1.一种基于人工智能的预制菜生产监控方法，其特征在于，应用于预制菜生产监控云平台，所述方法包括：

获取由设置于自动化厨房的摄像头采集并发送的目标预制菜的生产监控图像；

利用完成调试的图像处理网络，对所述生产监控图像进行产线环节的质量分析，得到质量监督分析结果；

依据所述质量监督分析结果，对所述自动化厨房的生产线进行改进处理；

所述图像处理网络的调试方法包括：调用图像处理网络，对生产监控图像示例和所述生产监控图像示例的噪声监控图像示例进行图像描述挖掘，通过挖掘出的生产监控图像描述子进行菜品质量监督决策，生成所述生产监控图像示例和所述噪声监控图像示例的菜品质量监督估测结果，所述生产监控图像示例和对应的噪声监控图像示例皆包含了相同的目标菜品质量监督决策结果；获取第一菜品质量监督决策偏移和第二菜品质量监督决策偏移，所述第一菜品质量监督决策偏移为所述生产监控图像示例的菜品质量监督估测结果以及目标菜品质量监督决策结果之间的偏移，所述第二菜品质量监督决策偏移为所述噪声监控图像示例的菜品质量监督估测结果以及目标菜品质量监督决策结果之间的偏移；调用所述图像处理网络，对所述噪声监控图像示例的生产监控图像描述子进行解析，生成所述生产监控图像描述子对应的生产监控图像解析结果；结合所述生产监控图像解析结果与所述生产监控图像示例，获取解析偏移；结合所述第一菜品质量监督决策偏移、所述第二菜品质量监督决策偏移和所述解析偏移，对所述图像处理网络的网络变量进行优化；

所述调用所述图像处理网络，对所述噪声监控图像示例的生产监控图像描述子进行解析，生成所述生产监控图像描述子对应的生产监控图像解析结果，包括：调用所述图像处理网络，将所述噪声监控图像示例的生产监控图像描述子投影至预设特征空间，得到所述生产监控图像描述子对应的线性特征数组；将所述线性特征数组与菜品质量特征集进行配对，生成配对的至少一个菜品质量特征，将所述至少一个菜品质量特征作为所述生产监控图像描述子对应的生产监控图像解析结果；其中，所述图像处理网络包括两级AI子模型，第一级AI子模型用于将所述噪声监控图像示例的生产监控图像描述子投影至预设特征空间，第二级AI子模型用于将所述线性特征数组与菜品质量特征集进行配对；其中，所述调用所述图像处理网络，对所述噪声监控图像示例的生产监控图像描述子进行解析，生成所述生产监控图像描述子对应的生产监控图像解析结果，包括：调用所述图像处理网络对所述噪声监控图像示例的生产监控图像描述子进行标准化处理，基于标准化处理后的生产监控图像描述子，实施所述投影至预设特征空间和与菜品质量特征集进行配对的步骤。

2.根据权利要求1所述的方法，其特征在于，所述依据所述质量监督分析结果，对所述自动化厨房的生产线进行改进处理，包括：

倘若所述质量监督分析结果表征目标预制菜的质量标签为异常标签，获取所述自动化厨房中至少一个烹饪设备的当前烹饪参数；其中，所述当前烹饪参数包括食材定量参数、食材分切参数、混合搅拌参数以及腌制温湿度参数；

对所述当前烹饪参数进行改进处理。

3.根据权利要求1所述的方法，其特征在于，所述结合所述第一菜品质量监督决策偏移、所述第二菜品质量监督决策偏移和所述解析偏移，对所述图像处理网络的网络变量进行优化，包括如下其中一项：获取所述解析偏移和所述解析偏移的置信系数的设定运算结果，获取所述设定运算结果与所述第一菜品质量监督决策偏移以及所述第二菜品质量监督决策偏移之和作为全局偏移，结合所述全局偏移，对所述图像处理网络的网络变量进行优化；

