CN107219827B - 稻米食品全产业链信息系统、建立方法及应用 - Google Patents

稻米食品全产业链信息系统、建立方法及应用 Download PDF

Info

Publication number
CN107219827B
CN107219827B CN201710302013.8A CN201710302013A CN107219827B CN 107219827 B CN107219827 B CN 107219827B CN 201710302013 A CN201710302013 A CN 201710302013A CN 107219827 B CN107219827 B CN 107219827B
Authority
CN
China
Prior art keywords
information
rice
link
module
management
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
Application number
CN201710302013.8A
Other languages
English (en)
Other versions
CN107219827A (zh
Inventor
黄汉英
金星
赵思明
李路
库晶
魏彻
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huazhong Agricultural University
Original Assignee
Huazhong Agricultural University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huazhong Agricultural University filed Critical Huazhong Agricultural University
Priority to CN201710302013.8A priority Critical patent/CN107219827B/zh
Publication of CN107219827A publication Critical patent/CN107219827A/zh
Application granted granted Critical
Publication of CN107219827B publication Critical patent/CN107219827B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G05B19/0421—Multiprocessor system
    • 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
    • G06F16/21—Design, administration or maintenance of databases
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/22—Pc multi processor system
    • G05B2219/2214—Multicontrollers, multimicrocomputers, multiprocessing
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/25—Pc structure of the system
    • G05B2219/25257—Microcontroller
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/25—Pc structure of the system
    • G05B2219/25314—Modular structure, modules
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Abstract

本发明涉及一种稻米食品全产业链信息系统，包括信息采集模块，信息传输模块，信息处理模块，综合决策模块，信息存储模块，信息输出模块，所述信息为稻米食品全产业链各环节信息，包括育秧信息、种植信息、仓储管理信息、加工管理信息；所述稻米食品全产业链各环节包括育秧环节、种植环节、仓储管理环节、加工管理环节；所述信息传输模块包括将从稻米食品全产业链各环节现场所采集到的原始信息经有线或无线方式经过通讯模块传递到远程监控终端，和远程监控终端的控制信息经过通讯模块传递到控制终端。本发明通过全产业链信息平台，监控和防止各种危害因子的产生和迁移，可为稻米食品产业链的高效安全生产奠定基础，真正做到食品溯源，全称监控并实现在线检测。

Description

稻米食品全产业链信息系统、建立方法及应用
技术领域
本发明涉及稻米食品加工领域，特别涉及稻米食品全产业链信息系统、建立方法及应用。
背景技术
