CN106198900B - 食品安全评价方法及装置 - Google Patents
食品安全评价方法及装置 Download PDFInfo
- Publication number
- CN106198900B CN106198900B CN201610511360.7A CN201610511360A CN106198900B CN 106198900 B CN106198900 B CN 106198900B CN 201610511360 A CN201610511360 A CN 201610511360A CN 106198900 B CN106198900 B CN 106198900B
- Authority
- CN
- China
- Prior art keywords
- single item
- item grouping
- value
- grouping
- food
- 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.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
Abstract
本发明涉及食品安全领域,具体揭示了一种食品安全评价方法及装置,该方法包括步骤:检测影响食品安全的各个单项组分的含量,确定各个单项组分的等级;根据各个单项组分的等级,获取各单项组分的评价分值Fi;计算综合评分值P,P越小食品越安全。采用内梅罗指数法对食品安全进行评价,以单项组分作为评价基础,兼顾具有最大影响的组分和各个组分,评价方法客观全面;对各单项组分的评价分值Fi进行修正,减小了因Fi不连续造成的信息损失;对Fi的均值F进行修正,突出了不同单项组分对食品安全的不同影响;采用灰色关联分析法对评价结果进行评估,可判定评价效果的好坏。
Description
技术领域
本发明涉及到食品安全领域,特别是涉及到一种食品安全评价方法及装置。
背景技术
食品安全关系到人们的生命健康和生命安全,用一套科学的食品安全评价方法对食品领域的安全状况进行评估,对保障食品安全尤为重要。现有的食品安全评价方法主要有两类。
一类是主观定性的评价方法,其中又包括层次分析法(AHP)、德尔菲法、模糊评价法、物元分析法等经典评价方法,这些方法的不足之处在于不论采用什么样的改进方法,都不能避免主观因素对评价结果的影响。
另一类是客观定量的评价方法,该方法在监管部门中运用的较为广泛,一般认为食品检出合格率越高,该批次食品的安全状况就越好,加之计算简便,评价结果相对客观,因此被广泛采用。现有技术中,有的采用线性分式模型,对影响食品指数的食品卫生检测合格率、有害物影响和营养价值三个因素进行权重系数的确定,通过相关数学理论的推导,建立起线性方程,确定各评价因子的权重,比较客观公正,但计算过程比较复杂。有的采用IFS模型建立食品安全指数,但评价结果不够全面。总之,客观的定量研究尽管克服了主观因素的影响,但对于基础指标大都采用检测合格率进行衡量,不够全面,另外由于单项组分的异质性,不同单项组分的合格率没有可比性。
发明内容
本发明的主要目的为提供一种食品安全评价方法及装置,避免主观因素对食品安全评价的影响,同时全面考虑各个单项组分对食品安全的影响。
为达到上述目的,本发明提出如下技术方案:
一种食品安全评价方法,包括步骤:
S1:检测影响食品安全的各个单项组分的含量,确定各个单项组分的等级;
S2:根据各个单项组分的等级,获取各单项组分的评价分值Fi;
S3:计算综合评分值P,公式为:
其中,Fmax为各单项组分评价分值Fi中的最大值,n为单项组分的项数;P越小,食品越安全。
进一步地,所述食品安全评价方法,其中所述计算综合评分值P的步骤中,还包括对各单项组分的评价分值Fi进行修正的计算步骤,公式为:
其中,Ci为单项组分的实际检测值,Si为单项组分的限量标准值。
进一步地,所述食品安全评价方法,其中所述计算综合评分值P的步骤中,还包括对F进行修正的计算步骤,公式为:
其中,ADImax是各个单项组分的每日摄入量中的最大值,Wi为各个单项组分的加权权重,ADIi为各单项组分的每日摄入量。
进一步地,所述食品安全评价方法,其中在计算综合评分值的步骤之后,还包括用灰色关联评价法对食品安全评价效果进行评估的步骤,该步骤又包括:
(1)根据多批次对各个单项组分含量进行检测的数据,建立参考序列和评价序列,其中,
参考序列为:
X1=(x1(1),x1(2),x1(3)...x1(n-1),x1(n));
评价序列为:
X2=(x2(1),x2(2),x2(3)...x2(n-1)x2(n));
其中,n为单项组分的个数;
(2)对参考数列和评价序列进行无量纲化处理,即令
X'i=Xi/xi(1)=(x'i(1),x'i(2),x'i(3)...x'i(n-1),x'i(n)),其中,i=1,2;
(3)将两序列合成矩阵并无量纲化为:
(4)求两级最大差和最小差:
M=max max|x1(k)-x2(k)|,m=min min|x1(k)-x2(k)|,其中,k=1,2...n;
