CN104616203A - 一种农产品溯源质量评价方法 - Google Patents
一种农产品溯源质量评价方法 Download PDFInfo
- Publication number
- CN104616203A CN104616203A CN201510038337.6A CN201510038337A CN104616203A CN 104616203 A CN104616203 A CN 104616203A CN 201510038337 A CN201510038337 A CN 201510038337A CN 104616203 A CN104616203 A CN 104616203A
- Authority
- CN
- China
- Prior art keywords
- interval
- quality
- agricultural product
- performance
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000004519 manufacturing process Methods 0.000 claims abstract description 25
- 238000001303 quality assessment method Methods 0.000 claims description 28
- 230000004044 response Effects 0.000 claims description 18
- 238000013210 evaluation model Methods 0.000 claims description 9
- 238000012935 Averaging Methods 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 claims description 3
- 238000011002 quantification Methods 0.000 claims description 3
- 239000000853 adhesive Substances 0.000 claims description 2
- 230000001070 adhesive effect Effects 0.000 claims description 2
- 238000004806 packaging method and process Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 9
- 238000003908 quality control method Methods 0.000 abstract 3
- 239000002131 composite material Substances 0.000 abstract 1
- 238000007726 management method Methods 0.000 description 11
- 240000008067 Cucumis sativus Species 0.000 description 9
- 235000010799 Cucumis sativus var sativus Nutrition 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 6
- 238000013441 quality evaluation Methods 0.000 description 4
- 238000011059 hazard and critical control points analysis Methods 0.000 description 3
- 238000012372 quality testing Methods 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 241000238631 Hexapoda Species 0.000 description 2
- 241000607479 Yersinia pestis Species 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001955 cumulated effect Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Husbandry (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种农产品溯源质量评价方法,该方法依托模糊数学的理论,采用区间数表征事物特征,得到三个量化后的区间值,分别是正常区间、最适区间、实际值,将上述三个区间值导入到复合高斯梯形隶属度模型,得出一个隶属值,该隶属值为质量控制点的质量指数,最后综合整个农产品生产过程中所有质量控制点的质量指数以得出农产品的质量评价模型,本发明专注于批次管理中的质量控制点管理,所有的数据以及数据的人工输入都会备份到数据库内。农产品在流通过程中出现问题时,本发明可以清晰定位到问题出现的生产者,甚至能够定位到生产者内部的责任人,可以有效避免由于资料不全、责任不明原因导致问题解决的困难。
Description
技术领域
本发明涉及农业领域,具体的说是涉及一种农产品溯源质量评价方法。
背景技术