物联网技术正在深刻改变着人们的生产与生活方式，它已经不仅仅是一项通信技术，更成就了人历史上最庞大的信息世界。随着感知识别技术的快速发展，以传感器和智能终端识别人代表的信息自动生成设备可以准确地开展对物理世界的感知、测量和监控。而网络通信技术使得综合利用来自物理世界的信息成为可能。
目前世界各国对物联网的建设愈发重视，并做了大量的技术研发并不断拓宽其应用领域，这使得物联网产业成为推动世界经济增长的新兴产业。从现在起到2020年，中国物联网产业将经历应用创新，技术创新和服务创新3个阶段，成长为一个超过5万亿规模的巨大产业[2]。物联网技术在食品全产业链信息系统中的应用，能够为构建现代食品产业体系、提升食品产业核心竞争力、助推产业升级具有重大意义。目前人类对食品安全的关注程度与经济发展水平密切相关，随着我国经济快速发展，食品安全问题日益凸现出来，直接危及到我国消费者的健康和我国食品的国际竞争力。稻米作为主食，其食品安全显得尤为重要，由于稻米营养食品产业链长、环节多，影响其安全的因素复杂，监管难度大，因此有必要从“源头到餐桌”全产业链的角度入手，探讨建立稻米营养食品全产业链高效安全生产技术体系及信息化平台。研究表明，从育秧的品种、种植过程的施肥和农药、干燥的方法和质量、仓储的管理和监控、加工过程的技术水平等都会威胁稻米营养食品产业链的安全进而危害消费者的健康。
发明内容
针对上述问题，本发明提供稻米食品全产业链信息系统、建立方法及应用。
本发明的具体方案如下：
一种稻米食品全产业链信息系统，包括信息采集模块，信息传输模块，信息处理模块，综合决策模块，信息存储模块，信息输出模块，所述信息为稻米食品全产业链各环节信息，包括育秧信息、种植信息、仓储管理信息、加工管理信息；所述稻米食品全产业链各环节包括育秧环节、种植环节、仓储管理环节、加工管理环节；
所述信息传输模块包括将从稻米食品全产业链各环节现场所采集到的原始信息经有线或无线方式经过通讯模块传递到远程监控终端，和远程监控终端的控制信息经过通讯模块传递到控制终端；
所述信息处理模块包括原始采集数据标准化转换得到标准化数据，基于标准化数据的综合计算；
所述综合决策模块用于包括对稻米食品全产业链各环节控制，具体为根据当前稻米产业链信息和综合计算结果调节稻米育秧、种植、稻米仓储、稻米加工的环境及工艺参数控制条件，使稻米品质保持在设定的范围内；
所述信息存储模块用于将上述信息制成数据库表格加以存储；
所述信息输出模块包括将远程监控终端监控信息输出到电脑、手机、屏幕、打印机。
优选地，
所述育秧信息包括育秧人员信息、设备信息、设备维护信息、大棚信息、种子信息、药品信息、喷药操作信息、秧苗管理信息；
所述种植信息包括农田信息、秧苗信息、产量信息；
所述仓储管理信息包括人员信息、设备信息，仓库信息、入库信息、仓库环境监控信息、营养成分信息、理化特性信息、粮食质量信息、出仓信息、稻米品质信息；
所述加工管理信息包括人员信息、进料信息、设备信息、设备维护信息、稻米食品加工信息、垄谷、碾米、加工环境、加工设备和出产信息；
稻米食品包括大米或糙米卷或糙米酥或八宝粥；
所述综合计算包括基于标准化数据进行稻米品质的数据分析，所述稻米品质包括营养成分信息、理化特性信息、粮食质量信息。
进一步优选地，
所述信息采集模块通过检测装置实现，
所述稻米食品全产业链各环节控制通过控制装置实现，
所述信息处理模块、综合决策模块通过信息处理中心实现，
所述信息传输模块通过检测装置、通讯模块和环境控制装置实现；
所述检测装置包括多个检测终端，所述稻米食品全产业链各环节控制装置包括若干个控制终端，所述检测终端、控制终端与通讯模块连接，通讯模块与信息处理中心连接；所述检测终端用于检测稻米食品全产业链各环节环境信息或/和稻米品质信息，检测终端设于稻米食品全产业链各环节；
所述控制终端用于控制稻米食品全产业链各环节的温度、湿度及工艺参数；
所述信息处理中心为电脑、手机、或服务器，信息处理中心包含人机界面，用于对数据进行接收、数据分析、执行功能。
更进一步优选地，
所述检测终端包括环境检测装置、稻米品质检测装置、第一微控制器，环境检测装置、稻米食品品质检测装置均与第一微控制器连接；
所述环境检测装置包括温度传感器、湿度传感器、视频检测、风速检测、土壤墒情检测、雨量传感器、日照检测传感器，所述稻米食品品质检测装置包括气味传感器、声音检测传感器、近红外仪；温度传感器、湿度传感器、气味传感器、声音检测传感器通过串口与第一微控制器连接；
所述通讯模块为无线通讯模块或有线通讯模块。
优选地，所述通讯模块为WIFI通信模块，WIFI通信模块为适用于短距离无线传输的通信模块；所述通讯模块或者为4G通信模块，4G通信模块适用于长距离无线通信，并具有通信速度快、网络频谱宽的特点。
更进一步优选地，
所述控制终端包括温度控制装置、湿度控制装置、稻米食品全产业链各环节控制装置，所述温度控制装置、湿度控制装置、稻米食品全产业链各环节控制装置与第二微控制器连接。
更进一步优选地，
所述信息处理中心包括基本信息数据库、数据处理系统、执行功能系统；
所述基本信息数据库信息包括育秧信息、种植信息、仓储管理信息、加工管理信息；
