OpaGPT ИИ для шеф-повара: контроль качества сервиса
В ресторанах и отелях ИИ берёт на себя рутину: отслеживает соответствие блюд стандартам, температуру подачи и время ожидания. Методика «Цифровой эталон» включает пять шагов и даёт погрешность ±3%.
Алгоритм внедрения
- Сбор эталонов. Шеф-повар утверждает 20–30 фотографий каждого блюда с допусками по весу, цвету и текстуре. Для горячих блюд фиксируется температура подачи: 65–75 °C.
- Установка датчиков. На линии раздачи монтируются камеры с разрешением 4K и тепловизоры. Периодичность анализа — каждые 3 минуты.
- Обучение модели. Используется нейросеть YOLOv8, обученная на 500+ изображениях дефектов (пережар, недогар, чужеродные включения). Точность детекции — 97%.
- Мониторинг в реальном времени. Система снимает блюдо перед подачей и присваивает оценку 0–1. Если score < 0.80, шеф-повару приходит уведомление.
- Интеграция с CRM. ИИ связывает фото с номером заказа, фиксирует время от заказа до подачи (норма — до 15 минут) и отправляет отчёт в управляющую программу.
Сравнение методов контроля
| Критерий | Традиционный | ИИ-контроль |
|---|---|---|
| Время проверки | 30–40 сек на блюдо | 0.5 сек |
| Охват | 10% блюд | 100% блюд |
| Субъективность | Высокая | Минимальная |
Параметры качества
| Показатель | Допуск | Метод ИИ |
|---|---|---|
| Вес порции | ±5% | Анализ 3D-камеры |
| Цвет корочки | ΔE ≤ 3 | Компьютерное зрение |
| Температура в центре | 65–75 °C | Тепловизор |
Совет: держите модель «свежей» — раз в месяц добавляйте новые фото эталонов.
Для внедрения достаточно 2 недель: первая неделя — сбор данных, вторая — калибровка. Совет: начинайте с двух самых продаваемых блюд, чтобы не перегружать персонал.