(5)计算关联系数:
一种食品安全评价装置,包括:检测单元,用于检测影响食品安全的各个单项组分的含量,确定各个单项组分的等级;评分单元,用于根据各个单项组分的等级,获取各单项组分的评价分值Fi;计算单元,用于计算综合评分值P,公式为:
其中,Fmax为各单项组分评价分值Fi中的最大值,n为单项组分的项数;P越小,食品越安全。
进一步地,所述食品安全评价装置,其中,所述计算单元包括Fi修正模块,用于对各单项组分的评价分值Fi进行修正,修正公式为:其中,Ci为单项组分的实际检测值,Si为单项组分的限量标准值。
进一步地,所述食品安全评价装置,其中,所述计算单元包括F修正模块,用于对F进行修正,修正的公式为:
其中,ADImax是各个单项组分的每日摄入量中的最大值,Wi为各个单项组分的加权权重,ADIi为各单项组分的每日摄入量。
进一步地,所述食品安全评价装置,其中,还包括评估单元,用于通过灰色关联评价法对食品安全评价效果进行评估。
进一步地,所述食品安全评价装置,其中,所述评估单元包括:
序列建立模块,用于根据多批次对各个单项组分含量进行检测的数据,建立参考序列和评价序列,其中,
参考序列为:
X1=(x1(1),x1(2),x1(3)...x1(n-1),x1(n));
评价序列为:
X2=(x2(1),x2(2),x2(3)...x2(n-1)x2(n));
其中,n为单项组分的个数;
无量纲化处理模块,用于对参考数列和评价序列进行无量纲化处理,即X'i=Xi/xi(1)=(x'i(1),x'i(2),x'i(3)...x'i(n-1),x'i(n)),其中,i=1,2;
将两序列合成矩阵并无量纲化为:
求差模块,用于求两级最大差和最小差:
M=max max|x1(k)-x2(k)|,m=min min|x1(k)-x2(k)|,其中,k=1,2...n;
关联系数计算模块,用于计算关联系数:
本发明的有益效果在于,采用内梅罗指数法对食品安全进行评价,以单项组分作为评价基础,兼顾了具有最大影响的组分和各个组分,评价方法客观全面;对各单项组分的评价分值Fi进行修正,减小了因Fi不连续造成的信息损失;对Fi的均值F进行了修正,突出了不同单项组分对食品安全的不同影响;采用灰色关联分析法对评价结果进行评估,可判定评价效果的好坏。
附图说明
图1是本发明一实施例中食品安全评价方法的示意图;
图2是本发明另一实施例中食品安全评价方法的示意图;
图3是本发明一实施例中食品安全评价装置的结构示意图;
图4是本发明一实施例中评估单元的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,本发明提出了一种食品安全评价方法,包括步骤:
S1:检测影响食品安全的各个单项组分的含量,确定各个单项组分的等级;
S2:根据各个单项组分的等级,获取各单项组分的评价分值Fi;
S3:计算综合评分值P,公式为:
其中,Fmax为各单项组分评价分值Fi中的最大值,n为单项组分的项数;P越小,食品越安全。
上述步骤采用了内梅罗指数法对食品安全进行评价,采取该方法评价食品安全包括几个前提,即一是要确定评价食品安全的单项组分有哪些,确定哪些物质的含量要检测;二是对各种单项组分划分等级,比如含量在什么范围内是一级,什么范围内是二级等等;三是确定各单项组分等级的评价分值,即一级在评价中占多少分,二级在评价中占多少分等等。
为了进一步提高内梅罗指数法评价食品安全的准确性,本发明分别对各单项组分的评价分值Fi进行修正,同时,Fi的均值F进行修正。公式分别为:
其中,Ci为单项组分的实际检测值,Si为单项组分的限量标准值;
其中,ADImax是各个单项组分的每日摄入量中的最大值,Wi为各个单项组分的加权权重,ADIi为各单项组分的每日摄入量。由上述公式可知,用各个单项组分的实际检测值与限量标准值的比值对各单项组分的评价分值Fi进行修正,减小了因Fi不连续造成的信息损失;用各个单项组分每日摄入量中的最大值与各单项组分的每日摄入量之比对Fi的均值F进行了修正,突出了不同单项组分对食品安全的不同影响。修正后,食品安全评价方法的公式为:
其中,Ci为单项组分的实际检测值,Si为单项组分的限量标准值,ADImax是各个单项组分的每日摄入量中的最大值,Wi为各个单项组分的加权权重,ADIi为各单项组分的每日摄入量。
本发明还包括用灰色关联评价法对食品安全评价效果进行评估的步骤,该步骤又包括:
(1)根据多批次对各个单项组分含量进行检测的数据,建立参考序列和评价序列,其中,
参考序列为:
X1=(x1(1),x1(2),x1(3)...x1(n-1),x1(n));
评价序列为:
X2=(x2(1),x2(2),x2(3)...x2(n-1)x2(n));
其中,n为单项组分的个数;
(2)对参考数列和评价序列进行无量纲化处理,即令
X'i=Xi/xi(1)=(x'i(1),x'i(2),x'i(3)...x'i(n-1),x'i(n)),其中,i=1,2;