所述数据处理系统用于将通过基本信息数据库进行综合决策，筛选最优的稻米食品全产业链各环节生产与管理参数；
所述稻米食品全产业链各环节生产与管理参数包括企业生产管理与决策，如原料采购，产品生产与调度，产品质量监控，销售及人员管理；
所述执行功能系统包括稻米全产业链各环节信息的采集与控制，交易管理，基本信息数据库的管理；
所述基本信息数据库的管理包括数据存取、追加、修改、储存。
采用所述系统进行稻米食品信息系统的建立方法，其特征在于：检测终端工作采集温度、湿度、气味、声音信息、稻米食品加工信息，并反馈给信息中心，若与设定条件有偏差时，则信息中心向控制终端发出指令，控制适宜的稻米食品全产业链各环节生产与管理参数。
所述的稻米食品信息系统或所述的稻米食品信息系统建立方法用于企业生产管理、稻米食品质量安全管理、食品信息溯源。
本发明有益效果如下：
1、食品安全问题的发生，必须实现源头控制，通过建立良好操作技术规范，建立生产各环节的质量控制技术，建立全产业链的高效安全生产信息平台，通过全产业链信息平台，监控和防止各种危害因子的产生和迁移，可为稻米食品产业链的高效安全生产奠定基础。
2、本发明信息系统采用全程监控及在线监测，实时采集生产中各环节的数据，并上传到系统数据库，避免了人为数据输入产生错误。
3、本发明稻米食品仓储管理中应用电子鼻检测稻谷霉菌的气味信息，确定霉菌数量与气味物质浓度的关系，实现定量分析；采用较少的典型的传感器，搭建了在线监测系统，成本低，效果好，快速在线监测稻米霉菌程度，便于快速推广应用。
4、本发明通过实现在线监测，控制食品质量，降低了人力成本，并避免了有害因子对稻米食品品质的影响：对稻米育秧、种植环节的种子、肥料、土壤墒情、温度、湿度等信息进行监测，避免稻米育秧、种植环节的有害因子的影响；仓库管理模块，对稻谷的入库信息、品质信息，储藏信息即霉菌、害虫信息进行在线监测，避免食品安全隐患；稻米食品加工过程采用视频在线监测、稻米食品品质在线监测(近红外在线监测)等技术，避免人为因素对食品质量产生影响，适时监测稻米品质，实现稻米食品安全生产，质量稳定控制。
5、本发明将生产管理、食品质量控制与管理、食品信息溯源整合在一个平台，实现了管理供应链上下游全生产周期管理，终端客户可以对稻米食品的产品种植和生产制造进行溯源，同时，本系统还可提供库存协同、交货管理、报表管理及运营数据分析等业务的在线操作(订单变更、交期确认、询价等)情况，企业用户可以实时监控产品数量和质量，提高了生产管理效率。
附图说明
下面结合附图和实施例对本发明作进一步说明：
图1为本发明的结构示意图；
图2为本发明检测终端的结构示意图；
图3为实施例1稻米食品全产业链信息系统结构框图；
图4为实施例1育秧环节数据库设计流程图；
图5为实施例1育秧模块示意图；
图6为实施例1种植环节数据库设计流程图；
图7为实施例1种植模块示意图；
图8为实施例1种仓储管理模块示意图；
图9为实施例1稻米加工过程流程图；
图10为实施例1稻米初加工产品溯源图；
图11为实施例1稻米深加工产品溯源数据库设计包含信息；
图12为实施例2室外气象信息采集系统结构图；
图13为实施例3U型支架的结构示意图；
图14为实施例4粮仓霉菌、温湿度检测系统
图15为实施例5霉菌信号采集系统结构图；
图16为实施例5控制系统结构框图。
图17为实施例5 20℃、40℃、60℃萃取，第1d气相色谱图；
图18为实施例5电子鼻对稻谷挥发性气味物质的响应强度随采样时间的变化；
图19为实施例5不同储藏天数稻谷样品的指纹图(顶空温度20℃)；
图20为实施例5不同储藏天数稻谷样品的指纹图(顶空温度40℃)；
图21为实施例5不同储藏天数稻谷样品的指纹图(顶空温度60℃)；
图22为实施例520℃电子鼻响应值主成分；
图23为实施例5 40℃电子鼻响应值主成分分析分析；
图24为实施例560℃电子鼻响应值主成分分析；
图25为实施例6仓储害虫检测系统；
图26为实施例6计算机分析处理系统；
图27为实施例6仓储害虫监测系统结构图；
图28为实施例7水稻种植过程视频监控系统结构图；
图29为实施例7水稻种植过程视频监控图；
图30为实施例7大米粗加工过程视频监控系统结构；
图31为实施例7大米粗加工过程监控图；
图中：检测终端1，通讯模块2，信息处理中心3，控制终端4，第一电磁阀5，第二电磁阀6，风机7，第三电磁阀8，第四电磁阀9，洗气管道10，外排气管道11，气体分流室12，内排气管道13，数据采集装置14，过滤物15，粮仓16，埋没式进气管17，稻米18，顶空式进气管19，第五电磁阀20。
具体实施方式
下面结合实施例来进一步说明本发明，但本发明要求保护的范围并不局限于实施例表述的范围。
一种稻米食品全产业链信息系统，包括信息采集模块，信息传输模块，信息处理模块，综合决策模块，信息存储模块，信息输出模块，所述信息为稻米食品全产业链各环节信息，包括育秧信息、种植信息、仓储管理信息、加工管理信息；所述稻米食品全产业链各环节包括育秧环节、种植环节、仓储管理环节、加工管理环节；
所述信息传输模块包括将从稻米食品全产业链各环节现场所采集到的原始信息经有线或无线方式经过通讯模块传递到远程监控终端，和远程监控终端的控制信息经过中继点传递到控制终端；
