CN105231334B - 鱼子酱加工过程的质量控制方法 - Google Patents
鱼子酱加工过程的质量控制方法 Download PDFInfo
- Publication number
- CN105231334B CN105231334B CN201510536437.1A CN201510536437A CN105231334B CN 105231334 B CN105231334 B CN 105231334B CN 201510536437 A CN201510536437 A CN 201510536437A CN 105231334 B CN105231334 B CN 105231334B
- Authority
- CN
- China
- Prior art keywords
- sturgeon
- identification information
- raw material
- caviar
- processed
- 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.)
- Active
Links
Landscapes
- General Factory Administration (AREA)
- Farming Of Fish And Shellfish (AREA)
Abstract
本发明提供一种鱼子酱加工过程的质量控制方法。本发明包括:获取待加工的鱼子酱的标准属性参数,所述标准属性参数包括所述鱼子酱的品种和等级;在原料鲟鱼属性数据库中,根据所述标准属性参数,获得待加工鲟鱼的标识信息,所述原料鲟鱼属性数据库包括原料鲟鱼的标识信息和所述标准属性参数的对应关系,所述标识信息用于反映所述原料鲟鱼的属性;根据所述待加工鲟鱼的标识信息,获得鲟鱼卵;应用模糊专家系统,确定所述鲟鱼卵的腌制时间;采用所述腌制时间,对清洗后的鲟鱼卵进行腌制,得到所述鱼子酱。本发明可保证鱼子酱的质量和品质。
Description
技术领域
本发明涉及食品加工技术,尤其涉及一种鱼子酱加工过程的质量控制方法。
背景技术
严格意义上,只有鲟鱼卵经过轻微盐渍之后,才能称为鱼子酱。鲟鱼子酱富含蛋白质、多种维生素及微量元素,所含必需氨基酸的比例接近人体氨基酸组成,营养价值较高。鲟鱼子酱作为名贵食品,素有“黑色黄金”美誉,位居世界三大珍味之首。
鲟鱼子酱的主要生产原料为野生鲟鱼和人工养殖鲟鱼。随着野生鲟鱼资源的日益减少及相关制品的贸易限制,人工养殖鲟鱼呈现稳定增长趋势,人工养殖鱼子酱近年来逐渐取代野生鱼子酱,成为鱼子酱市场供应的主要产品。然而,由于鲟鱼本身对环境的挑剔,以及鲟鱼生物学特点的影响,例如用于生产鲟鱼子酱的鲟鱼养殖周期为7~15年,人工养殖鱼子酱的产量无法在短期内迅速扩大。
由于鲟鱼子酱的稀有且高价值,对于鲟鱼子酱的加工过程中的质量控制显得尤为重要。但在现有的鲟鱼子酱加工过程中,主要是通过控制加工环境的温度和卫生来控制鲟鱼子酱的质量,但是,采用这种控制手段使得鲟鱼子酱的质量和品质依然得不到保证。
发明内容
本发明提供一种鱼子酱加工过程的质量控制方法,以保证鱼子酱的质量和品质。
第一方面,本发明提供一种鱼子酱的质量控制方法,包括:
获取待加工的鱼子酱的标准属性参数,所述标准属性参数包括所述鱼子酱的品种和等级;
在原料鲟鱼属性数据库中,根据所述标准属性参数,获得待加工鲟鱼的标识信息,所述原料鲟鱼属性数据库包括原料鲟鱼的标识信息和所述标准属性参数的对应关系,所述标识信息用于反映所述原料鲟鱼的属性;
根据所述待加工鲟鱼的标识信息,获得鲟鱼卵;
应用模糊专家系统,确定所述鲟鱼卵的腌制时间;
采用所述腌制时间,对清洗后的鲟鱼卵进行腌制,得到所述鱼子酱。
根据第一方面,在第一方面的第一种可能的实现方式中,所述应用模糊专家系统,确定所述鲟鱼卵的腌制时间,包括:
确定影响所述腌制时间的特征参数,并对所述特征参数进行模糊化处理,映射到模糊集合论域;
根据所述腌制时间的控制算法,确定所述腌制时间为:t=(X1i×X2j×X3k×…×XNh)TοR;
其中,所述腌制时间的控制算法为:
R=X1i×X2j×X3k×…×XNh×t为模糊规则和决策算法;上标T表示转置运算符号;t表示所述腌制时间;X1、X2、X3、…、XN分别表示所述特征参数对应的模糊集合论域;X1i、X2j、X3k、…、XNh分别表示所述特征参数映射到模糊集合论域的结果,i=1,2,…,I,j=1,2,…,J,k=1,2,…,K,h=1,2,…,H,I、J、K和H分别表示X1、X2、X3和XN中元素个数;o为二项积符号,表示模糊关系的合成;×表示取模糊集合的交集;N表示所述特征参数的个数。
根据第一方面,在第一方面的第二种可能的实现方式中,所述根据所述待加工鲟鱼的标识信息,获得鲟鱼卵,包括:在整个加工环节,根据所述待加工鲟鱼的标识信息,实时监控、存储所述待加工鲟鱼的加工数据;将所述加工数据与预设数据进行比对,当所述加工数据大于所述预设数据时,发出警报并根据所述加工数据纠正当前加工工序采用的控制措施,获得鲟鱼卵,所述加工数据用于表征各加工工序中加工所述待加工鲟鱼过程中的数据。
