CN106651117A - 风险监测信息系统中监测任务的实施方法及装置 - Google Patents
风险监测信息系统中监测任务的实施方法及装置 Download PDFInfo
- Publication number
- CN106651117A CN106651117A CN201610950320.2A CN201610950320A CN106651117A CN 106651117 A CN106651117 A CN 106651117A CN 201610950320 A CN201610950320 A CN 201610950320A CN 106651117 A CN106651117 A CN 106651117A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- unit
- task
- agricultural product
- sampling
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 363
- 238000000034 method Methods 0.000 title claims abstract description 14
- 238000005070 sampling Methods 0.000 claims abstract description 66
- 238000001514 detection method Methods 0.000 claims description 33
- 230000001105 regulatory effect Effects 0.000 claims description 18
- 238000007689 inspection Methods 0.000 claims description 16
- 230000008520 organization Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000009412 basement excavation Methods 0.000 claims description 3
- 238000005065 mining Methods 0.000 abstract description 5
- 238000007726 management method Methods 0.000 description 29
- 238000012372 quality testing Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 235000013305 food Nutrition 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000012797 qualification Methods 0.000 description 3
- 244000269722 Thea sinensis Species 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000009569 green tea Nutrition 0.000 description 2
- 244000144972 livestock Species 0.000 description 2
- 239000000575 pesticide Substances 0.000 description 2
- 244000144977 poultry Species 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 235000013311 vegetables Nutrition 0.000 description 2
- 239000005946 Cypermethrin Substances 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- KAATUXNTWXVJKI-UHFFFAOYSA-N cypermethrin Chemical compound CC1(C)C(C=C(Cl)Cl)C1C(=O)OC(C#N)C1=CC=CC(OC=2C=CC=CC=2)=C1 KAATUXNTWXVJKI-UHFFFAOYSA-N 0.000 description 1
- 229960005424 cypermethrin Drugs 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000002778 food additive Substances 0.000 description 1