所述信息处理模块包括原始采集数据标准化转换得到标准化数据，基于标准化数据的综合计算；
所述综合决策模块包括对稻米食品全产业链各环节控制，具体为根据当前稻米产业链信息和综合计算结果调节稻米育秧、种植、稻米仓储、稻米加工的环境及工艺参数控制条件，使稻米品质保持在设定的范围内；
所述信息存储模块用于将上述信息制成数据库表格加以存储；
所述信息输出模块包括将远程监控终端监控信息输出到电脑、手机、屏幕、打印机。
优选地，
所述育秧信息包括育秧人员信息(员工编号、姓名、性别、年龄、工龄、岗位、家庭住址、联系方式)、设备信息(包括设备基本信息(机器编号、类型、型号、品牌、价格、状态、购买日期、使用年限)、设备维护信息(设备编号、维护周期、维护员、维护日期))、大棚信息(大棚基本信息、大棚土壤信息、室内环境信息、光照信息、温度信息、水信息、气信息)、种子信息(种子基本信息、种子质量信息、浸种操作信息、暗化操作信息、散盘操作信息)、药品信息(包括基本信息(药品批次号、药品名称、生产标准、剂型、作用)、喷药操作信息(种子批次号、药品批次号、用量、日期、操作员))、秧苗管理信息(托盘批次号、育秧地点、育秧批次号、起始日期、结束日期、负责人)；
所述种植信息包括农田信息(农田基本信息、农田环境信息、农田气象信息、农田土壤信息、农田水资源信息)、秧苗信息(秧苗长势信息、秧苗生物量信息、灌溉操作信息、施肥操作信息、除虫操作信息)、产量信息(编号、秧苗批次号、收割编号、产量、日期、负责人)；
所述仓储管理信息包括人员信息(员工编号、姓名、性别、年龄、工龄、岗位、家庭住址、联系方式)、设备信息(机器编号、类型、型号、品牌、价格、状态、购买日期、使用年限)，仓库信息(仓库编号、仓库地点、仓库容量、粮食储存量、标准、日期、仓管员)、入库信息(包括入库粮食信息(入库编号、品种、类型、批次、重量、来源、入库日期、仓库、仓管)、营养成分信息(蛋白质、脂肪、淀粉、维生素)、理化特性信息(硬度、腹白、爆腰、粒度、精度、糊化温度、直链淀粉含量)、粮食质量信息(入库编号、理化特性编号、营养成分编号、霉菌、虫害、原料等级、日期))、仓库环境监控信息(仓库编号、粮堆温度、粮堆湿度、仓库温度、害虫监测、霉菌监测、日期)、营养成分信息(蛋白质、脂肪、淀粉、维生素)、理化特性信息(硬度、腹白、爆腰、粒度、精度、糊化温度、直链淀粉含量)、粮食质量信息(入库编号、理化特性编号、营养成分编号、霉菌、虫害、原料等级、日期))、出仓信息(出仓粮食信息(出库编号、品种、类型、批次、重量、流向、出仓日期、仓库号、仓管员)、稻米品质信息(营养成分信息(蛋白质、脂肪、淀粉、维生素)、理化特性信息(硬度、腹白、爆腰、粒度、精度、糊化温度、直链淀粉含量)、粮食质量信息(霉菌、虫害、原料等级))；
所述加工管理信息包括人员信息(员工编号、姓名、性别、年龄、工龄、岗位、家庭住址、联系方式)、进料信息(进料编号、品种、类型、来源、重量、操作员、日期)、设备信息((包括设备基本信息(机器编号、类型、型号、品牌、价格、状态、购买日期、使用年限、工作线)、设备维护信息(设备编号、维护周期、维护员、维护日期))、稻米食品加工信息(清理(日期、清理参数、清理编号)、垄谷(日期、垄谷编号、垄谷参数)、碾米(日期、碾米编号、碾米参数)、加工环境(湿度、温度、日期)、加工设备(设备编号、进料编号、参数))和出产信息(出料编号、产品编号、重量、流向、用途)；
稻米食品包括大米或糙米卷或糙米酥或八宝粥；
所述综合计算包括基于标准化数据进行稻米品质的数据分析，所述稻米品质包括营养成分信息(蛋白质、脂肪、淀粉、维生素)、理化特性信息(硬度、腹白、爆腰、粒度、精度、糊化温度、直链淀粉含量)、粮食质量信息(霉菌、虫害、原料等级)。
进一步优选地，
所述信息采集模块通过检测装置实现，
所述稻米食品全产业链各环节控制通过控制装置实现，
所述信息处理模块、综合决策模块通过信息处理中心实现，
所述信息传输模块通过检测装置、通讯模块和环境控制装置实现；
所述检测装置包括多个检测终端1，所述稻米食品全产业链各环节控制装置包括若干个控制终端4，所述检测终端1、控制终端4与通讯模块2连接，通讯模块2与信息处理中心3连接；所述检测终端1用于检测稻米食品全产业链各环节环境信息或/和稻米品质信息，检测终端1设于稻米食品全产业链各环节；
所述控制终端4用于控制稻米食品全产业链各环节的温度、湿度及工艺参数；
所述信息处理中心3为电脑、手机、或服务器，信息处理中心3包含人机界面，用于对数据进行接收、数据分析、执行功能。
更进一步优选地，
所述检测终端1包括环境检测装置、稻米品质检测装置、第一微控制器，环境检测装置、稻米食品品质检测装置均与第一微控制器连接；
所述环境检测装置包括温度传感器、湿度传感器、视频检测、风速检测、土壤墒情检测、雨量传感器、日照检测传感器，所述稻米食品品质检测装置包括气味传感器、声音检测传感器、近红外仪；温度传感器、湿度传感器、气味传感器、声音检测传感器通过串口与第一微控制器连接；
所述通讯模块2为无线通讯模块或有线通讯模块。