近年来,随着社会经济的飞速发展,人们对优质安全农产品的需求比以往任何都强,而农产品安全问题频发,逐渐成为制约社会发展、影响国计民生的重大问题。农产品种植、生产经历环节多,涉及质量控制点繁多,需要遵循一系列标准进行生产,如ISO9001等常见标准。对于农产品的质量评估而言,通常包含了对农产品物理、生物质量、生产环境、生产过程、营业、卫生以及消费心理等方面的充分评估,属于一个动态发展的概念。而质量评价标准,是对一定范围内的重复性事务和概念所做的统一规定,也是科研、生产、交换以及监督的依据,因而通过一定技术手段确保农产品质量评价标准能够有效落实显得尤为重要。
质量评价之于农产品标准化来看,是指以农业科学成功和生产实践经验为基础,云阳统一、简化、协调、选优的原理,对农业经济活动中的有关方面和有关环节制定标准,实施标准,以及对标准的实施进行有效监督的过程。因而,质量评价过程需要依托有效技术得以充分实现。就目前而言,HACCP作为一个重要标准已成为国内外优质农产品竞相采用的重要标准,而依托此标准研究产生的农产品溯源质量评价技术则更好的解决了普通消费者缺乏专业知识的难题,让消费者直接从农产品对相关标准的响应数据中获知农产品质量的定性评价。
现有技术中的一些溯源技术,都很难规范消费者所追溯的源头信息,其中,农产品的批次信息尤为重要。对于同一家企业而言,每一种农产品的静态信息是完全一样的,消费者更在意的是农产品的批次信息,每一批农产品都应该有其独特的批次信息,比如生产过程中是否出现过虫害、缺肥等现象。另一方面,现在的一些溯源技术仅提供溯源信息的录入以及查询,然而并没有记录问题出现的责任人,也没有一套完善的评价模型可以得出农产品质量的一个评价。
发明内容
针对现有技术中的不足,本发明要解决的技术问题在于提供了一种农产品溯源质量评价方法。
为解决上述技术问题,本发明通过以下方案来实现:一种农产品溯源质量评价方法,该方法依托模糊数学的理论,采用区间数表征事物特征,得到三个量化后的区间值,分别是正常区间、最适区间、实际值,将上述三个区间值导入到复合高斯梯形隶属度模型,得出一个隶属值,该隶属值为质量控制点的质量指数,最后综合整个农产品生产过程中所有质量控制点的质量指数以得出农产品的质量评价模型,所述质量评价模型计算方法如下:
定义1:设[a,a],-∞≤a≤a≤+∞;[b,b],-∞≤b≤b≤+∞为区间数;则它们的加法、乘法运算分别定义如下:
[a,a]+[b,b]=[a+b,a+b]
(1)
μ·[a,a]=[μa,μa]μ为大于零的常数,(2)
[a,a]*[b,b]=[min{ab,ab,ab,ab},max{ab,ab,ab,ab}]
(3)
定义2:设[a,a],-∞≤a≤a≤+∞;[b,b],-∞≤b≤b≤+∞为区间数,称可能度为p([a,a]≤[b,b])=
max{1-max{(a-b)/((a-a)+(b-b)),0},0} (4)
p([a,a]≤[b,b])越大,[b,b]大于[a,a]的可能性越大;当p([a,a]≤[b,b])=1时,[b,b]完全大于[a,a];当p([a,a]≤[b,b])=0,[b,b]完全小于[a,a];
设有A1,A2,...,Am等m个因子,每个因子的值xi(1≤i≤m)都有一个合适[ki-min,ki-max]区间和最适合[ki-best-min,ki-best-max]区间,根据合适区间和最适区间构建复合高斯梯形隶属函数:
根据上述计算方法,每一个质量控制点,都能够依照复合高斯梯形隶属函数形成复合高斯梯度隶属模型以及得出该质量控制点的质量指数,一批产品由于包含若干质量控制点因此就形成了一组复合高斯梯度隶属模型和一组质量指数;当质量控制点所测量的实际值处于最适区间内时,得到的质量指数为1;当测量值处于合适范围外时,得到的质量指数为0;当测量值处于最适左值与合适左值范围之间时,构造一个高斯函数,函数的中心为最适左值,函数的方差为最适左值减去合适左值的差,通过高斯隶属函数算出处于这中间的质量指数;当测量值处于最适右值与合适右值范围之间时,构造一个高斯函数,函数的中心为最适右值,函数的方差为合适右值减去最适右值的差,通过高斯隶属函数算出处于这中间的质量指数;最后把所有复合高斯梯度隶属模型得出的质量指数求平均便可以得出整批农产品的平均质量指数,该指数肯定在区间[0,1]内;由于单个质量控制点出现超标现象即可严重影响农产品的质量,因此在求平均质量指数时,本发明做了一个规定,一旦有一个质量指数为0,平均质量指数的值直接为0;最后本发明定义,平均质量指数在区间[1,1]内时给出的质量评价为优,在区间[0.8,1]内时给出的质量评价为良,在区间[0.5,0.8]内时给出的质量评价为中,在区间[0,0.5]内时给出的质量评价为中下,在区间[0,0]内时给出的质量评价为差。
进一步的,所述方法还包括在农产品包装上粘贴标签,并在标签上打印质量安全追溯条码,消费者通过手机或条码读取器扫描质量安全追溯条码,通过条码链接到农产品溯源质量评价信息平台,通过该平台至少可以查询到该产品的品牌、生产企业、产品产地、产品批次、质量控制点的责任人、产品评价等级信息。
进一步的,所述农产品溯源质量评价信息平台设置有农产品企业加入系统,农产品企业通过在农产品溯源质量评价信息平台申请二维码,农产品企业通过二维码对产品进行管理。
