount = amount self.msg = msg def pay_by_face(user_id: str, amount: float, subsidy_balance: float) -> PaymentResult: """刷脸扣餐补优先,余额不足则返回失败让上层走其他通道""" if amount <= 0: return PaymentResult(False, 'face', amount, '金额异常') if subsidy_balance < amount: return PaymentResult(False, 'face', amount, '餐补余额不足') # 真实场景这里调人脸识别SDK + 餐补钱包扣款RPC time.sleep(0.3) # 模拟扣款耗时 return PaymentResult(True, 'face', amount, '扣款成功') def pay_by_card(user_id: str, amount: float) -> PaymentResult: """实体卡支付""" time.sleep(0.5) return PaymentResult(True, 'card', amount, '刷卡成功') def pay_by_qr(amount: float) -> PaymentResult: """扫码支付(微信/支付宝/银联)""" time.sleep(0.6) return PaymentResult(True, 'qr', amount, '扫码成功') def settle(user_id: str, amount: float, subsidy_balance: float) -> PaymentResult: """结算主流程:按优先级尝试各通道""" channels = [ ('face', lambda: pay_by_face(user_id, amount, subsidy_balance)), ('card', lambda: pay_by_card(user_id, amount)), ('qr', lambda: pay_by_qr(amount)), ] for name, fn in channels: result = fn() if result.ok: return result print(f'[settle] {name} failed: {result.msg}, try next') return PaymentResult(False, '', 0, '所有支付通道均失败') if __name__ == '__main__': res = settle('user_1001', 18.5, subsidy_balance=120.0) print(f'channel={res.channel}, ok={res.ok}, msg={res.msg}')

五、数据中台与上游对接

每一笔结算都会沉淀到数据中台,形成订单流水、客流统计、菜品销量等多维数据。这些数据向上游的HIS、HRP、财务系统开放接口,同时为食堂的经营驾驶舱提供实时看板。中台的稳定性和开放性,直接决定了自选称重餐线能不能从"单点改造"升级为"全场景闭环"的一部分。

六、踩坑与展望

实际落地中常见的几个坑:一是电子秤与AI摄像头的时钟同步,识别与称重的时序错位会导致菜品重量对不上;二是刷脸通道在网络抖动时容易卡顿,需要做好本地兜底;三是后台数据模型要预留"识别纠正"字段,否则阿姨手动改的菜永远不入库,数据会越积越脏。

展望未来,自选称重餐线会进一步与营养膳食模块打通——按克吃饭的每一餐自动累加营养素摄入,为患者陪护、慢病管理人群提供"按需配餐"的数字处方。届时,医院食堂就不只是"吃饭的地方",而是后勤数字化、临床营养、食安监管共同交织的关键节点。

好伙狮数字食堂基于上述架构,在多家三甲医院落地了自选称重智慧餐线方案,把电子秤接入、AI识别、刷脸支付、营收分析整合进统一平台,与病房订餐、营养膳食、进销存、智慧食安等模块形成全场景闭环,帮助医院在档口环节率先完成数字化升级。