(3)将两序列合成矩阵并无量纲化为:
(4)求两级最大差和最小差:
M=max max|x1(k)-x2(k)|,m=min min|x1(k)-x2(k)|,其中,k=1,2...n;
(5)计算关联系数:
ρ一般取0.5。
根据需要,还可计算每一序列中关联系数的平均值。
采用上述灰色关联分析法对评价结果进行评估,可及时判定评价效果的好坏。上述参考序列即为各个单项组分的含量形成的序列,由食品检测得出,对多批次的食品进行检测可得到多组的参考序列。评价序列的建立方法,可采取一种方式,即计算根据多批次检测结果得出的综合评分值P1、P2、P3等,找出其中的最小值P小,然后计算其他综合评分值与该最小值的比值Mn,用最小综合评分值P小对应的检测数据形成的序列,分别扩大Mn倍,即得到其它综合评分值对应的检测数据的评价序列。
参照图3,本发明提出的一种食品安全评价装置,包括:检测单元11,用于检测影响食品安全的各个单项组分的含量,确定各个单项组分的等级;评分单元12,用于根据各个单项组分的等级,获取各单项组分的评价分值Fi;计算单元13,用于计算综合评分值P,公式为:
其中,Fmax为各单项组分评价分值Fi中的最大值,n为单项组分的项数;P越小,食品越安全。
为了进一步提高内梅罗指数法评价食品安全的准确性,本发明分别对各单项组分的评价分值Fi进行修正,同时,Fi的均值F进行修正。食品安全评价装置中,上述计算单元包括Fi修正模块,用于对各单项组分的评价分值Fi进行修正,修正公式为:其中,Ci为单项组分的实际检测值,Si为单项组分的限量标准值;还包括F修正模块,用于对F进行修正,修正的公式为:
其中,ADImax是各个单项组分的每日摄入量中的最大值,Wi为各个单项组分的加权权重,ADIi为各单项组分的每日摄入量。由上述公式可知,用各个单项组分的实际检测值与限量标准值的比值对各单项组分的评价分值Fi进行修正,减小了因Fi不连续造成的信息损失;用各个单项组分每日摄入量中的最大值与各单项组分的每日摄入量之比对Fi的均值F进行了修正,突出了不同单项组分对食品安全的不同影响。
参照图1,本发明可用灰色关联评价法对食品安全评价效果进行评估,即食品安全评价装置中,还包括评估单元14,用于通过灰色关联评价法对食品安全评价效果进行评估。
参照图4,具体地,评估单元14包括:
序列建立模块141,用于根据多批次对各个单项组分含量进行检测的数据,建立参考序列和评价序列,其中,
参考序列为:
X1=(x1(1),x1(2),x1(3)...x1(n-1),x1(n));
评价序列为:
X2=(x2(1),x2(2),x2(3)...x2(n-1)x2(n));
其中,n为单项组分的个数;
无量纲化处理模块142,用于对参考数列和评价序列进行无量纲化处理,即:
X'i=Xi/xi(1)=(x'i(1),x'i(2),x'i(3)...x'i(n-1),x'i(n)),其中,i=1,2;
将两序列合成矩阵并无量纲化为:
求差模块143,用于求两级最大差和最小差:
M=max max|x1(k)-x2(k)|,m=min min|x1(k)-x2(k)|,其中,k=1,2...n;
关联系数计算模块144,用于计算关联系数:
以下通过一实施例来说明本发明的食品安全评价方法和食品安全评价装置的具体应用方法。
本实施例中,对三个批次的食品进行评价,如表1:
批次编号 | 烯唑醇 | 三唑酮 | 丙环唑 | 丙溴磷 | 腈菌唑 | 甲霜灵 | 哒螨灵 |
1 | 0.0168 | 2.52 | 0.0404 | 0.019 | 0.0412 | 0.026 | 0.017 |
2 | 0.0185 | 0.254 | 0.0298 | 0.2 | 0.126 | 0.011 | 0.015 |
3 | 1.07 | 0.013 | 0.0668 | 0.32 | 0.0153 | 0.0412 | 0.092 |
ADI | 0.005 | 0.03 | 0.07 | 0.03 | 0.03 | 0.08 | 0.01 |
农药残留限值 | 0.5 | 1 | 0.05 | 0.5 | 0.2 | 0.5 | 0.2 |
表1中是3个批次的麦菜中7种农药残留数据,本实施例参照GB2763对农药残留每日摄入量(ADI)的规定进行分析。分别计算出三个批次的麦菜的农药残留的内梅罗指数P,按照从大到小的顺序进行排列P大、P中、P小,然后用二个比较大的数值除以最小的数值,其中
在P小原始数据基础上分别扩大m和n倍,作为评价序列,与P大和P中的原始数据进行评价,分别计算两者的灰色关联度,关联程度越高说明评价的效果就越好。
按照上述修正的内梅罗指数计算方法,根据最大农药残留值,算出的麦菜内梅罗指数值P=3.29。三个批次的内梅罗指数分别为:批次1的内梅罗指数P=2.039,批次2的内梅罗指数P=1.133,批次编号3的内梅罗指数P=4.536,m=4,n=1.8。批次2的内梅罗指数最小,分别扩大m倍和n倍得到批次3和批次1对应的评价序列,即