相对于现有技术,本发明的有益效果是:本发明专注于批次管理中的质量控制点管理,针对于每一个农产品,生产者可以灵活定义农产品生产过程中的质量控制点,其中包括质量控制点的类型,质量控制点取值的合适区间以及最适区间,所有的数据以及数据的人工输入都会备份到数据库内。在农产品的生产过程中,生产者需要定时测量农产品质量控制点中的数据并且录入到系统上,最后在农产品出产之后本发明会根据过程中的所有质量控制点的实际测量值、合适区间以及最适区间来计算出农产品质量评分,再给出一个质量等级(优、良、中、中下、差)。农产品在流通过程中出现问题时,本发明可以清晰定位到问题出现的生产者,甚至能够定位到生产者内部的责任人,可以有效避免由于资料不全、责任不明原因导致问题解决的困难。
具体实施方式
本发明专利旨在实现一种面向HACCP控制点的农产品质量评价方法,实现分散在种植、生产、储运、销售多个环节中质量检测数据的综合评价。由于农产品检测数据环节多、各控制点标准不一,既有结构化数据又有非结构化数据,部分环节还存在数据缺失问题,本发明采用改进的复合高斯梯形算法实现了面向HACCP控制点的农产品质量综合评价。
如要实现农产品溯源质量评价,其核心问题就是对各类农业数据的有效管理,即通过技术手段实现农业数据与标准的比对,并易于让大众直观了解。农业方面的结构化数据有地理数据、专题数据、交易数据、农产品动态数据、农产品安全调查数据、统计数据、扫描数据以及元数据。它的存储环境是一个典型的分布式环境,而分布式数据库系统的特点正好符合农业资源数据的特性,主要表现在:农业资源数据分散存储在各自的数据节点上;农业资源数据存储需要逐步扩展处理能力和系统规模。而且,基于关系数据模型的分布式数据库技术已非常成功,如Oracle、MS SQL SERVER、DB2,其分布式处理技术能满足大型数据库管理的需要,并能实现一定的分布式实时分析处理和数据更新,在一定程度上可以满足农业相关人员对不同数据库功能的要求。因此,对于目前的舆情数据而言,结构化数据的存储可以采用物理分散、逻辑集中的方式存储在关系型数据库中。
目前存在的实现方案是基于J2EE的产品质量溯源系统采用轻量级SSH实现的,S即基于MVC模式的Struts框架,第二个S即基于IoC模式的Spring框架以及H:对象/关系映射框架Hibernate。通过这三个著名的框架来实现松耦合的产品质量溯源系统,使得每一层都不需要依赖于另一层的具体实现。在这里,使用Struts2实现表现层,使用Spring实现业务逻辑层,使用Hibernate来实现数据持久层。
本发明的目的就是更好的管理农产品的生产过程,通过定义生产过程中出现的所有节点,称为质量控制点,并且由专人负责质量控制点的数据采集、录入。本发明能够准确记录每一个质量控制点的责任人,当农产品出现质量问题的时候生产者内部能够准确追溯到问题根源以及定位到责任人,另外,对于每一批农产品,本发明会综合本批农产品的所有质量控制点的测量结果,通过算法计算得出一个评分,评分越高,农产品的质量就越优。
本发明目的在于依靠现代数字化信息技术的支撑,实现产品质量源头可追溯,流向可跟踪,信息可存储,产品可召回。该系统能够记录产品的全部生产信息,包括产品前期的养殖到后期的加工处理,最终将信息集成到质量安全追溯条码中,并以标签的形式加贴在产品包装上。消费者可以通过该信息平台,清楚地了解该产品的品牌,生产企业,产品产地信息。加入本发明的农产品质量溯源公共服务平台的企业可以通过平台系统对企业生产的产品进行管理,向平台申请二维码,对二维码进行跟踪,追溯企业产品的走向。对于企业用户和权限管理(用户组管理、组织权限管理、用户管理)、产品管理(产品信息管理、产品批次信息管理、产品批次检验报告管理)、二维码管理(二维码申请、取消二维码申请、查看二维码申请列表、打印二维码、二维码查询)、二维码跟踪管理(批量录入二维码跟踪信息、批次录入二维码跟踪信息、录入二维码跟踪信息、查询二维码跟踪信息)做到实时完全跟踪,根据标准全面落实质量评价。
本发明的一种农产品溯源质量评价方法,该方法依托模糊数学的理论,采用区间数表征事物特征,得到三个量化后的区间值,分别是正常区间、最适区间、实际值,将上述三个区间值导入到复合高斯梯形隶属度模型,得出一个隶属值,该隶属值为质量控制点的质量指数,最后综合整个农产品生产过程中所有质量控制点的质量指数以得出农产品的质量评价模型,由于不同的区间之间存在一个偏移中心和区间之间不是呈现基本的线性关系,所以不能直接使用传统的梯形隶属函数构建评价模型。因此本发明使用复合高斯梯形隶属函数构建质量控制点的质量评价模型,所述质量评价模型计算方法如下:
定义1:设[a,a],-∞≤a≤a≤+∞;[b,b],-∞≤b≤b≤+∞为区间数;则它们的加法、乘法运算分别定义如下:
[a,a]+[b,b]=[a+b,a+b]
(1)
μ·[a,a]=[μa,μa]μ为大于零的常数,
(2)
[a,a]*[b,b]=[min{ab,ab,ab,ab},max{ab,ab,ab,ab}]
(3)
定义2:设[a,a],-∞≤a≤a≤+∞;[b,b],-∞≤b≤b≤+∞为区间数,称可能度为p([a,a]≤[b,b])=
max{1-max{(a-b)/((a-a)+(b-b)),0},0} (4)
p([a,a]≤[b,b])越大,[b,b]大于[a,a]的可能性越大;当p([a,a]≤[b,b])=1时,[b,b]完全大于[a,a];当p([a,a]≤[b,b])=0,[b,b]完全小于[a,a];
设有A1,A2,...,Am等m个因子,每个因子的值xi(1≤i≤m)都
有一个合适[ki-min,ki-max]区间和最适合[ki-best-min,ki-best-max]区间,根据合适区间和最适区间构建复合高斯梯形隶属函数:
根据上述计算方法,每一个质量控制点,都能够依照复合高斯梯形隶属函数形成复合高斯梯度隶属模型以及得出该质量控制点的质量指数,一批产品由于包含若干质量控制点因此就形成了一组复合高斯梯度隶属模型和一组质量指数;当质量控制点所测量的实际值处于最适区间内时,得到的质量指数为1;当测量值处于合适范围外时,得到的质量指数为0;当测量值处于最适左值与合适左值范围之间时,构造一个高斯函数,函数的中心为最适左值,函数的方差为最适左值减去合适左值的差,通过高斯隶属函数算出处于这中间的质量指数;当测量值处于最适右值与合适右值范围之间时,构造一个高斯函数,函数的中心为最适右值,函数的方差为合适右值减去最适右值的差,通过高斯隶属函数算出处于这中间的质量指数;最后把所有复合高斯梯度隶属模型得出的质量指数求平均便可以得出整批农产品的平均质量指数,该指数肯定在区间[0,1]内;由于单个质量控制点出现超标现象即可严重影响农产品的质量,因此在求平均质量指数时,本发明做了一个规定,一旦有一个质量指数为0,平均质量指数的值直接为0;最后本发明定义,平均质量指数在区间[1,1]内时给出的质量评价为优,在区间[0.8,1]内时给出的质量评价为良,在区间[0.5,0.8]内时给出的质量评价为中,在区间[0,0.5]内时给出的质量评价为中下,在区间[0,0]内时给出的质量评价为差。
实施例:以广东某公司生产的小青瓜为例,生产过程需要经历若干个质量控制点,如水量检测,土壤酸碱度检测,土壤肥度检测,虫害检测,化学农药检测。每一道工序都有一个标准的合适数值区间,以及最适数值区间,最后通过输入在检测中得到的真实值,本发明可以计算得出每一批小青瓜在每一个控制点的质量检测指数,该指数的取值区间为[0,1]。在单批小青瓜出产后,本发明会将所有的质量检测指数求取平均值,总结出一个最后评价等级(优、良、中、中下、差),该评价等级仅能说明当前批次的小青瓜质量状况,并不影响其他批次的小青瓜的评价,案例计算如下表1所示。
表1:样本计算
三个质量指数求平均后,得到平均质量指数:0.86,因此给出的质量评价等级为良。出产的小青瓜都能够贴上本发明的二维码标签,在市场上流通时,消费者可以通过扫描二维码标签,不仅能够查询到小青瓜的产地,企业,以及农产品的相关信息,更重要的还能查询到该批小青瓜在生产过程中所经历的所有质量控制点及其质量指数,最后能够看到由本发明给出的质量评价等级,如果遇到不合格农产品可以立即向有关部门反映。
监管人员可以直接追溯到有问题的小青瓜所属的企业,在企业内部,也能够准确定位到问题出自哪一个质量控制点,并且能够查到该质量控制点的责任人。
以上所述仅为本发明的优选实施方式,并非因此限制本发明的专利范围,凡是利用本发明说明书内容所作的等效流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (3)
1.一种农产品溯源质量评价方法,其特征在于:该方法依托模糊数学的理论,采用区间数表征事物特征,得到三个量化后的区间值,分别是正常区间、最适区间、实际值,将上述三个区间值导入到复合高斯梯形隶属度模型,得出一个隶属值,该隶属值为质量控制点的质量指数,最后综合整个农产品生产过程中所有质量控制点的质量指数以得出农产品的质量评价模型,所述质量评价模型计算方法如下:
定义1:设[a,a],-∞≤a≤a≤+∞;[b,b],-∞≤b≤b≤+∞为区间数;则它们的加法、乘法运算分别定义如下:
[a,a]+[b,b]=[a+b,a+b]
(1)
μ·[a,a]=[μa,μa]μ为大于零的常数,
(2)
[a,a]*[b,b]=[min{ab,ab,ab,ab},max{ab,ab,ab,ab}]
(3)
定义2:设[a,a],-∞≤a≤a≤+∞;[b,b],-∞≤b≤b≤+∞为区间数,称可能度为p([a,a]≤[b,b])=max{1-max{(a-b)/((a-a)+(b-b)),0},0} (4)
p([a,a]≤[b,b])越大,[b,b]大于[a,a]的可能性越大;当p([a,a]≤[b,b])=1时,[b,b]完全大于[a,a];当p([a,a]≤[b,b])=0,[b,b]完全小于[a,a];
设有A1,A2,...,Am等m个因子,每个因子的值xi(1≤i≤m)都有一个合适[ki-min,ki-max]区间和最适合[ki-best-min,ki-best-max]区间,根据合适区间和最适区间构建复合高斯梯形隶属函数:
根据上述计算方法,每一个质量控制点,都能够依照复合高斯梯形隶属函数形成复合高斯梯度隶属模型以及得出该质量控制点的质量指数,一批产品由于包含若干质量控制点因此就形成了一组复合高斯梯度隶属模型和一组质量指数;当质量控制点所测量的实际值处于最适区间内时,得到的质量指数为1;当测量值处于合适范围外时,得到的质量指数为0;当测量值处于最适左值与合适左值范围之间时,构造一个高斯函数,函数的中心为最适左值,函数的方差为最适左值减去合适左值的差,通过高斯隶属函数算出处于这中间的质量指数;当测量值处于最适右值与合适右值范围之间时,构造一个高斯函数,函数的中心为最适右值,函数的方差为合适右值减去最适右值的差,通过高斯隶属函数算出处于这中间的质量指数;最后把所有复合高斯梯度隶属模型得出的质量指数求平均便可以得出整批农产品的平均质量指数,该指数肯定在区间[0,1]内;由于单个质量控制点出现超标现象即可严重影响农产品的质量,因此在求平均质量指数时,本发明做了一个规定,一旦有一个质量指数为0,平均质量指数的值直接为0;最后本发明定义,平均质量指数在区间[1,1]内时给出的质量评价为优,在区间[0.8,1]内时给出的质量评价为良,在区间[0.5,0.8]内时给出的质量评价为中,在区间[0,0.5]内时给出的质量评价为中下,在区间[0,0]内时给出的质量评价为差。