优选地，所述通讯模块2为WIFI通信模块，WIFI通信模块为适用于短距离无线传输的通信模块；所述通讯模块2或者为4G通信模块，4G通信模块适用于长距离无线通信，并具有通信速度快、网络频谱宽的特点。
更进一步优选地，
所述控制终端4包括温度控制装置、湿度控制装置、稻米食品全产业链各环节控制装置，所述温度控制装置、湿度控制装置、稻米食品全产业链各环节控制装置与第二微控制器连接。
更进一步优选地，
所述信息处理中心3包括基本信息数据库、数据处理系统、执行功能系统；
所述基本信息数据库信息包括育秧信息、种植信息、仓储管理信息、加工管理信息；
所述数据处理系统用于将通过基本信息数据库进行综合决策，筛选最优的稻米食品全产业链各环节生产与管理参数；
所述稻米食品全产业链各环节生产与管理参数包括企业生产管理与决策，如原料采购，产品生产与调度，产品质量监控，销售及人员管理；
所述执行功能系统包括稻米全产业链各环节信息的采集与控制，交易管理，基本信息数据库的管理；
所述基本信息数据库的管理包括数据存取、追加、修改、储存。
采用所述系统进行稻米食品信息系统的建立方法，检测终端工作采集温度、湿度、气味、声音信息、稻米食品加工信息，并反馈给信息中心，若与设定条件有偏差时，则信息中心向控制终端发出指令，控制适宜的稻米食品全产业链各环节生产与管理参数。
所述的稻米食品信息系统或所述的稻米食品信息系统建立方法用于企业生产管理、稻米食品质量安全管理、食品信息溯源。
实施例1本发明稻米食品全产业链信息系统
稻米食品全产业链信息系统主要对稻米育秧种植、存储环节、视频监控系统、销售环节中关键信息进行采集，针对上述环节的实际情况，设计不同的软硬件结构的信息采集节点，实现稻米育秧种植环境温湿度信息、气象数据、稻米存储霉菌、虫害及温湿度信息采集与糙米营养食品溯源信息录入。稻米食品全产业链信息系统结构框图如图3所示。水稻种植环节前还设有育秧环节，其中育秧环节数据库设计流程如图4，育秧模块如图5所示。水稻种植环节数据库设计流程如图6所示，种植模块如图7所示。仓储管理模块如图8所示。稻米加工过程如图9所示。稻米初加工产品溯源图如图10所示。稻米深加工产品溯源数据库设计包含信息如图11所示。
实施例2室外气象信息采集系统
室外气象信息采集系统结构件图12所示。室外环境气象信息采集(温度、湿度、风速、日照、降雨量等)。
粮食作物对环境依赖程度大，要实现智能的精细化生产与监控，就要随时随地的掌握生产基地的环境情况，室外环境气象信息采集系统实时采集温度、湿度、风速、光强、降雨量等种植基地的环境指标，每隔5秒向云服务器上传一次数据，管理员可以直接登陆网站，查看实时的环境数据。
室外气象信息采集系统包括本地存储显示和上传数据到云端数据库显示两个部分，本地的数据存储在本地的电脑上。获取本地数据之后，通过POST的方式，将数据存储在云数据库。
实施例3生产过程产品质量的在线检测
采用近红外在线监测原料入库品质(稻谷水分、蛋白质等稻米品质近红外在线检测)。
一、近红外在线检测平台
近红外在线检测平台包括皮带传输装置、在线近红外仪、支架、电脑等，具体如下：
皮带传输装置(带长(从粮食出口到末端)270cm，带宽50.3cm，速度0至4.7m/s，由现代农业工程实验室提供)；在线近红外分析仪(型号SupNIR-4692，聚光科技有限公司提供)；U型支架(如图13，其中左上为U型支架的主视图，右上是侧视图，左下俯视图。)；电脑；跳线(铠装单模双芯ST-ST)。
二、对未知品质的稻米食品样品进行近红外光谱扫描，采用建立的预测模型对未知稻米食品品质指标进行预测；
其中特征波长如下：
稻谷水分：1310nm、1402nm、1593nm、1738nm和1772nm；
稻谷蛋白质：1206nm、1254nm、1274nm、1563nm和1752nm；
稻谷脂肪：1343nm、1369nm、1489nm、1574nm和1583nm；
稻谷总糖：1086nm、1273nm、1279nm、1577nm和1643nm；
稻谷灰分：1079nm、1181nm、1417nm、1426nm和1494nm；
糙米水分：1026nm、1102nm、1213nm、1313nm和1746nm；
糙米蛋白质：1168nm、1170nm、1250nm、1780nm和1779nm；
糙米脂肪：1625nm、1536nm、1712nm、1026nm和1042nm；
糙米总糖：1008nm、1326nm、1377nm、1525nm和1599nm；
糙米灰分：1073nm、1068nm、1141nm、1259nm和1785nm；
精米水分：1060nm、1274nm、1293nm、1328nm和1408nm；
精米蛋白质：1254nm、1285nm、1516nm、1554nm和1717nm；
精米脂肪：1018nm、1536nm、1608nm、1625nm和1712nm；
精米总糖：1304nm、1338nm、1617nm、1726nm和1745nm；
精米灰分：1452nm、1472nm、1481nm、1724nm和1759nm；
谷壳率：1127nm、1264nm、1446nm、1495nm和1597nm；