结合所述第一菜品质量监督决策偏移、所述第二菜品质量监督决策偏移和所述解析偏移各自的置信系数，对所述第一菜品质量监督决策偏移、所述第二菜品质量监督决策偏移和所述解析偏移进行求和，得到全局偏移，结合所述全局偏移，对所述图像处理网络的网络变量进行优化。

4.根据权利要求1所述的方法，其特征在于，所述调用图像处理网络，对生产监控图像示例和所述生产监控图像示例的噪声监控图像示例进行图像描述挖掘，通过挖掘出的生产监控图像描述子进行菜品质量监督决策，生成所述生产监控图像示例和所述噪声监控图像示例的菜品质量监督估测结果，包括：将生产监控图像示例加载到图像处理网络中，由所述图像处理网络对生产监控图像示例进行图像描述挖掘，通过挖掘出的生产监控图像描述子进行菜品质量监督决策，生成所述生产监控图像示例的菜品质量监督估测结果；

结合所述生产监控图像示例、所述生产监控图像示例的所述菜品质量监督估测结果和目标菜品质量监督决策结果，生成对应的噪声监控图像示例；

对所述噪声监控图像示例进行图像描述挖掘，通过挖掘出的生产监控图像描述子进行菜品质量监督决策，生成所述噪声监控图像示例的菜品质量监督估测结果；

其中，所述由所述图像处理网络对生产监控图像示例进行图像描述挖掘，包括：由所述图像处理网络将所述生产监控图像示例的生产监控图像内容中涵盖的图像分块投影至预设特征空间，得到所述生产监控图像示例的线性特征数组；对所述生产监控图像示例的线性特征数组进行图像描述挖掘，得到所述生产监控图像示例的生产监控图像描述子；

其中，所述结合所述生产监控图像示例、所述生产监控图像示例的所述菜品质量监督估测结果和目标菜品质量监督决策结果，生成对应的噪声监控图像示例，包括：结合所述生产监控图像示例的菜品质量监督估测结果和目标菜品质量监督决策结果，确定所述生产监控图像示例的决策噪声因素；在所述生产监控图像示例中添加所述决策噪声因素，得到所述生产监控图像示例对应的噪声监控图像示例；

其中，所述结合所述生产监控图像示例的菜品质量监督估测结果和目标菜品质量监督决策结果，确定所述生产监控图像示例的决策噪声因素，包括：利用所述生产监控图像示例的菜品质量监督估测结果和目标菜品质量监督决策结果，获取所述生产监控图像示例的第一菜品质量监督决策偏移；

结合所述第一菜品质量监督决策偏移的变化矢量，获取所述生产监控图像示例的备选决策噪声因素；

在所述生产监控图像示例中添加所述备选决策噪声因素，得到所述生产监控图像示例对应的备选噪声监控图像示例；

再次结合所述备选噪声监控图像示例进行菜品质量监督决策得到的菜品质量监督估测结果和目标菜品质量监督决策结果，获取所述备选噪声监控图像示例的菜品质量监督决策偏移；

结合所述备选噪声监控图像示例的菜品质量监督决策偏移的变化矢量，优化所述生产监控图像示例的备选决策噪声因素，直到满足预设要求时终止，得到所述生产监控图像示例的决策噪声因素。

5.根据权利要求4所述的方法，其特征在于，所述在所述生产监控图像示例中添加所述决策噪声因素，得到所述生产监控图像示例对应的噪声监控图像示例，包括：在所述生产监控图像示例的生产监控图像内容中添加所述决策噪声因素，得到所述生产监控图像示例对应的噪声监控图像示例的生产监控图像内容；所述噪声监控图像示例的图像描述挖掘过程包括：将所述噪声监控图像示例的生产监控图像内容中涵盖的图像分块投影至预设特征空间，得到所述噪声监控图像示例的线性特征数组；对所述噪声监控图像示例的线性特征数组进行图像描述挖掘，得到所述噪声监控图像示例的生产监控图像描述子；