根据第一方面的第二种可能的实现方式,在第一方面的第三种可能的实现方式中,所述加工数据至少包括:环境温度和环境湿度,还可以包括以下任意一个或其任意组合:
加工开始时间、加工批次、所述待加工鲟鱼的鱼体重量、鱼卵重量。
根据第一方面、第一方面的第一种至第三种可能的实现方式中的任意一种,在第一方面的第四种可能的实现方式中,所述在原料鲟鱼属性数据库中,根据所述标准属性参数,获得待加工鲟鱼的标识信息之前,所述方法还包括:
以鲟鱼个体为单位,建立与所述鲟鱼个体对应的所述标识信息,所述标识信息包括鲟鱼品种、养殖基地、入厂日期、入厂批次及批次流水号;
将所述标识信息与对鲟鱼进行标记的被动雷达整合标签PIT编码建立对应关系;
存储所述对应关系,得到所述原料鲟鱼属性数据库。
根据第一方面、第一方面的第一种至第三种可能的实现方式中的任意一种,在第一方面的第五种可能的实现方式中,所述在原料鲟鱼属性数据库中,根据所述标准属性参数,获得待加工鲟鱼的标识信息之前,所述方法还包括:
选取M个评价指标,为所述M个评价指标设定初始权重值,所述M为预设的正整数;
根据所述M个评价指标设定初始权重值,利用层次分析法,确定所述M个评价指标的权重系数;
根据原料鲟鱼的所述M个评价指标及所述权重系数,确定原料鲟鱼的品质数据,将所述原料鲟鱼的品质数据存储至所述原料鲟鱼属性数据库。
根据第一方面的第五种可能的实现方式,在第一方面的第六种可能的实现方式中,所述根据所述标准属性参数,获得待加工鲟鱼的标识信息,包括:
根据所述标准属性参数,确定所述原料鲟鱼的品质数据;
根据所述原料鲟鱼的品质数据,获得待加工鲟鱼的标识信息。
根据第一方面、第一方面的第一种至第三种可能的实现方式中的任意一种,在第一方面的第七种可能的实现方式中,所述得到鱼子酱之后,所述方法还包括:
生成所述鱼子酱的追溯码,所述追溯码包括原料鲟鱼标识信息、装封时间、批次号和流水号;
输出所述追溯码至标签,将所述标签附着在装有所述鱼子酱的容器外。
根据第一方面的第七种可能的实现方式,在第一方面的第八种可能的实现方式中,当所述容器中鱼子酱来源于一条待加工鲟鱼时,所述原料鲟鱼标识信息为所述一条待加工鲟鱼的标识信息;
当所述容器中鱼子酱来源于至少两条待加工鲟鱼时,所述原料鲟鱼标识信息由所述至少两条待加工鲟鱼的标识信息异或生成。
根据第一方面的第七种可能的实现方式,在第一方面的第九种可能的实现方式中,所述得到所述鱼子酱之后,所述方法还包括:
生成所述鱼子酱的图像,并采用所述原料鲟鱼标识信息命名所述图像,存储所述图像。
本发明鱼子酱加工过程的质量控制方法,通过预先创建的原料鲟鱼属性数据库,根据鱼子酱的标准属性参数获得待加工鲟鱼的标识信息,以区分各待加工鲟鱼;根据待加工鲟鱼的标识信息,获得鲟鱼卵,进而区分该鲟鱼卵的原料鲟鱼;采用应用模糊专家系统确定加工过程中鲟鱼卵的腌制时间,对该腌制时间进行优化控制,从而避免因腌制时间过短或过长导致的鱼子酱质量和品质较差的问题,为操作人员提供技术支持,减少或杜绝人为失误,从而保证鱼子酱的质量和品质。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明鱼子酱加工过程的质量控制方法实施例一的流程图;
图2为本发明鱼子酱加工过程的质量控制方法实施例二的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是建立一种鱼子酱加工过程的质量控制方法,借助测控技术和物联网技术,采用信息化的方法,在不影响鱼子酱加工速度的情况下,使鱼子酱在加工过程中处于受控状态,对关键加工步骤实施优化控制,为操作人员提供技术支持,减少或杜绝人为失误,保证鱼子酱质量。
图1为本发明鱼子酱加工过程的质量控制方法实施例一的流程图。如图1所示,该方法包括:
S101、获取待加工的鱼子酱的标准属性参数,该标准属性参数包括鱼子酱的品种和等级。
具体地,鱼子酱订单上写明待加工的鱼子酱的标准属性参数,其中,标准属性参数可以包括鱼子酱的品种和等级等相关参数。这里所说的标准属性参数是指待加工的鱼子酱要满足的要求,并非指所有的鱼子酱都要满足。或者,待加工的鱼子酱的标准属性参数也可以口头获得,本发明不予限制。
可选地,可以将上述标准属性参数输入计算机保存。
S102、在原料鲟鱼属性数据库中,根据上述标准属性参数,获得待加工鲟鱼的标识信息。
其中,原料鲟鱼属性数据库可以包括原料鲟鱼的标识信息和标准属性参数的对应关系,该标识信息用于反映原料鲟鱼的属性。属性例如为鲟鱼品种、养殖基地、入厂日期、入厂批次及批次流水号等。
在鲟鱼入厂时,由技术人员对鲟鱼进行审核。在审核时,技术人员通过被动雷达整合标记(Passive radar Integration Tag,简称:PIT)技术,为每条入厂的鲟鱼分配唯一编码。技术人员还记录鲟鱼的属性信息,并根据属性信息为每条鲟鱼建立标识信息,将标识信息与PIT编码一一对应。
也就是说,在鲟鱼入厂时,技术人员就以鲟鱼个体为单位,建立了原料鲟鱼属性数据库。具体地,在原料鲟鱼属性数据库中,根据标准属性参数,获得待加工鲟鱼的标识信息之前,可以根据如下步骤建立原料鲟鱼属性数据库:以鲟鱼个体为单位,建立与鲟鱼个体对应的标识信息,该标识信息可以包括鲟鱼品种、养殖基地、入厂日期、入厂批次及批次流水号,等;将该标识信息与对鲟鱼进行标记的PIT编码建立对应关系;存储该对应关系,得到原料鲟鱼属性数据库。