- 235000013373 food additive Nutrition 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 239000003053 toxin Substances 0.000 description 1
- 231100000765 toxin Toxicity 0.000 description 1
- 239000000273 veterinary drug 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Accounting & Taxation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种农产品质量安全风险监测信息系统中监测任务的实施方法以及装置,涉及农产品质量安全领域。其中,所述方法包括:对农产品的监管目标和历史监测结果进行挖掘,得到挖掘结果,并对挖掘结果进行分析,得到与挖掘结果对应的抽样方案;根据抽样方案和预设的牵头单位与承担单位确定用于监测农产品质量安全的监测方案;根据监测方案在监测要素管理数据库中调用对应的多种监测要素,并对多种监测要素进行组合,形成用于发布监测任务的监测模型;发布监测模型,并在监测模型发布之后,向牵头单位所在的第一系统发送监测项目,以使得第一系统细分监测项目并在细分监测项目后,向承担单位所在的第二系统发送监测任务,从而实施监测任务。
Description
技术领域
本发明涉及农产品质量安全领域,具体地,涉及一种农产品质量安全风险监测信息系统中监测任务的实施方法以及装置。
背景技术
近年来,食品安全事件时有发生,现有的农产品质量安全体系不健全、检测手段薄弱等问题日益突出,为了加强农产品质量安全管理,全面掌握我国农产品质量安全状况,落实各项监管措施,进一步提高我国农产品的质量安全水平和市场竞争力,促进产业健康发展和保障农产品的消费安全,规范农产品质量安全监测工作,有必要开发对农产品质量安全进行风险监测的系统。开发该系统的首要任务是如何解决监测任务的实施问题。
目前,我国的农产品质量检测机构通常包括各级检测中心、产地检测站和批发市场检测站。几乎所有地区的当地农业局的农产品质量安全监督检测数据中心都是通过向各质量检测机构分发纸质报表来实现监测任务的实施。首先,这种方式给各质量检测机构带来一定的工作量,可能会影响其本职的监测工作;其次,这种方式会使得监测任务的数据汇总周期增长,必然会影响监测的实时性和监测效果;再次,各质量检测机构自行人工上报数据,会影响数据的真实性和准确性。
发明内容
本发明的目的是提供一种农产品质量安全风险监测信息系统中监测任务的实施方法以及装置。其中,所述方法所要解决的技术问题是:如何提高监测任务的实施效率,并保证监测任务的实时性。
为了实现上述目的,本发明提供一种农产品质量安全风险监测信息系统中监测任务的实施方法。所述方法包括:
对农产品的监管目标和历史监测结果进行挖掘,得到挖掘结果,并对所述挖掘结果进行分析,得到与所述挖掘结果对应的抽样方案;
根据所述抽样方案和预设的牵头单位与承担单位确定用于监测农产品质量安全的监测方案;
根据所述监测方案在监测要素管理数据库中调用对应的多种监测要素,并对所述多种监测要素进行组合,形成用于发布监测任务的监测模型;
发布所述监测模型,并在所述监测模型发布之后,向所述牵头单位所在的第一系统发送监测项目,以使得所述第一系统细分所述监测项目,并在细分所述监测项目后,向所述承担单位所在的第二系统发送监测任务,从而实施所述监测任务,
其中,所述监测任务包括抽样任务和/或检测任务。
可选地,所述对农产品的监管目标和历史监测结果进行挖掘,得到挖掘结果,包括:
采用关联规则、聚类算法以及贝叶斯算法对农产品的监管目标和历史监测结果进行挖掘,得到挖掘结果。
可选地,所述抽样方案包括以下中的至少一者:
抽样品种、抽样数量、抽样地点、抽样时间、抽样环节、抽样比例以及抽样时间。
可选地,所述监测要素管理数据库中的监测要素至少包括以下中的至少一者:
监测对象、检测项目、限量标准、监管单位、质检机构、受检单位、工作类型、监测行业、监测环节、行政区划以及计划单列市。
可选地,所述监测模型包括以下中的至少一者:
基本信息、监测对象、检测项目、判定标准、监测环节、管理单位、牵头单位、承担单位以及统计项目配置。
可选地,所述根据所述监测方案在监测要素管理数据库中调用对应的多种监测要素,并对所述多种监测要素进行组合,形成用于发布监测任务的监测模型,包括:
提取所述监测方案中的工作类型、监测行业、监测对象、检测项目、判定标准、监测环节、管理单位、牵头单位以及承担单位,根据所述工作类型、监测行业、监测对象、检测项目、判定标准、监测环节、管理单位、牵头单位以及承担单位分别调用监测要素管理数据库中对应的监测要素,得到所述监测模型中的基本信息、监测对象、检测项目、判定标准、监测环节、管理单位、牵头单位以及承担单位,