糙米含碎率：1123nm、1301nm、1317nm、1326nm和1681nm；
碎米率：1183nm、1243nm、1579nm、1584nm和1723nm；
糠粉率：1157nm、1602nm、1723nm、1728nm和1730nm；
整精米率：1114nm、1151nm、1257nm、1659nm和1680nm；
上述特征波长允许有±2nm的偏差；
稻谷品质预测模型如下：
稻谷脂肪：
z1＝3.65+7321.89B1343-5457.37B1369-8170.05B1489-5348.06B1574-5875.20B1583
稻谷总糖：
z2＝-5598.11+1674.04B1086+1661.46B1273-1795.13B1279-2264.71B1577+2155.48B1643
稻谷灰分：
z3＝-58.78+146.48B 1079+145.52B1181+147.00B1417-170.55B1426-137.90B1494
糙米水分：
z4＝-1860.68-235.90B 1026+210.77B1102-262.47B1213-296.55B1313-210.27B1746
精米蛋白质：
z4＝891.84+265.19B1254–221.13B1285+220.95B1516–224.46B1554-281.71B1717
稻谷谷壳率的预测模型
谷壳率：
z5＝242.98+237.70B 1127-334.69B1264-229.12B1446+254.35B1495-251.58B1597
碎米率：
z6＝4405.08+5499.36B 1183-7169.48B1243-4562.46B1579+5392B1584-5103.13B1723
糠粉率：
z7＝-569.08-483.37B 115-539.07B1602-406.66B1723+413.39B1728-333.22B1730
整精米率：
z8＝-10065-2434.67B 1114+2215.91B1151-2450.11B1257+2500.71B1659-2382.3B1680
稻谷蛋白质:
z9＝145.69-204.71B 1206+374.48B1254-213.53B1274+224.41B1563-2.6.69B1752
实施例4稻谷仓储信息采集与监测
粮食在储存过程中，容易发生霉菌，影响粮食的品质，使粮食企业蒙受巨大的经济损失，霉菌后的粮食若流向市场将严重影响人类健康。研究表明，粮仓中的温湿度会影响霉菌的代谢活动，而霉菌活动会产生特殊气味的挥发性物质。通过检测粮仓内的温湿度以及特殊气体的浓度便可以判断储粮是否发生霉菌，入侵储粮的霉菌种类，以及储粮的霉菌程度。
由于霉菌在粮堆中的代谢活动会产生特定的气味物质，可以通过检测这些特定的气味物质浓度来达检测霉菌浓度的目的。根据相关研究结果表明，粮食霉菌会产生烷烃类、烯烃类、硫化氢等气体。
确定特定霉菌代谢产生的指纹物质，选择合适的气体传感器和无线射频模块，基于STM32最小系统搭建硬件检测平台，在MDK5开发环境中编程实现粮仓温湿度、二氧化碳浓度、酒精浓度、甲烷浓度、硫化氢浓度以及空气质量的实时采集、显示、存储、发送。
以Raspberry Pi 3作为网关节点的硬件平台基础，基于Raspbian系统采用Qt 5开发平台，编写应用程序，实现采集指令的轮询发送、环境参数的实时汇集与转发等功能。在PC端基于VS 2013开发现场实时环境监测软件，实现对粮仓内环境数据、报警信息的显示、录入、存储等功能。在下位机中设定气体浓度、温湿度阈值，实现超限报警功能，并将报警信息发送至上位机。
图14为粮仓霉菌、温湿度检测系统其中具体设备型号如下：路由器：TP-Link双频无线路由器，上位机：树莓派(Raspberry Pi Model 3B)，下位机：stm32f407单片机，存储设备：系数盈动硬盘或U盘，酒精传感器：MQ3传感器(25～500ppm)，可燃气体传感器：MQ4传感器(300～10000ppm)，空气质量传感器：MQ135传感器(测氮气、甲苯、烟、氢气等，范围：25～500ppm)，温湿度传感器：奥博赛德温湿度变送器(带显示，RS485通信)，硫化氢传感器：MQ136传感器(1～200ppm)
实施例5采用电子鼻传感器的稻米霉菌在线监测系统
一种稻米霉菌在线监测系统，结构如图15所示，控制系统结构框图如图16所示，包括粮仓16，在粮仓16的上部有气体分流室12，气体分流室12的底部与顶空式进气管19及埋没式进气管17连接，在顶空式进气管19和埋没式进气管17的端部均设有絮状过滤物；所述气体分流室12内设有数据采集装置14，气体分流室12的顶部通过连接管与外排气管道11及内排气管道13连接，外排气管道11通向粮仓16的外部，内排气管道13通向粮仓16的内部，在气体分流室12与外排气管道11及内排气管道13之间设有风机7，所述气体分流室12还与洗气管道10连接。
优选地，所述数据采集装置14包括若干个气敏传感器及单片机，气敏传感器与单片机的输入端连接，单片机的输出端连接有多个电磁阀，所述多个电磁阀包括设于外排气管道11上的第一电磁阀5、内排气管道13上的第二电磁阀6、顶空式进气管道19上的第三电磁阀8、洗气管道10上的第四电磁阀9以及埋没式进气管道17上的第五电磁阀20，单片机的输出端还与风机7连接，控制风机的启停。