可选地,将鲟鱼的属性信息存入计算机,以单条鲟鱼的标识信息为索引,对原料鲟鱼属性数据库中的数据进行分类管理和分析,实现对鲟鱼实行数字化的属性管理。上述标识信息还可以包括养殖年龄等。
在实际应用中,可以采用16进制字符表示上述标识信息。
其中,1位16进制字符表示鲟鱼品种,例如如表1所示;1位16进制字符表示养殖基地,例如如表2所示;6位16进制字符表示入厂日期;2位16进制字符表示入厂批次,00-FF代表批次0~256;2位16进制字符表示批次流水号,00-FF代表批次流水号0~256。
表1
鲟鱼品种 | 达氏鲟 | 欧洲鲟 | 俄罗斯鲟 | 杂交鲟 | 史氏鲟 | 西伯利亚鲟 |
编码 | 0 | 1 | 2 | 3 | 4 | 5 |
表2
养殖基地 | 杭州千岛湖养殖基地 | 衢州养殖基地 |
编码 | 0 | 1 |
以2014年8月20日入厂,来源于杭州千岛湖养殖基地的一条达氏鲟为例具体说明标识信息的组成:
鲟鱼品种:达氏鲟—0
养殖基地:杭州千岛湖养殖基地—0
入厂时间:2014/8/20—140820
入厂批次:7—07
批次流水号:29—1D
获得鲟鱼的标识信息为00140820071D。
在上述已建立原料鲟鱼属性数据库的基础上,根据鱼子酱的上述标准属性参数,确定待加工鲟鱼的标识信息,即要加工获得的鱼子酱的原料鲟鱼的标识信息。
S103、根据待加工鲟鱼的标识信息,获得鲟鱼卵。
具体地,在加工开始环节,可以将待加工鲟鱼的标识信息通过打印装置以二维码的方式输出至标签,将标签附着在盛放该待加工鲟鱼得到的鲟鱼卵的容器上,伴随整个加工过程。另外,还采集并存储环境温度、环境湿度、加工开始时间、加工批次、待加工鲟鱼的鱼体重量、鱼卵重量等加工数据,例如,将这些加工数据传输给计算机保存。
S104、应用模糊专家系统,确定鲟鱼卵的腌制时间。
具体地,腌制时间影响鱼子酱的质量和品质,因此,以腌制时间为控制目标,应用模糊专家系统,自适应调节鲟鱼卵的腌制时间,以进一步保证鱼子酱的质量。
S105、采用上述腌制时间,对清洗后的鲟鱼卵进行腌制,得到鱼子酱。
该实施例通过预先创建的原料鲟鱼属性数据库,根据鱼子酱的标准属性参数获得待加工鲟鱼的标识信息,以区分各待加工鲟鱼;根据待加工鲟鱼的标识信息,获得鲟鱼卵,进而区分该鲟鱼卵的原料鲟鱼;采用应用模糊专家系统确定加工过程中鲟鱼卵的腌制时间,对该腌制时间进行优化控制,从而避免因腌制时间过短或过长导致的鱼子酱质量和品质较差的问题,为操作人员提供技术支持,减少或杜绝认为失误,从而保证鱼子酱的质量和品质。
在上述实施例中,S104可以包括:确定影响腌制时间的特征参数,并对特征参数进行模糊化处理,映射到模糊集合论域;根据腌制时间的控制算法,确定腌制时间为:t=(X1i×X2j×X3k×…×XNh)TοR。
其中,腌制时间的控制算法可以为:
R=X1i×X2j×X3k×…×XNh×t为模糊规则和决策算法;上标T表示转置运算符号;t表示腌制时间;X1、X2、X3、…、XN分别表示特征参数对应的模糊集合论域;X1i、X2j、X3k、…、XNh分别表示特征参数映射到模糊集合论域的结果,i=1,2,…,I,j=1,2,…,J,k=1,2,…,K,h=1,2,…,H,I、J、K和H分别表示X1、X2、X3和XN中元素个数;o为二项积符号,表示模糊关系的合成;×表示取模糊集合的交集;N表示特征参数的个数。
需说明的是,二项积符号“o”的含义可以表示取该符号前后两项的数学乘积,或,取该符号前后两项并集中的较小值,等等。
以下举例说明如何获取腌制时间。
一、确定影响腌制时间的特征参数,并对这些特征参数进行模糊化处理,映射到模糊集合论域。
本实施例中选择原料鲟鱼的品质数据、鱼子酱的直径、鱼子酱的颜色、腌制浓度为特征参数(N=4)进行模糊化处理,映射到模糊集合论域:
(1)原料鲟鱼的品质数据
语言描述:(好,较好,一般,较差)
论域:X1=(X11,X12X13,X14,),其中,i=1,2,3,4。
(2)鱼子酱的直径
语言描述:(非常大,大,一般大小,较小)
论域:X2=(X21,X22,X23,X24,),其中,j=1,2,3,4。
(3)鱼子酱的颜色
语言描述:(金黄色,金棕色,棕色,灰色,灰黑色,黑色)
论域:X3=(X31,X32,X33,X34,X35,X36),其中,k=1,2,3,4,5,6。
(4)腌制浓度
语言描述:(较高浓度,一般浓度,较低浓度,低浓度)
论域:X4=(X41,X42,X43,X44),其中,h=1,2,3,4。
二、输出控制量为腌制时间,用t表示,其隶属函数为:
其中,t的初始控制量设置为t0,Tmin表示腌制时间的下限,Tmax表示腌制时间的上限。
综上所述,腌制时间的确定,其推理规则可以表示为以下条件语句:
if X1 and X2B and X3 and X4 then t
腌制时间的控制算法为:
模糊规则和决策算法可以为:
R=X1i×X2j×X3k×X4h×t
其隶属度函数表示为:
如果某鱼子酱的原料鲟鱼的品质数据较好(X12),鱼子酱的直径一般大小(X23),鱼子酱的颜色为金棕色(X32),标准腌制浓度为一般浓度(X42),则该鱼子酱所需要的腌制时间为:t=(X12×X23×X32×X42)TοR。
在上述实施例中,S103可以包括:在整个加工环节,根据待加工鲟鱼的标识信息,实时监控、存储待加工鲟鱼的加工数据;将加工数据与预设数据进行比对,当加工数据大于预设数据时,发出警报并根据加工数据纠正当前加工工序采用的控制措施,获得鲟鱼卵。其中,加工数据用于表征各加工工序中加工待加工鲟鱼过程中的数据。加工数据至少包括:环境温度和环境湿度,还可以包括以下任意一个或其任意组合:加工开始时间、加工批次、所述待加工鲟鱼的鱼体重量、鱼卵重量,等等。
例如,在清洗腌制环节,还可以采用条码扫描设备,读取盛放鲟鱼卵的容器上的标签,获得当前待加工鲟鱼的标识信息;根据当前待加工鲟鱼的标识信息,获得该标识信息在之前加工环节(例如取卵环节)对应的信息,并提供人机交互界面给操作人员,计算机通过控制系统,实现鱼子酱腌制配方的自动选择、加盐量与腌制时间的计算,并存储上述信息、当前待加工鲟鱼的标识信息以及环境温度、湿度数据,例如将这些信息、当前待加工鲟鱼的标识信息以及环境温度、湿度数据同步至云服务器等。
上述实施例提到原料鲟鱼属性数据库中存储有鲟鱼的标识信息与对鲟鱼进行标记的PIT编码的对应关系,此外,原料鲟鱼属性数据库还可以存储有鲟鱼的品质数据。应用多指标评估方法,确定原料鲟鱼质量评价指标及其权重,根据评价结果确定原料鲟鱼的质量状况,即品质数据,并以此指导鱼子酱生产。
因此,在原料鲟鱼属性数据库中,根据标准属性参数,获得待加工鲟鱼的标识信息之前,鱼子酱的质量控制方法还可以包括:选取M个评价指标,为该M个评价指标设定初始权重值,M为预设的正整数;根据M个评价指标设定初始权重值,利用层次分析法,确定该M个评价指标的权重系数;根据原料鲟鱼的该M个评价指标及权重系数,确定原料鲟鱼的品质数据,将原料鲟鱼的品质数据存储至原料鲟鱼属性数据库。
具体地,选取能够对鲟鱼品质进行客观描述的评价因子,选取的原则可以包括:1、选取影响鲟鱼生长发育的主要限制因素;2、选取稳定性高、差异大、相关性小、可度量的指标。
举例说明,综合文献以及专家意见,例如可以选取鲟鱼品种,养殖年龄,鱼体重量,养殖水质,体内抗生素水平,健康(染病)作为评价指标,共计6个评价指标,利用层次分析法,确定该些评价指标的权重系数。
首先,建立层次结构模型:
然后,本领域技术人员根据评价指标体系、评价指标重要性量化标准(1分-不重要,2分-不太重要,3分-一般重要,4分-比较重要,5分-非常重要),独立地对各个评价指标给出相应的初始权重值,例如如表3所示。
表3
参考表4,利用1~9标度法,对同一层次上的因素进行成对比较,获得判断矩阵A。
表4
标度a<sub>ij</sub> | 定义 |
1 | i因素与j因素相同重要 |
3 | i因素比j因素略重要 |
5 | i因素比j因素较重要 |
7 | i因素比j因素非常重要 |
9 | i因素比j绝对重要 |
2,4,6,8 | 为以上两判断之间的中间状态对应的标准值 |
倒数 | 若i因素与j因素比较,得到的判断值为a<sub>ji</sub>=1/a<sub>ij</sub> |
用aij表示指标ai与aj比较后所得的标度系数,得到判断矩阵A:
对判断矩阵A进行归一化处理,依据计算结果确定各个评价指标的权重系数:
上式中,Wi表示判断矩阵A中的每一行各标度数据的几何平均数。
其中,鲟鱼品种,养殖年龄,鱼体重量,养殖水质,体内抗生素水平,染病的权重系数依次分别为
W′1=0.30 W′2=0.11 W′3=0.02 W′4=0.08 W′5=0.05 W′6=0.41
在原料鲟鱼入厂时,供应商需提供第三方养殖水质报告、抗生素检测报告,由经验丰富的养殖技术人员记录原料鲟鱼的属性信息,并对评价指标进行评分。由计算机计算出原料鲟鱼的品质数据,作为原料鲟鱼管理加工的参考数据。
例如,如表5所示的原料鲟鱼,其品质数据为:
5×0.30+4×0.11+3×0.02+4×0.08+3×0.05+4×0.41=4.11
表5
因此,根据标准属性参数,获得待加工鲟鱼的标识信息,可以包括:根据标准属性参数,确定原料鲟鱼的品质数据;根据原料鲟鱼的品质数据,获得待加工鲟鱼的标识信息。当有加工订单时,在计算机输入鱼子酱订单要求的品种和等级等相关参数后,计算机搜索原料鲟鱼属性数据库,根据鲟鱼属性(包括品质数据),生成待加工鲟鱼的标识信息的列表。
随着信息技术的高速发展和物联网技术的日趋成熟,消费者在获取最终产品的同时,也期望生产者提供与产品对等的加工信息、品质信息和安全信息,等等。因此,类似鲟鱼子酱的高价值食品越来越多的以可追溯性作为品质保证。
但现阶段对于鱼子酱来源的鉴定,多采用分子学方法。这种方法能够精确的判断生产鱼子酱的鲟鱼种类,但比较复杂,不适用于一般消费者,并且这种方式只能追溯到鲟鱼品种,追溯到的信息比较单一,不能提供给消费者所关心的品质信息、加工信息、安全信息等,具有一定的局限性。另外,当前所采用的标签对于鱼子酱的品质没有很明显的标识能力,且标记方式采用编码的方式,消费者识读不具有直观性。如果鱼子酱的生产者如果能够主动提供包含整套生产流程的追溯信息,执行食品追溯,将会极大地提高其市场竞争力。