其中,所述监测模型中的统计项目配置是通过将所述监测方案中的统计项目进行R代码编写得到的。
相应地,本发明还提供一种农产品质量安全风险监测信息系统中监测任务的实施装置。所述装置包括:
挖掘单元,用于对农产品的监管目标和历史监测结果进行挖掘,得到挖掘结果,并对所述挖掘结果进行分析,得到与所述挖掘结果对应的抽样方案;
确定单元,用于根据所述抽样方案和预设的牵头单位与承担单位确定用于监测农产品质量安全的监测方案;
调用单元,用于根据所述监测方案在监测要素管理数据库中调用对应的多种监测要素,并对所述多种监测要素进行组合,形成用于发布监测任务的监测模型;
发布单元,用于发布所述监测模型,并在所述监测模型发布之后,向所述牵头单位所在的第一系统发送监测项目,以使得所述第一系统细分所述监测项目,并在细分所述监测项目后,向所述承担单位所在的第二系统发送监测任务,从而实施所述监测任务,
其中,所述监测任务包括抽样任务和/或检测任务。
可选地,所述挖掘单元,具体用于:
采用关联规则、聚类算法以及贝叶斯算法对农产品的监管目标和历史监测结果进行挖掘,得到挖掘结果。
可选地,所述抽样方案包括以下中的至少一者:
抽样品种、抽样数量、抽样地点、抽样时间、抽样环节、抽样比例以及抽样时间。
可选地,所述监测要素管理数据库中的监测要素至少包括以下中的至少一者:
监测对象、检测项目、限量标准、监管单位、质检机构、受检单位、工作类型、监测行业、监测环节、行政区划以及计划单列市。
由上述技术方案可知,对农产品的监管目标和历史监测结果进行挖掘,得到挖掘结果,并对挖掘结果进行分析,得到与挖掘结果对应的抽样方案,接着,根据抽样方案和预设的牵头单位与承担单位确定用于监测农产品质量安全的监测方案,紧接着,根据监测方案在监测要素管理数据库中调用对应的多种监测要素,并对多种监测要素进行组合,形成用于发布监测任务的监测模型,最后,发布监测模型,并在监测模型发布之后,向牵头单位所在的第一系统发送监测项目,以使得第一系统细分监测项目,并在细分监测项目后,向承担单位所在的第二系统发送监测任务,从而实施监测任务,不仅提高了监测任务的实施效率,而且还保证了监测任务的实时性。
附图说明
为了更清楚地说明本发明实施例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作简单地介绍。显而易见地,下面描述中的附图仅仅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的前提下,还可以根据这些图获得其他的附图。
图1是本发明一实施例提供的农产品质量安全风险监测信息系统中监测任务的实施方法的流程图;
图2是本发明一实施例提供的农产品质量安全风险监测信息系统中监测任务的实施装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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。
图1是本发明一实施例提供的农产品质量安全风险监测信息系统中监测任务的实施方法的流程图。如图1所示,本发明一实施例提供的农产品质量安全风险监测信息系统中监测任务的实施方法包括:
在步骤S101中,对农产品的监管目标和历史监测结果进行挖掘,得到挖掘结果,并对所述挖掘结果进行分析,得到与所述挖掘结果对应的抽样方案。
具体地,所述对农产品的监管目标和历史监测结果进行挖掘,得到挖掘结果,包括:采用关联规则、聚类算法以及贝叶斯算法对农产品的监管目标和历史监测结果进行挖掘,得到挖掘结果。
举例来说,为了加强农产品质量安全管理,全面掌握我国农产品质量安全状况,对农产品的监管目标和历史监测结果进行挖掘分析,制定抽样方案。例如,某农产品绿茶的合格率比去年同期上升2个百分点,那么下次抽样数量就减少10个样本量。相反地,如果某农产品绿茶的合格率比去年同期下降2个百分点,那么下次抽样数量就增加10个样本量。类似地,监测环节(例如,农贸市场和批发市场)和监测省市(例如,湖北省武汉市)也会随着某农产品的合格率的增加而减少相应的数量。此外,如果农产品的某检测项目(例如,氯氰菊酯)合格率下降,样本数量不变,相关工作人员会进行复检、监督抽查或者限制使用等一系列措施。
其中,所述抽样方案包括以下中的至少一者:抽样品种、抽样数量、抽样地点、抽样时间、抽样环节、抽样比例以及抽样时间。
接着,在步骤S102中,根据所述抽样方案和预设的牵头单位与承担单位确定用于监测农产品质量安全的监测方案。