2.根据权利要求1所述的一种农产品溯源质量评价方法,其特征在于:所述方法还包括在农产品包装上粘贴标签,并在标签上打印质量安全追溯条码,消费者通过手机或条码读取器扫描质量安全追溯条码,通过条码链接到农产品溯源质量评价信息平台,通过该平台至少可以查询到该产品的品牌、生产企业、产品产地、产品批次、质量控制点的责任人、产品评价等级信息。
3.根据权利要求2所述的一种农产品溯源质量评价方法,其特征在于:所述农产品溯源质量评价信息平台设置有农产品企业加入系统,农产品企业通过在农产品溯源质量评价信息平台申请二维码,农产品企业通过二维码对产品进行管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510038337.6A CN104616203A (zh) | 2015-01-26 | 2015-01-26 | 一种农产品溯源质量评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510038337.6A CN104616203A (zh) | 2015-01-26 | 2015-01-26 | 一种农产品溯源质量评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104616203A true CN104616203A (zh) | 2015-05-13 |
Family
ID=53150636
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510038337.6A Pending CN104616203A (zh) | 2015-01-26 | 2015-01-26 | 一种农产品溯源质量评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104616203A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105231334A (zh) * | 2015-08-27 | 2016-01-13 | 北京农业信息技术研究中心 | 鱼子酱加工过程的质量控制方法 |
CN108230178A (zh) * | 2018-01-03 | 2018-06-29 | 广东工业大学 | 一种农产品质量安全追溯方法、装置、设备和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003005277A1 (en) * | 2001-07-06 | 2003-01-16 | Peter Lennox Dorrington | Tracking systems |
CN101645081A (zh) * | 2009-08-19 | 2010-02-10 | 上海孙桥现代农业联合发展有限公司 | 一种通过二维码追溯农产品信息的方法和系统 |
CN101930567A (zh) * | 2010-08-18 | 2010-12-29 | 北京农业信息技术研究中心 | 水产品质量监控方法及系统 |
CN103217508A (zh) * | 2013-03-19 | 2013-07-24 | 中山大学 | 一种活鱼养殖水质等级的评价方法 |
-
2015
- 2015-01-26 CN CN201510038337.6A patent/CN104616203A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003005277A1 (en) * | 2001-07-06 | 2003-01-16 | Peter Lennox Dorrington | Tracking systems |
CN101645081A (zh) * | 2009-08-19 | 2010-02-10 | 上海孙桥现代农业联合发展有限公司 | 一种通过二维码追溯农产品信息的方法和系统 |
CN101930567A (zh) * | 2010-08-18 | 2010-12-29 | 北京农业信息技术研究中心 | 水产品质量监控方法及系统 |
CN103217508A (zh) * | 2013-03-19 | 2013-07-24 | 中山大学 | 一种活鱼养殖水质等级的评价方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105231334A (zh) * | 2015-08-27 | 2016-01-13 | 北京农业信息技术研究中心 | 鱼子酱加工过程的质量控制方法 |
CN105231334B (zh) * | 2015-08-27 | 2019-03-08 | 北京农业信息技术研究中心 | 鱼子酱加工过程的质量控制方法 |
CN108230178A (zh) * | 2018-01-03 | 2018-06-29 | 广东工业大学 | 一种农产品质量安全追溯方法、装置、设备和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Heery et al. | New Actors in Industrial Relations. | |
Sharma et al. | Data mining techniques: A tool for knowledge management system in agriculture | |
CN103514259A (zh) | 一种基于数值关联性模型的异常数据探测及修正方法 | |