因此,本发明还提供一种鱼子酱的质量控制方法,实现以鲟鱼个体为单位的产品追踪,确保获得完整的鱼子酱加工阶段的追溯信息,建立鱼子酱加工过程的可追溯系统。
图2为本发明鱼子酱的质量控制方法实施例二的流程图。如图2所示,在图1所示实施例的基础上,S105之后,鱼子酱的质量控制方法还可以包括:
S201、生成鱼子酱的追溯码,该追溯码可以包括原料鲟鱼标识信息、装封时间、批次号和流水号等。
S202、输出追溯码至标签,将该标签附着在装有上述鱼子酱的容器外。
该实施例用于建立完整的鱼子酱追溯体系。以鱼子酱从原料鲟鱼到成品的加工过程为追溯对象,以鲟鱼个体为回溯终点,建立最终产品追溯码编码方案。最终产品上的追溯码可以包括原料鲟鱼标识信息、装封时间、批次号和流水号等。
当容器中鱼子酱来源于一条待加工鲟鱼时,原料鲟鱼标识信息为该一条待加工鲟鱼的标识信息;当容器中鱼子酱来源于至少两条待加工鲟鱼时,原料鲟鱼标识信息由至少两条待加工鲟鱼的标识信息异或生成,具体可参考表6。
表6
进一步地,得到鱼子酱之后,鱼子酱的质量控制方法还可以包括:生成鱼子酱的图像,并采用原料鲟鱼标识信息命名该图像;存储该图像。具体地,采用条码扫描设备,读取盛放鲟鱼卵的容器上的标签上的待加工鲟鱼的标识信息,封装之前由程控摄像头自动拍摄成品图像,将图像命名当前读取的待加工鲟鱼的标识信息,并存入计算机。
该实施例中,鱼子酱加工阶段所采集到的原料鲟鱼的鱼体信息、鱼卵信息、环境信息、腌制配方信息、图片信息、追溯码都以待加工鲟鱼的标识信息为索引存储,同时准确记录鲟鱼鱼子酱的加工信息,实现以鲟鱼个体为单位的产品追踪,确保获得完整的鱼子酱加工阶段的追溯信息,建立鱼子酱加工过程的可追溯系统,以供对鱼子酱的追溯查询,克服现阶段追溯信息单一的局限性,且追溯精度提高到原料鲟鱼个体。另外,本发明采用的追溯码对于鱼子酱的品质具有明显的标识能力,且标记方式具有直观性,方便消费者理解。
本发明将所有数据存入数据库,实现对原料鲟鱼的数字化管理。总结上述实施例得到如下结论:
加工过程优化控制:鱼子酱生产过程实时监控,建立鱼子酱加工过程工序数据库和加工信息数据库;对清洗腌制环节实施基于模糊专家系统的优化控制。
过程工序数据库:根据鱼子酱加工流程,建立过程工序数据库。参考企业生产细则,数据库包括鱼子酱安全生产流程,每个过程工序所需的控制措施、关键限值、加工关键点所需的特殊控制措施、可能存在的操作失误以及对应的纠正措施。该数据库中每个加工工序都对应加工信息数据库。
加工信息数据库:用于存储每个加工工序中自动采集的加工信息,包括待加工鲟鱼的标识信息、操作人员、鱼体重量信息、腌制配料信息、环境参数(温度、湿度)、图像信息和时间信息等。
生产过程实时监控:对鱼子酱加工过程的数据进行实时监控,对每个加工工序的关键参数进行实时监控,通过温度传感器、湿度传感器、压力传感器、计时装置、程控摄像头等设备,实时反映当前加工数据,并把数据反馈给计算机,存储在加工信息数据库。通过与之前过程工序数据库中建立的安全流程和控制措施进行对比,提示当前工序下的关键控制措施;判断当前参数是否符合要求,对不符合要求的情况发出警报并进行纠错处理。
清洗腌制环节优化控制:应用模糊专家系统,为鱼子酱清洗腌制环节中腌制时间的自适应调节,提供科学的、系统的技术支持方案。根据专家经验和测试实验建立模糊知识库,包括特征参数数据库和规则库。特征参数数据库提供处理影响腌制时间的特征参数的相关模糊定义,规则库由语言控制规则描述控制目标和策略。
对每个加工环节的关键参数进行监控,利用温度传感器、湿度传感器,计时器、称重传感器反映整个生产线的实时状态,并与工序数据库中的预置数据进行比对,当超过最高限值时,发出预警信号。
本发明克服现有技术的不足,提供了一种鱼子酱的质量控制方法。基于多元评价指标分析,建立客观的原料鲟鱼质量评价系统,实现对原料鲟鱼的数字化管理;用信息化方法,设置加工过程防差错质量控制关键点,以鲟鱼的整个加工过程为信息采集对象,准确追踪,完整记录,建立完整的加工工序数据库和加工信息数据库,保证加工过程中鱼子酱的质量,并实现将客观、准确、详细、高精度的鱼子酱品质信息提供给最终消费者,充分满足消费者对于食品安全和品质的要求。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (9)
1.一种鱼子酱的质量控制方法,其特征在于,包括:
获取待加工的鱼子酱的标准属性参数,所述标准属性参数包括所述鱼子酱的品种和等级;
在原料鲟鱼属性数据库中,根据所述标准属性参数,获得待加工鲟鱼的标识信息,所述原料鲟鱼属性数据库包括原料鲟鱼的标识信息和所述标准属性参数的对应关系,所述标识信息用于反映所述原料鲟鱼的属性;
根据所述待加工鲟鱼的标识信息,获得鲟鱼卵;
应用模糊专家系统,确定所述鲟鱼卵的腌制时间;
采用所述腌制时间,对清洗后的鲟鱼卵进行腌制,得到所述鱼子酱;
所述应用模糊专家系统,确定所述鲟鱼卵的腌制时间,包括:
确定影响所述腌制时间的特征参数,并对所述特征参数进行模糊化处理,映射到模糊集合论域;