其中,预设的牵头单位与承担单位是经过专家认证的,是具有资质的。具体地,为保证监测工作的顺利实施,结合《农产品质量安全法》、《食品安全法》以及《农产品质量安全监测管理办法》对抽样方案进行调整,并添加一些相关的内容,得到用于监测农产品质量安全的监测方案。所述监测方案包括:监测行业、抽样地点、抽样时间、抽样品种和抽样数量、抽样要求、监测项目和检测依据、判定依据和原则、承担单位和牵头单位、能力验证、复检、结果报送和会商、监测结果及总结分析报告以及注意事项。其中,监测的行业有:蔬菜、水果、茶叶、畜禽、水产。监测地点为全国主要大中城市。其中,省会城市、直辖市和计划单列市每次必检;除个别省份外,每类产品在各省(自治区)再监测2个地级市。选定监测的地级市一年内不变。抽样时间,全年按季度开展四次例行监测,每季度抽样时间为:第一季度1月,第二季度5月,第三季度8月,第四季度11月。其中,茶叶仅在第二季度和第四季度开展监测。抽样要求中包括抽样环节、抽样比例和抽样方式。
紧接着,在步骤S103中,根据所述监测方案在监测要素管理数据库中调用对应的多种监测要素,并对所述多种监测要素进行组合,形成用于发布监测任务的监测模型。
其中,所述监测要素管理数据库中配置有以下监测要素中的至少一者来满足监测方案的需要:监测对象、检测项目、限量标准、监管单位、质检机构、受检单位、工作类型、监测行业、监测环节、行政区划和计划单列市。所述监测对象是指所要受检的农产品、产地环境及生长基质;所述检测项目是指监测参数,即对农产品造成危害的农药残留、兽药残留、食品添加剂、饲料添加剂、生物(天然)毒素、重金属、微生物危害物等;所述的限量标准是指食品安全国家标准食品中农药最大残留限量;所述的监管单位是指农业部农产品质量安全监管局、农业部农产品质量标准研究中心(北京)、中国水产科学研究院;所述的质检机构是指全国各地的质量监督检验测试中心;所述的受检单位是指接受抽检的单位,如超市,批发市场等等;所述的工作类型是指例行监测、专项监测和风险评估;所述的监测行业包括蔬菜、水果、茶叶、畜禽、水产;所述的监测环节包括养殖场、屠宰场、生产基地/企业、农贸市场、收购站、运输环节、批发市场、超市、专卖店、运输车和暂养池;所述的行政区划是指全国23个省、4个直辖市、2个特别行政区、5个自治区;所述的计划单列市是指深圳、宁波、青岛、大连、厦门。其中,每个监测要素对应一个数据库,该数据库为监测要素管理数据库中的一个子数据库,并且每个监测要素对应有编码,其中,编码规则为国标和自定义标识,行政区划要素编码为行政区码。
具体地,该步骤包括:提取所述监测方案中的工作类型、监测行业、监测对象、检测项目、判定标准、监测环节、管理单位、牵头单位以及承担单位,根据所述工作类型、监测行业、监测对象、检测项目、判定标准、监测环节、管理单位、牵头单位以及承担单位分别调用监测要素管理数据库中对应的监测要素,得到所述监测模型中的基本信息、监测对象、检测项目、判定标准、监测环节、管理单位、牵头单位以及承担单位,其中,所述监测模型中的统计项目配置是通过将所述监测方案中的统计项目进行R代码编写得到的。其中,所述监测模型包括以下中的至少一者:基本信息、监测对象、检测项目、判定标准、监测环节、管理单位、牵头单位、承担单位以及统计项目配置。
其中,所述监测模型包括部级监测模型、省级监测模型、地市级监测模型和区县级监测模型。所述基本信息包括监测模型名称和版本号。
举例来说,根据监测方案得到要进行部级监测模型配置的情况下,在监测方案中提取工作类型(例行监测),和监测行业(水产),根据该工作类型和监测行业在监测要素管理数据中调用相应的信息,并形成监测模型的基本信息(例行监测-水产和20160921105628)。然后,在监测方案中提取与该工作类型和监测行业相关的监测对象、检测项目、判定标准、监测环节、管理单位、牵头单位以及承担单位,并根据提取的监测对象、检测项目、判定标准、监测环节、管理单位、牵头单位以及承担单位在监测要素管理数据库中调用对应的监测要素,并通过将所述监测方案中的统计项目进行R代码编写得到所述监测模型中的统计项目配置,从而得到相应的部级监测模型。对于省级监测模型、地市级监测模型和区县级监测模型,也是基于类似的方法得到的。
更为具体地,根据下达的监测方案的要求及各监测行业特点,调用监测要素管理数据库中的多个监测要素形成不同监测行业不同批次的监测模型。
最后,在步骤S104中,发布所述监测模型,并在所述监测模型发布之后,向所述牵头单位所在的第一系统发送监测项目,以使得所述第一系统细分所述监测项目,并在细分所述监测项目后,向所述承担单位所在的第二系统发送监测任务,从而实施所述监测任务。
其中,所述牵头单位所在的第一系统为农产品质量安全风险监测信息系统的一个子系统,专门为牵头单位而设计的,所述承担单位所在的第二系统为农产品质量安全风险监测信息系统的另一个子系统,专门为承担单位而设计,而且所述监测任务包括抽样任务和/或检测任务。
具体地,所述抽样任务为抽取样品、获取样品基本信息、包装信息以及样品认证信息、获取样品图像、抽样地点的GIS坐标等,填写标准化抽样单;所述检测任务为对样品进行检测,获得待检样品对应检测项目的检测结果,填报检测结果。