Hira et al. | Data analysis using multidimensional modeling, statistical analysis and data mining on agriculture parameters | |
Yeruva | Monitoring Data Center Site Infrastructure Using AIOPS Architecture.(p. 265). | |
Chen et al. | Development and application of big data platform for garlic industry chain | |
Huang et al. | Research on image quality in decision management system and information system framework | |
CN104616203A (zh) | 一种农产品溯源质量评价方法 | |
Ge et al. | Data and information quality assessment in information manufacturing systems | |
Ashtarian Esfahani et al. | Monitoring indicators of research data using I-MR control charts | |
Ferreira et al. | Platform of the brazilian csos: open government data and crowdsourcing for the promotion of citizenship | |
Zhao et al. | Wilson's theory of local political culture revisited in today's police organizations: Findings from longitudinal panel study | |
CN106021624A (zh) | 一种etl模型生成方法及装置 | |
CN116777379B (zh) | 一种基于动态数据的智能化运营管理平台 | |
Alviana et al. | Design and analysis on data warehouse of personnel administration system using time series algorithm | |
Chen et al. | An effective human resource management mode via Analytic Hierarchy Process | |
Cunbin et al. | Research on risk element transmission of enterprise project evaluation chain based on trapezoidal fuzzy number FAHP | |
Luo et al. | Two-stage grey cloud clustering model under the panel data and its application | |
Vostrovský et al. | Knowledge support of information and communication technology in agricultural enterprises in the Czech Republic | |
Munawar et al. | Developing Business Intelligence Model in Creative Craft Industry To Support Acceleration of the Craft Exporter Industry In West Java | |
Luo et al. | Comprehensive Evaluation of Logistics Performance for Agricultural Products Distribution Center | |
Zhang et al. | Optimal analysis of human resources allocation in colleges and universities based on internet of things technology | |
Alwashahi | Business Intelligence Framework in Higher Education Admission Center (HEAC) | |
Sharma et al. | Utilizing materialized views to formulate business intelligence | |
DivyaYadav | Business Intelligence For Local Mining Company Acknowledgement Reporting System |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150513 |
|
RJ01 | Rejection of invention patent application after publication |