根据所述腌制时间的控制算法,确定所述腌制时间为:
其中,所述腌制时间的控制算法为:
R=X1i×X2j×X3k×…×XNh×t为模糊规则和决策算法;上标T表示转置运算符号;t表示所述腌制时间;X1、X2、X3、…、XN分别表示所述特征参数对应的模糊集合论域;X1i、X2j、X3k、…、XNh分别表示所述特征参数映射到模糊集合论域的结果,i=1,2,…,I,j=1,2,…,J,k=1,2,…,K,h=1,2,…,H,I、J、K和H分别表示X1、X2、X3和XN中元素个数;为二项积符号,表示模糊关系的合成;×表示取模糊集合的交集;所述N表示所述特征参数的个数。
2.根据权利要求1所述的方法,其特征在于,所述根据所述待加工鲟鱼的标识信息,获得鲟鱼卵,包括:
在整个加工环节,根据所述待加工鲟鱼的标识信息,实时监控、存储所述待加工鲟鱼的加工数据;
将所述加工数据与预设数据进行比对,当所述加工数据大于所述预设数据时,发出警报并根据所述加工数据纠正当前加工工序采用的控制措施,获得鲟鱼卵,所述加工数据用于表征各加工工序中加工所述待加工鲟鱼过程中的数据。
3.根据权利要求2所述的方法,其特征在于,所述加工数据至少包括:环境温度和环境湿度,还包括以下任意一个或其任意组合:
加工开始时间、加工批次、所述待加工鲟鱼的鱼体重量、鱼卵重量。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述在原料鲟鱼属性数据库中,根据所述标准属性参数,获得待加工鲟鱼的标识信息之前,所述方法还包括:
以鲟鱼个体为单位,建立与所述鲟鱼个体对应的所述标识信息,所述标识信息包括鲟鱼品种、养殖基地、入厂日期、入厂批次及批次流水号;
将所述标识信息与对鲟鱼进行标记的被动雷达整合标签PIT编码建立对应关系;
存储所述对应关系,得到所述原料鲟鱼属性数据库。
5.根据权利要求1-3任一项所述的方法,其特征在于,所述在原料鲟鱼属性数据库中,根据所述标准属性参数,获得待加工鲟鱼的标识信息之前,所述方法还包括:
选取M个评价指标,为所述M个评价指标设定初始权重值,所述M为预设的正整数;
根据所述M个评价指标设定初始权重值,利用层次分析法,确定所述M个评价指标的权重系数;
根据原料鲟鱼的所述M个评价指标及所述权重系数,确定原料鲟鱼的品质数据,将所述原料鲟鱼的品质数据存储至所述原料鲟鱼属性数据库。
6.根据权利要求5所述的方法,其特征在于,所述根据所述标准属性参数,获得待加工鲟鱼的标识信息,包括:
根据所述标准属性参数,确定所述原料鲟鱼的品质数据;
根据所述原料鲟鱼的品质数据,获得待加工鲟鱼的标识信息。
7.根据权利要求1-3任一项所述的方法,其特征在于,所述得到鱼子酱之后,所述方法还包括:
生成所述鱼子酱的追溯码,所述追溯码包括原料鲟鱼标识信息、装封时间、批次号和流水号;
输出所述追溯码至标签,将所述标签附着在装有所述鱼子酱的容器外。
8.根据权利要求7所述的方法,其特征在于,
当所述容器中鱼子酱来源于一条待加工鲟鱼时,所述原料鲟鱼标识信息为所述一条待加工鲟鱼的标识信息;
当所述容器中鱼子酱来源于至少两条待加工鲟鱼时,所述原料鲟鱼标识信息由所述至少两条待加工鲟鱼的标识信息异或生成。
9.根据权利要求7所述的方法,其特征在于,所述得到所述鱼子酱之后,所述方法还包括:
生成所述鱼子酱的图像,并采用所述原料鲟鱼标识信息命名所述图像;
存储所述图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510536437.1A CN105231334B (zh) | 2015-08-27 | 2015-08-27 | 鱼子酱加工过程的质量控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510536437.1A CN105231334B (zh) | 2015-08-27 | 2015-08-27 | 鱼子酱加工过程的质量控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105231334A CN105231334A (zh) | 2016-01-13 |
CN105231334B true CN105231334B (zh) | 2019-03-08 |
Family
ID=55029397
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510536437.1A Active CN105231334B (zh) | 2015-08-27 | 2015-08-27 | 鱼子酱加工过程的质量控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105231334B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106503749B (zh) * | 2016-11-04 | 2019-06-14 | 北京农业信息技术研究中心 | 一种鱼子酱的自动分级方法及其系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101540012A (zh) * | 2008-03-17 | 2009-09-23 | 亿维讯软件(北京)有限公司 | 一种产品研发质量控制系统及方法 |