本实施例通过对农产品的监管目标和历史监测结果进行挖掘,得到挖掘结果,并对挖掘结果进行分析,得到与挖掘结果对应的抽样方案,接着,根据抽样方案和预设的牵头单位与承担单位确定用于监测农产品质量安全的监测方案,紧接着,根据监测方案在监测要素管理数据库中调用对应的多种监测要素,并对多种监测要素进行组合,形成用于发布监测任务的监测模型,最后,发布监测模型,并在监测模型发布之后,向牵头单位所在的第一系统发送监测项目,以使得第一系统细分监测项目,并在细分监测项目后,向承担单位所在的第二系统发送监测任务,从而实施监测任务,不仅提高了监测任务的实施效率,而且还保证了监测任务的实时性。
对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
图2是本发明一实施例提供的农产品质量安全风险监测信息系统中监测任务的实施装置的结构示意图。如图2所示,本发明一实施例提供的农产品质量安全风险监测信息系统中监测任务的实施装置包括:
挖掘单元201,用于对农产品的监管目标和历史监测结果进行挖掘,得到挖掘结果,并对所述挖掘结果进行分析,得到与所述挖掘结果对应的抽样方案;
确定单元202,用于根据所述抽样方案和预设的牵头单位与承担单位确定用于监测农产品质量安全的监测方案;
调用单元203,用于根据所述监测方案在监测要素管理数据库中调用对应的多种监测要素,并对所述多种监测要素进行组合,形成用于发布监测任务的监测模型;
发布单元204,用于发布所述监测模型,并在所述监测模型发布之后,向所述牵头单位所在的第一系统发送监测项目,以使得所述第一系统细分所述监测项目,并在细分所述监测项目后,向所述承担单位所在的第二系统发送监测任务,从而实施所述监测任务,
其中,所述监测任务包括抽样任务和/或检测任务。
在本发明一可选实施例中,所述挖掘单元201,具体用于:
采用关联规则、聚类算法以及贝叶斯算法对农产品的监管目标和历史监测结果进行挖掘,得到挖掘结果。
在本发明一可选实施例中,所述抽样方案包括以下中的至少一者:
抽样品种、抽样数量、抽样地点、抽样时间、抽样环节、抽样比例以及抽样时间。
在本发明一可选实施例中,所述监测要素管理数据库中的监测要素至少包括以下中的至少一者:
监测对象、检测项目、限量标准、监管单位、质检机构、受检单位、工作类型、监测行业、监测环节、行政区划以及计划单列市。
对于本发明一实施例提供的农产品质量安全风险监测信息系统中监测任务的实施装置中还涉及的具体细节已在本发明一实施例提供的农产品质量安全风险监测信息系统中监测任务的实施方法中作了详细的描述,在此不再赘述。
应当注意的是,在本发明的系统的各个部件中,根据其要实现的功能而对其中的部件进行了逻辑划分,但是,本发明不受限于此,可以根据需要对各个部件进行重新划分或者组合,例如,可以将一些部件组合为单个部件,或者可以将一些部件进一步分解为更多的子部件。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的系统中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上实施方式仅适于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。
Claims (10)
1.一种农产品质量安全风险监测信息系统中监测任务的实施方法,其特征在于,所述方法包括:
对农产品的监管目标和历史监测结果进行挖掘,得到挖掘结果,并对所述挖掘结果进行分析,得到与所述挖掘结果对应的抽样方案;
根据所述抽样方案和预设的牵头单位与承担单位确定用于监测农产品质量安全的监测方案;
根据所述监测方案在监测要素管理数据库中调用对应的多种监测要素,并对所述多种监测要素进行组合,形成用于发布监测任务的监测模型;
发布所述监测模型,并在所述监测模型发布之后,向所述牵头单位所在的第一系统发送监测项目,以使得所述第一系统细分所述监测项目,并在细分所述监测项目后,向所述承担单位所在的第二系统发送监测任务,从而实施所述监测任务,
其中,所述监测任务包括抽样任务和/或检测任务。
2.根据权利要求1所述的农产品质量安全风险监测信息系统中监测任务的实施方法,其特征在于,所述对农产品的监管目标和历史监测结果进行挖掘,得到挖掘结果,包括:
采用关联规则、聚类算法以及贝叶斯算法对农产品的监管目标和历史监测结果进行挖掘,得到挖掘结果。
3.根据权利要求1所述的农产品质量安全风险监测信息系统中监测任务的实施方法,其特征在于,所述抽样方案包括以下中的至少一者:
抽样品种、抽样数量、抽样地点、抽样时间、抽样环节、抽样比例以及抽样时间。
4.根据权利要求1所述的农产品质量安全风险监测信息系统中监测任务的实施方法,其特征在于,所述监测要素管理数据库中的监测要素至少包括以下中的至少一者:
监测对象、检测项目、限量标准、监管单位、质检机构、受检单位、工作类型、监测行业、监测环节、行政区划以及计划单列市。
5.根据权利要求4所述的农产品质量安全风险监测信息系统中监测任务的实施方法,其特征在于,所述监测模型包括以下中的至少一者:
基本信息、监测对象、检测项目、判定标准、监测环节、管理单位、牵头单位、承担单位以及统计项目配置。
6.根据权利要求5所述的农产品质量安全风险监测信息系统中监测任务的实施方法,其特征在于,所述根据所述监测方案在监测要素管理数据库中调用对应的多种监测要素,并对所述多种监测要素进行组合,形成用于发布监测任务的监测模型,包括:
提取所述监测方案中的工作类型、监测行业、监测对象、检测项目、判定标准、监测环节、管理单位、牵头单位以及承担单位,根据所述工作类型、监测行业、监测对象、检测项目、判定标准、监测环节、管理单位、牵头单位以及承担单位分别调用监测要素管理数据库中对应的监测要素,得到所述监测模型中的基本信息、监测对象、检测项目、判定标准、监测环节、管理单位、牵头单位以及承担单位,
其中,所述监测模型中的统计项目配置是通过将所述监测方案中的统计项目进行R代码编写得到的。
7.一种农产品质量安全风险监测信息系统中监测任务的实施装置,其特征在于,所述装置包括:
挖掘单元,用于对农产品的监管目标和历史监测结果进行挖掘,得到挖掘结果,并对所述挖掘结果进行分析,得到与所述挖掘结果对应的抽样方案;
确定单元,用于根据所述抽样方案和预设的牵头单位与承担单位确定用于监测农产品质量安全的监测方案;
调用单元,用于根据所述监测方案在监测要素管理数据库中调用对应的多种监测要素,并对所述多种监测要素进行组合,形成用于发布监测任务的监测模型;
发布单元,用于发布所述监测模型,并在所述监测模型发布之后,向所述牵头单位所在的第一系统发送监测项目,以使得所述第一系统细分所述监测项目,并在细分所述监测项目后,向所述承担单位所在的第二系统发送监测任务,从而实施所述监测任务,
其中,所述监测任务包括抽样任务和/或检测任务。
8.根据权利要求7所述的农产品质量安全风险监测信息系统中监测任务的实施装置,其特征在于,所述挖掘单元,具体用于:
采用关联规则、聚类算法以及贝叶斯算法对农产品的监管目标和历史监测结果进行挖掘,得到挖掘结果。
9.根据权利要求7所述的农产品质量安全风险监测信息系统中监测任务的实施装置,其特征在于,所述抽样方案包括以下中的至少一者:
抽样品种、抽样数量、抽样地点、抽样时间、抽样环节、抽样比例以及抽样时间。
10.根据权利要求7所述的农产品质量安全风险监测信息系统中监测任务的实施装置,其特征在于,所述监测要素管理数据库中的监测要素至少包括以下中的至少一者:
监测对象、检测项目、限量标准、监管单位、质检机构、受检单位、工作类型、监测行业、监测环节、行政区划以及计划单列市。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610950320.2A CN106651117A (zh) | 2016-10-26 | 2016-10-26 | 风险监测信息系统中监测任务的实施方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610950320.2A CN106651117A (zh) | 2016-10-26 | 2016-10-26 | 风险监测信息系统中监测任务的实施方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106651117A true CN106651117A (zh) | 2017-05-10 |
Family
ID=58821442
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610950320.2A Pending CN106651117A (zh) | 2016-10-26 | 2016-10-26 | 风险监测信息系统中监测任务的实施方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106651117A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110084523A (zh) * | 2019-05-01 | 2019-08-02 | 智锐达仪器科技南通有限公司 | 一种农产品检测任务分配方法及平台 |
CN110119908A (zh) * | 2019-05-27 | 2019-08-13 | 贵州省疾病预防控制中心 | 一种食品安全风险监测理化数据分析系统 |
CN112085374A (zh) * | 2020-09-04 | 2020-12-15 | 浪潮云信息技术股份公司 | 一种监管对象异常自检智能推送方法 |