参考序列1为:(1.07,0.013,0.0668,0.32,0.0153,0.0412,0.092);
评价序列1为:(0.074,1.017,0.1193,0.801,0.504,0.044,0.06);
参考序列2为:(0.0168,2.52,0.0404,0.019,0.0412,0.026,0.017);
评价序列2为:(0.033,0.457,0.053,0.36,0.226,0.0198,0.027)。
代入上述灰色关联分析法的公式,得到灰色关联度η1=0.64,η2=0.87。
通过内梅罗指数,可以看出批次编号3存在食品安全风险,主要由于烯唑醇的含量超标2倍,在国标中对其含量的限值0.005mg/kg.bw,说明该物质的毒性较大,较少的量的超标都可能带来极大的危害。这说明了内梅罗指数具有很强的分辨能力,符合食品安全指数对评价结果准确性的要求。批次2中没有超标农药残留,因此评价的结果优于批次1和批次3。批次1中三唑酮同样超标2倍,但内梅罗指数低于标准限量值,这主要是其对身体的危害程度较小,虽然超标但仍然处于一个可以接受的安全范围。
运用灰色理论对内梅罗指数的评价结果进行评估,以原始检测数据建立参考序列,根据改进的内梅罗指数的算法,原始数据同时扩大相同的倍数,其内梅罗综合指数也扩大相同的倍数。因此批次2合格的原始数据的为基础,分别扩大m倍和n倍,形成的评价序列与参考序列进行灰色关联度的计算,灰色关联度越高说明判定效果越好。结果中η2=0.87说明内梅罗指数具有很好的评价效果。而η1=0.64,这主要是批次3存在食品安全风险,选用的关联序列是食品安全风险较低的批次2,因此两者之间灰色关联度不大,证明了内梅罗指数在食品安全领域具有很强的适用性。
综上所述,采用内梅罗指数法对食品安全进行评价,以单项组分作为评价基础,兼顾了具有最大影响的组分和各个组分,评价方法客观全面;对各单项组分的评价分值Fi进行修正,减小了因Fi不连续造成的信息损失;对Fi的均值F进行了修正,突出了不同单项组分对食品安全的不同影响;采用灰色关联分析法对评价结果进行评估,可判定评价效果的好坏。
本发明的食品安全评价方法及装置,具有以下优势:第一,识别度高,可操作性强。传统的食品安全评价方法,采用检测合格率的指标,忽视了评价因子的异质性,导致食品安全评价的可辨别度不高,在具体的操作过程中受主观因素的影响较大。通过改进的内梅罗指数法,以样本的检测数据为基础,综合考虑各评价因子对评价结果的影响,同时突出较大的影响因子的作用,使得评价结果既兼顾各因素的影响又体现了评价因子的异质性,因此具有很好的辨识度和可操作性强的特点。第二,评价效果具有很好的解释意义。食品安全评价缺乏统一的标准,不同的评价方法对各指标的处理方法不同,如:检测合格率不同的评价因子不具有可比性,导致其缺乏现实的意义。改进的内梅罗指数采用检测原始数据进行计算,计算结果比较客观,经过灰色关联度的计算从侧面证明了该指数评价效果具有很好的现实意义。第三,食品安全评价采用指数的方法易于比较,通过限量值计算出食品安全的可接受范围,便于判定食品安全是否存在风险。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (2)
1.一种食品安全评价方法,其特征在于,包括步骤:
检测影响食品安全的各个单项组分的含量,确定各个单项组分的等级;
根据各个单项组分的等级,获取各单项组分的评价分值Fi;
计算综合评分值P,公式为:
其中,Fmax为各单项组分评价分值Fi中的最大值,n为单项组分的项数;P越小,食品越安全;
所述计算综合评分值P的步骤中,还包括对各单项组分的评价分值Fi进行修正的计算步骤,对Fi进行修正的公式为:
其中,ci为单项组分的实际检测值,si为单项组分的限量标准值;
所述计算综合评分值P的步骤中,还包括对F进行修正的计算步骤,对F进行修正的公式为:
其中,ADImax是各个单项组分的每日摄入量中的最大值,Wi为各个单项组分的加权权重,ADIi为各单项组分的每日摄入量。
2.一种食品安全评价装置,其特征在于,包括:
检测单元,用于检测影响食品安全的各个单项组分的含量,确定各个单项组分的等级;
评分单元,用于根据各个单项组分的等级,获取各单项组分的评价分值Fi;
计算单元,用于计算综合评分值P,公式为:
其中,Fmax为各单项组分评价分值Fi中的最大值,n为单项组分的项数;P越小,食品越安全;
所述计算单元包括Fi修正模块,用于对各单项组分的评价分值Fi进行修正,修正公式为:其中,ci为单项组分的实际检测值,si为单项组分的限量标准值;
所述计算单元包括F修正模块,用于对F进行修正,修正的公式为:
其中,ADImax是各个单项组分的每日摄入量中的最大值,Wi为各个单项组分的加权权重,ADIi为各单项组分的每日摄入量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610511360.7A CN106198900B (zh) | 2016-06-30 | 2016-06-30 | 食品安全评价方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610511360.7A CN106198900B (zh) | 2016-06-30 | 2016-06-30 | 食品安全评价方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106198900A CN106198900A (zh) | 2016-12-07 |
CN106198900B true CN106198900B (zh) | 2018-06-15 |
Family
ID=57462978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610511360.7A Expired - Fee Related CN106198900B (zh) | 2016-06-30 | 2016-06-30 | 食品安全评价方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106198900B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110866698A (zh) * | 2019-11-14 | 2020-03-06 | 北京京东尚科信息技术有限公司 | 用于评定服务提供方的服务分值的装置 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107643371B (zh) * | 2017-09-13 | 2020-08-07 | 广州瑞森生物科技股份有限公司 | 一种食用农产品质量安全风险评估模型的建立方法 |
US10942932B2 (en) | 2018-01-22 | 2021-03-09 | Everything Food, Inc. | System and method for grading and scoring food |
CN109377077A (zh) * | 2018-11-09 | 2019-02-22 | 贵州希望泥腿信息技术有限公司 | 一种农产品质量安全评价方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101251526A (zh) * | 2008-02-26 | 2008-08-27 | 浙江大学 | 食品综合品质无损检测方法与装置 |
CN102042984A (zh) * | 2009-10-19 | 2011-05-04 | 中国人民解放军第三〇二医院 | 药材等级评价方法及系统 |
CN102507459A (zh) * | 2011-11-23 | 2012-06-20 | 中国农业大学 | 一种生鲜牛肉新鲜度快速无损评价方法及系统 |
CN102590460A (zh) * | 2012-03-05 | 2012-07-18 | 昆明理工大学 | 一种生乳品质评级的方法 |
CN103134735A (zh) * | 2013-02-07 | 2013-06-05 | 南京农业大学 | 一种猪肉大理石花纹等级评定的方法 |
EP2954453A1 (en) * | 2013-02-10 | 2015-12-16 | PayPal, Inc. | Method and product for providing a predictive security product and evaluating existing security products |
-
2016
- 2016-06-30 CN CN201610511360.7A patent/CN106198900B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101251526A (zh) * | 2008-02-26 | 2008-08-27 | 浙江大学 | 食品综合品质无损检测方法与装置 |
CN102042984A (zh) * | 2009-10-19 | 2011-05-04 | 中国人民解放军第三〇二医院 | 药材等级评价方法及系统 |
CN102507459A (zh) * | 2011-11-23 | 2012-06-20 | 中国农业大学 | 一种生鲜牛肉新鲜度快速无损评价方法及系统 |
CN102590460A (zh) * | 2012-03-05 | 2012-07-18 | 昆明理工大学 | 一种生乳品质评级的方法 |
CN103134735A (zh) * | 2013-02-07 | 2013-06-05 | 南京农业大学 | 一种猪肉大理石花纹等级评定的方法 |