或者，所述在所述生产监控图像示例中添加所述决策噪声因素，得到所述生产监控图像示例对应的噪声监控图像示例，包括：在所述生产监控图像示例的线性特征数组中添加所述决策噪声因素，得到所述生产监控图像示例对应的噪声监控图像示例的线性特征数组；所述噪声监控图像示例的图像描述挖掘过程包括：对所述噪声监控图像示例的线性特征数组进行图像描述挖掘，得到所述噪声监控图像示例的生产监控图像描述子。

6.根据权利要求1所述的方法，其特征在于，所述图像处理网络包括描述特征挖掘单元、质量监督决策单元和监控图像解析单元；其中，所述描述特征挖掘单元用于图像描述挖掘；所述质量监督决策单元用于实施通过挖掘出的生产监控图像描述子进行菜品质量监督决策；所述监控图像解析单元用于实施对所述噪声监控图像示例的生产监控图像描述子进行解析，生成所述生产监控图像描述子对应的生产监控图像解析结果。

7.一种基于人工智能的预制菜生产监控系统，其特征在于，包括互相通信的预制菜生产监控云平台和设置于自动化厨房的摄像头；

所述摄像头用于：

采集目标预制菜的生产监控图像并将所述生产监控图像发送给所述预制菜生产监控云平台；

所述预制菜生产监控云平台用于：

利用完成调试的图像处理网络，对所述生产监控图像进行产线环节的质量分析，得到质量监督分析结果；

依据所述质量监督分析结果，对所述自动化厨房的生产线进行改进处理；

所述图像处理网络的调试方法包括：调用图像处理网络，对生产监控图像示例和所述生产监控图像示例的噪声监控图像示例进行图像描述挖掘，通过挖掘出的生产监控图像描述子进行菜品质量监督决策，生成所述生产监控图像示例和所述噪声监控图像示例的菜品质量监督估测结果，所述生产监控图像示例和对应的噪声监控图像示例皆包含了相同的目标菜品质量监督决策结果；获取第一菜品质量监督决策偏移和第二菜品质量监督决策偏移，所述第一菜品质量监督决策偏移为所述生产监控图像示例的菜品质量监督估测结果以及目标菜品质量监督决策结果之间的偏移，所述第二菜品质量监督决策偏移为所述噪声监控图像示例的菜品质量监督估测结果以及目标菜品质量监督决策结果之间的偏移；调用所述图像处理网络，对所述噪声监控图像示例的生产监控图像描述子进行解析，生成所述生产监控图像描述子对应的生产监控图像解析结果；结合所述生产监控图像解析结果与所述生产监控图像示例，获取解析偏移；结合所述第一菜品质量监督决策偏移、所述第二菜品质量监督决策偏移和所述解析偏移，对所述图像处理网络的网络变量进行优化；

所述调用所述图像处理网络，对所述噪声监控图像示例的生产监控图像描述子进行解析，生成所述生产监控图像描述子对应的生产监控图像解析结果，包括：调用所述图像处理网络，将所述噪声监控图像示例的生产监控图像描述子投影至预设特征空间，得到所述生产监控图像描述子对应的线性特征数组；将所述线性特征数组与菜品质量特征集进行配对，生成配对的至少一个菜品质量特征，将所述至少一个菜品质量特征作为所述生产监控图像描述子对应的生产监控图像解析结果；其中，所述图像处理网络包括两级AI子模型，第一级AI子模型用于将所述噪声监控图像示例的生产监控图像描述子投影至预设特征空间，第二级AI子模型用于将所述线性特征数组与菜品质量特征集进行配对；其中，所述调用所述图像处理网络，对所述噪声监控图像示例的生产监控图像描述子进行解析，生成所述生产监控图像描述子对应的生产监控图像解析结果，包括：调用所述图像处理网络对所述噪声监控图像示例的生产监控图像描述子进行标准化处理，基于标准化处理后的生产监控图像描述子，实施所述投影至预设特征空间和与菜品质量特征集进行配对的步骤。

8.一种预制菜生产监控云平台，其特征在于，包括处理器和存储器；所述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现权利要求1‑6任一项所述的方法。