CN112257995A (zh) * | 2020-10-09 | 2021-01-22 | 贵州省产品质量检验检测院 | 一种基于互联网的产品质量风险监测抽样方法及系统 |
CN113887688A (zh) * | 2021-09-30 | 2022-01-04 | 广东省交通运输建设工程质量检测中心 | 样品抽检管理系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1858784A (zh) * | 2006-06-08 | 2006-11-08 | 上海农业信息有限公司 | 基于网络的农产品质量安全快速监测系统及其方法 |
CN105590176A (zh) * | 2016-03-07 | 2016-05-18 | 杭州国家电子商务产品质量监测处置中心 | 基于互联网的产品质量风险监测抽样方法 |
CN106022659A (zh) * | 2016-06-29 | 2016-10-12 | 常州大学 | 一种网格化农产品质量安全监管系统 |
-
2016
- 2016-10-26 CN CN201610950320.2A patent/CN106651117A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1858784A (zh) * | 2006-06-08 | 2006-11-08 | 上海农业信息有限公司 | 基于网络的农产品质量安全快速监测系统及其方法 |
CN105590176A (zh) * | 2016-03-07 | 2016-05-18 | 杭州国家电子商务产品质量监测处置中心 | 基于互联网的产品质量风险监测抽样方法 |
CN106022659A (zh) * | 2016-06-29 | 2016-10-12 | 常州大学 | 一种网格化农产品质量安全监管系统 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110084523A (zh) * | 2019-05-01 | 2019-08-02 | 智锐达仪器科技南通有限公司 | 一种农产品检测任务分配方法及平台 |
CN110084523B (zh) * | 2019-05-01 | 2024-01-19 | 智锐达仪器科技南通有限公司 | 一种农产品检测任务分配方法及平台 |
CN110119908A (zh) * | 2019-05-27 | 2019-08-13 | 贵州省疾病预防控制中心 | 一种食品安全风险监测理化数据分析系统 |
CN112085374A (zh) * | 2020-09-04 | 2020-12-15 | 浪潮云信息技术股份公司 | 一种监管对象异常自检智能推送方法 |
CN112257995A (zh) * | 2020-10-09 | 2021-01-22 | 贵州省产品质量检验检测院 | 一种基于互联网的产品质量风险监测抽样方法及系统 |
CN113887688A (zh) * | 2021-09-30 | 2022-01-04 | 广东省交通运输建设工程质量检测中心 | 样品抽检管理系统 |
CN113887688B (zh) * | 2021-09-30 | 2024-03-08 | 广东省交通运输建设工程质量事务中心 | 样品抽检管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106651117A (zh) | 风险监测信息系统中监测任务的实施方法及装置 | |
Betts et al. | Thresholds in forest bird occurrence as a function of the amount of early‐seral broadleaf forest at landscape scales | |
Spitale et al. | Predicting the distribution of a rare species of moss: The case of Buxbaumia viridis (Bryopsida, Buxbaumiaceae) | |
Kalaris et al. | The role of surveillance methods and technologies in plant biosecurity | |
Rohli et al. | Drought indices as drought predictors in the south-central USA | |