EP2954453A1 (en) * | 2013-02-10 | 2015-12-16 | PayPal, Inc. | Method and product for providing a predictive security product and evaluating existing security products |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110866698A (zh) * | 2019-11-14 | 2020-03-06 | 北京京东尚科信息技术有限公司 | 用于评定服务提供方的服务分值的装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106198900A (zh) | 2016-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106198900B (zh) | 食品安全评价方法及装置 | |
Gwet | Intrarater reliability | |
US20190041374A1 (en) | Rapid screening method of processing raw rice for rice products | |
Berrueta et al. | Supervised pattern recognition in food analysis | |
CN105675539B (zh) | 一种农产品品质综合评价方法 | |
CN104374738B (zh) | 一种基于近红外提高鉴别结果的定性分析方法 | |
Bock et al. | Accuracy of plant specimen disease severity estimates: concepts, history, methods, ramifications and challenges for the future. | |
Wu et al. | Rheology of fiber-enriched steamed bread: stress relaxation and texture profile analysis | |
Chiang et al. | What interval characteristics make a good categorical disease assessment scale? | |
Chen et al. | Prediction of milled rice grades using Fourier transform near-infrared spectroscopy and artificial neural networks | |
CN107219184A (zh) | 一种应用于产地溯源的肉类鉴别方法及装置 | |
CN110428121A (zh) | 基于灰色关联分析的隐马尔可夫模型食品质量评估方法 | |
CN113567439A (zh) | 一种基于色泽和气味数据融合的猪肉新鲜度检测方法 | |
CN115860579B (zh) | 一种用于面粉加工的生产质量监测系统 | |
Khoje et al. | Comparative performance evaluation of size metrics and classifiers in computer vision based automatic mango grading | |
Abramovic et al. | Detection of deoxynivalenol in wheat by Fourier transform infrared spectroscopy | |
Saris et al. | Testing structural equation models | |
CN105891130B (zh) | 一种校正不同光谱信息确定物质信息误差的方法 | |
CN102809635B (zh) | 一种适宜溶解型蛋白质加工的花生品质测定及其评价方法 | |
CN112155520A (zh) | 基于体温数据的监测装置及方法、电子设备、存储介质 | |
CN114387545A (zh) | 基于前馈网络的角膜生物力学特性的智能检测方法 | |
Sabzi et al. | Automatic Grading of Emperor Apples Based on Image Processing and | |
CN110118735A (zh) | 一种检测香梨公母的高光谱成像检测方法及装置 | |
CN112067577A (zh) | 基于支持向量机的奶油色素超标鉴别方法、装置及设备 | |
Abu | Long run relationship between sorghum yield, rainfall and producer price in Nigeria |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180615 Termination date: 20210630 |