CN101647582A (zh) * | 2008-08-13 | 2010-02-17 | 杭州千岛湖鲟龙科技开发有限公司 | 一种鱼籽酱加工工艺 |
CN104509889A (zh) * | 2014-12-12 | 2015-04-15 | 青岛无为保温材料有限公司 | 一种鳕鱼鱼子酱的加工方法 |
CN104616203A (zh) * | 2015-01-26 | 2015-05-13 | 北京蓝实通数码科技有限公司 | 一种农产品溯源质量评价方法 |
CN104616204A (zh) * | 2015-01-30 | 2015-05-13 | 南京航空航天大学 | 一种自动生猪屠宰线上的多元、精细、智能化胴体肉品分级方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10878324B2 (en) * | 2012-07-20 | 2020-12-29 | Ent. Services Development Corporation Lp | Problem analysis and priority determination based on fuzzy expert systems |
-
2015
- 2015-08-27 CN CN201510536437.1A patent/CN105231334B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101540012A (zh) * | 2008-03-17 | 2009-09-23 | 亿维讯软件(北京)有限公司 | 一种产品研发质量控制系统及方法 |
CN101647582A (zh) * | 2008-08-13 | 2010-02-17 | 杭州千岛湖鲟龙科技开发有限公司 | 一种鱼籽酱加工工艺 |
CN104509889A (zh) * | 2014-12-12 | 2015-04-15 | 青岛无为保温材料有限公司 | 一种鳕鱼鱼子酱的加工方法 |
CN104616203A (zh) * | 2015-01-26 | 2015-05-13 | 北京蓝实通数码科技有限公司 | 一种农产品溯源质量评价方法 |
CN104616204A (zh) * | 2015-01-30 | 2015-05-13 | 南京航空航天大学 | 一种自动生猪屠宰线上的多元、精细、智能化胴体肉品分级方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105231334A (zh) | 2016-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gao et al. | An intelligent IoT-based control and traceability system to forecast and maintain water quality in freshwater fish farms | |
Perryman et al. | A review of applications evaluating fisheries management scenarios through marine ecosystem models | |
Honey et al. | From rags to fishes: data-poor methods for fishery managers | |
Hidasi‐Neto et al. | Global and local evolutionary and ecological distinctiveness of terrestrial mammals: identifying priorities across scales | |
CN110909125B (zh) | 推文级社会媒体谣言检测方法 | |
Miao et al. | Automation of leaf counting in maize and sorghum using deep learning | |
Holden et al. | Human judgment vs. quantitative models for the management of ecological resources | |
CN111339285B (zh) | 基于bp神经网络的企业简历筛选方法和系统 | |
CN109325888A (zh) | 一种基于人工神经网络的学生行为预测方法 | |
CN105231334B (zh) | 鱼子酱加工过程的质量控制方法 | |
Wei et al. | Automated water quality monitoring and regression-based forecasting system for aquaculture | |