进一步优选地，所述单片机还与计算机连接。
更进一步优选地，所述气敏传感器分别为T30/1传感器、PA/2传感器、P30/1传感器和P30/2传感器。
采用所述的稻米霉菌在线监测系统进行稻米霉菌监测方法，其特征在于：所述方法具体包括以下步骤：
1)采用稻米霉菌在线监测系统提取粮仓内气味信号进行提取，并对气味信号进行消噪、滤波处理，得到处理后气味信号数据；
2)步骤1)得到处理后气味信号数据带入稻米霉菌预测模型，预测稻米霉菌程度；
完成稻米霉菌的预测。
所述步骤2)稻米霉菌预测模型建立方法步骤如下：
①采用GC-MS分析稻米霉菌的典型挥发物；
②通过电子鼻采集不同霉菌程度下的气味信号，筛选得到对稻米霉菌信号敏感的电子鼻探头，建立稻米霉菌的典型挥发物与电子鼻信号的模型，即稻米霉菌预测模型。
所述稻米霉菌的典型挥发物十五烷、十六烷和二十六烷；
当传感器为电子鼻传感器时，所述稻米霉菌预测模型如下：
1)检测温度为室温(20℃)时，
y＝-2.98×105-2.72×106x1+2.43×106x2+1.49×106x3，R2＝0.820
其中，y为霉菌浓度(cfu/g),x1为电子鼻探头T30/1响应值，x2为电子鼻探头PA/2响应值，x3为电子鼻探头P30/1响应值；
其中PA/2同时与稻谷霉菌浓度、霉菌典型挥发物十六烷相对含量存在显著的相关关系，使用PA/2探头响应值与十六烷相对含量进行线性拟合，可得到如下方程：
y＝-30.04+163.45x，R2＝0.782
其中，y为十六烷相对含量(％)，x为电子鼻探头PA/2响应值。
2)当检测温度为40℃时，所述稻米霉菌预测模型如下：
y＝9.052×105-7.072×106x，R2＝0.826
其中，y为霉菌浓度(cfu/g)，x为电子鼻探头P30/2响应值。
其中：
稻谷挥发性物质的鉴定
对稻谷的挥发性物质进行GC-MS鉴定，色谱图如图17所示(仅列出接种亮白曲霉第1d 20℃、40℃、60℃萃取条件下的气相色谱图)。对其中的挥发性物质进行分析，在20℃萃取条件下共检测出化合物17种，其中烷烃类14种，酸酯类2种，醚类1种；40℃萃取条件下共检测出化合物22种，其中烷烃类17种，酚类1种，醛类1种，醚类2种；60℃萃取条件下共检测出化合物45种，其中烷烃类28种，醛类7种，醇类2种，醚类2种，酚类2种，其他类4种。稻谷的种类差别主要在5-33min之间，且色谱峰形状有差别，表明挥发性物质的种类存在差异，物质均得到很好的分离，因此萃取方法和气相条件非常适合本实验。
稻谷挥发性物质的相对含量
在接种亮白曲霉之后，由于气质联用仪前处理的平衡温度和培养时间的不同，气质联用仪检测出来的挥发性物质出现的种类和主要物质也发生相应变化，结合质谱图用归一化法来处理物质，除去检测到少量硅氧类化合物以及色谱柱流失的化合物，其20℃、40℃、60℃物质表分别如表1、表2、表3所示：
(1)在20℃条件下，检测出来的物质较少，且大部分为烷烃类物质，只有少量的其他物质存在，在原始样和接种第一天的样品中，未检测出挥发性物质，培养三天之后陆续出现了不同的物质，其中变化较明显的且相对含量变化较大的物质主要有十六烷，十七烷和二叔-十二烷基-二硫醚，尤其是十七烷，在接种第三天的时候，在所检测物质中其相对含量达到100％，之后相对含量持续下降。在12d的时候，检测出2,3,5-三甲基-癸烷，十二烷和十三烷，而6d、9d检测出来的含量较高的十六烷和二叔-十二烷基-二硫醚未在12d中检出。
表1 20℃条件下气味物质相对含量/％
Figure BDA0001284492790000161
备注：“0d”表示未接种霉菌的稻谷样品。
(2)40℃水浴条件下稻谷的主要物质种类与20℃类似，依然以烷烃类物质为主，其他类物质较少(烷烃类物质的分子量集中在C10-C30之间，并且变化较明显，符合实验预期的物质主要有四种，分别是十三烷，十四烷，十六烷，十七烷。十三烷是原始样中特有的物质，只在原始样品的检测中出现，在发霉之后，十三烷完全消失，而十四烷则是在发霉第九天之后才出现的物质，而且其含量呈上升趋势，十六烷和十七烷都是原始样中没有的物质，而在接种第一天之后纷纷出现，并且相对含量变化较大，其中十六烷在接种第十二天时消失，十七烷含量呈下降趋势。
表2 40℃水浴条件下气味物质的相对含量/％
Figure BDA0001284492790000171
(3)在60℃时，烷烃由于水浴温度较高发生了氧化和消去反应出现了大量的烯烃和少量的醛、醇和酚等其他类物质。因此60℃条件下的稻谷主要挥发性物质发生了较大变化，主要有壬醛，十三烷，1-十六烷醇和十七烷。其中壬醛在原始样中就已经检测出来，而到了第六天之后壬醛逐渐消失；同样的，1-十六烷醇也是在原始样中检测出来，并且含量较高，达到了19.11％，而之后含量持续下降，到第三天是含量已经为0；十三烷和十七烷在原始样中未检测出或者只检测出少量物质，十三烷在接种第三天时达到含量的最高值32.77％之后持续下降，而十七烷的含量则持续上升。