Whitworth et al. | Methods matter: Different biodiversity survey methodologies identify contrasting biodiversity patterns in a human modified rainforest—A case study with amphibians | |
CN110223001A (zh) | 一种生态环境修复全过程动态监管方法及系统 | |
Hefley et al. | Use of opportunistic sightings and expert knowledge to predict and compare Whooping Crane stopover habitat | |
Gnass Giese et al. | Sensitivity of breeding birds to the “human footprint” in western Great Lakes forest landscapes | |
Breininger et al. | Landcover characterizations and Florida scrub-jay (Aphelocoma coerulescens) population dynamics | |
Kim et al. | A comparison of the economic performance of offshore and inshore aquaculture production systems in Korea | |
Bean et al. | Regional frameworks for the USDA long-term agroecosystem research network | |
Sanjaya et al. | Logistics system model development on supply chain management of tomato commodities for structured market | |
Rock et al. | Impediments to understanding seagrasses’ response to global change | |
Beni et al. | A GIS‐based approach in support of an assessment of Food Safety Risks | |
Seaward et al. | The Marine Biosecurity Porthole–a web-based information system on non-indigenous marine species in New Zealand. | |
Forrest et al. | Single‐species conservation in a multiple‐use landscape: current protection of the tiger range | |
Robinson et al. | Mapping industrial poultry operations at scale with deep learning and aerial imagery | |
Shi et al. | Prospects for monitoring bird migration along the East Asian‐Australasian Flyway using weather radar | |
CN106570767A (zh) | 风险监测信息系统中监测数据的统计分析方法以及装置 | |
Hemstrom | Late-successional and old-growth forest effectiveness monitoring plan for the Northwest Forest Plan | |
CN113537727B (zh) | 基于贝叶斯判定技术的智能风险等级识别系统 | |
Pratt et al. | Greater sage‐grouse response to bentonite mining | |
CN109377241A (zh) | 一种基于gis的粮食品质监控展示方法及系统 | |
Kalies et al. | Stand structure and breeding birds: Implications for restoring ponderosa pine forests |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170510 |
|
RJ01 | Rejection of invention patent application after publication |