CN112860973A (zh) | 基于社交网络分析的组织健康评估方法 | |
Guo et al. | Study on the Identification of Mildew Disease of Cuttings at the Base of Mulberry Cuttings by Aeroponics Rapid Propagation Based on a BP Neural Network | |
Luquin-Covarrubias et al. | The last geoduck: The experience of geoduck clam fishery management in the Mexican Pacific Ocean | |
Tissot et al. | Modeling oyster farming activities in coastal areas: a generic framework and preliminary application to a case study | |
Schuch et al. | Tracing intuitive judgement of experts in fish stock assessment data | |
Gawade et al. | AGROFERDURE: Intelligent Crop Recommendation System For Agriculture Crop Productivity Using Machine Learning Algorithm | |
Tobing et al. | Design of decision support system with C4. 5 algorithm methods in determining results vaname shrimp cultivation | |
E-Fatima et al. | The Adoption of Robotic Process Automation Considering Financial Aspects in Beef Supply Chains: An Approach towards Sustainability | |
Ardianto | Development of conceptual model integrated estimation system for fish growth and feed requirement in aquaculture supply chain management | |
Paulet et al. | Deep Learning for Automatic Detection and Facial Recognition in Japanese Macaques: Illuminating Social Networks | |
Bataduwaarachchi et al. | Towards autonomous cross-pollination: Portable multi-classification system for in situ growth monitoring of tomato flowers | |
Hasan et al. | A Systematic Literature Review (SLR) on Agri-Food Supply Chain Transparency | |
Stojanovic et al. | Real-Time Water Quality Monitoring in Aquaculture using IoT Sensors and Cloud-Based Analytics | |
CN116579508B (zh) | 一种鱼类预测方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: 100097 318b, block a, agricultural science building, 11 Shuguang Huayuan Middle Road, Haidian District, Beijing Patentee after: Information technology research center of Beijing Academy of agricultural and Forestry Sciences Address before: 100097 318b, block a, agricultural science building, 11 Shuguang Huayuan Middle Road, Haidian District, Beijing Patentee before: BEIJING RESEARCH CENTER FOR INFORMATION TECHNOLOGY IN AGRICULTURE |