表3 60℃水浴条件下各物质相对含量/％
Figure BDA0001284492790000181
气味物质相对含量与霉菌浓度的相关性分析
研究气味物质相对含量与霉菌浓度之间的关系，采用SPSS Statistics对20℃、40℃、60℃水浴萃取温度下得出的各类气味物质的相对含量与霉菌浓度进行相关性分析。由于稻谷接种亮白曲霉12天后，霉菌浓度出现了降低，与气味物质相关性变差，故选择前5个时间点(0d～9d)的气味物质相对含量与霉菌浓度进行相关性分析，结果如4所示。由表可知，顶空萃取的水浴温度为20℃时，十五烷和十六烷的相对含量与霉菌浓度存在显著的正相关性，而十五烷和十六烷之间也存在显著的正相关性(数据未列出)。因此可以推测，20℃萃取温度下，十五烷、十六烷为稻谷霉菌的典型挥发物。顶空萃取的水浴温度为40℃时，气味物质与霉菌浓度未体现出显著的相关性，但十五烷与十六烷之间存在显著的相关性，这一点与20℃时相同(数据未列出)。当顶空萃取的水浴温度为60℃时，二十六烷的相对含量与霉菌浓度存在显著的正相关性。因此二十六烷可作为60℃水浴温度萃取条件下稻谷霉菌的典型挥发物。
表4气味物质相对含量与霉菌浓度的相关性分析(萃取温度20℃、40℃、60℃)
Figure BDA0001284492790000191
注：**表示极显著相关，*表示显著相关
电子鼻的稻谷气味特征的研究
Fox4000型电子鼻对稻谷挥发性气味物质的响应强度随采样时间的变化如图18所示，其工作原理是样品的挥发性成分与传感器涂层接触并反应，引起传感器电导率改变而得到的电导(G)与经活性炭过滤后洁净空气的电导(G0)的比值。待测气体的浓度越大，响应值越偏离1(大于或者小于1)，如果浓度低于检测限或者没有感应气体，则该比值接近甚至等于1。由图18可知，稻谷样品的相对电导率刚开始比较低，随着挥发物在传感器表面富集，传感器相对电导率不断增大，后又逐渐减小，最后趋于平缓。18条曲线代表18个不同的传感器，曲线上的点表示稻谷的挥发性气味物质进入电子鼻时传感器相对电导率(G/G0)随采样时间的变化情况，即传感器对气味物质的响应强度随时间的变化情况。结果表明，Fox4000型电子鼻对稻谷挥发性物质有明显的响应，且各传感器对其响应值各不相同，因此可用来识别稻谷霉菌情况。在后续利用电子鼻处理数据的时候，本系统采用的是响应峰值建立数据库进行分析。
样品的传感器信号分析结果
通过提取各个传感器的最大响应值，可建立储存不同天数的稻谷的指纹图，又称雷达图，如图19至21(顶空采样温度分别为20℃、40℃、60℃)所示。图中清楚地显示了不同储存天数的稻谷样品对18个传感器的反应强度的不同，其中顶空温度20℃样品中，五个传感器(LY2/AA，P30/1，PA/2，P10/2，T30/1)响应值的差别比较明显；顶空温度40℃的样品中，LY2/AA，P10/2，P40/1，P10/1，P30/2响应值差别明显；顶空温度60℃的样品中，LY2/AA，P30/1，P40/1，T40/1，TA/2响应值差别明显。基于前面利用GC-MS对稻谷在不同顶空萃取温度下挥发性物质变化的分析，可以推测各探头的响应值的变化是因为在不同的顶空萃取温度下，稻谷的气味物质相对含量发生了较大改变。
主成分分析(PCA)
PCA图谱中横、纵坐标分别表示在PCA转换中得到的第一主成分(PC1)和第二主成分(PC2)的贡献率(或权重)，贡献率(或权重)越大，说明主成分可以较好的反映原来多指标的信息。
利用电子鼻对不同储存天数的稻谷样品的信号数据进行主成分分析，建立前2个主成分的二维判别图，分析结果如图22至24所示，其中0d代表检测温度未接种霉菌的稻谷原始样，1d至12d分别代表接种亮白曲霉后不同储藏天数(1d～12d)的稻谷样品。
在20℃、40℃、60℃三个顶空温度下检测稻谷不同贮藏天数的样品，PCA分析结果显示不同储藏天数稻谷样品点的分布均有明显差异，得到样品的主成分1(PC1)和主成分2(PC2)的累计方差贡献率分别是93.64％、96.49％、95.81％，累计贡献率均在85％以上，这说明PC1和PC2已经包含了很大的信息量，能够反映样品的整体信息。三种温度下电子鼻对不同稻谷样品的区分指数(电子鼻区分不同样品的能力)分别是90、92、83，说明电子鼻能够很好的区分不同霉菌程度的稻谷，且在40℃下检测对不同储藏天数稻谷的识别能力最高。
电子鼻响应值与稻谷气味物质浓度的相关性分析
通常电子鼻可以告诉我们哪些样品有差异，但并不能指出差异是由哪些成分引起的。电子鼻实际上提供给我们的是样品上方总挥发性成分的整体信息，难以定位到单一成分，不过仍有可能通过相关性分析建立电子鼻探头响应值与某些气味物质的关联。本课题利用SPSS Statistics对电子鼻各传感器响应强度和气味物质相对含量进行相关性分析。选择前5个时间点(0d～9d)的响应值与气味物质相对含量进行相关性分析，结果如表7至9所示。
由表7可知顶空萃取温度为20℃时，2,4,6-三甲基-辛烷、3-甲基-十三烷、2,6,10-三甲基-十五烷、十六烷、2,6,10,14-四甲基-十六烷、十九烷、二十八烷、亚硫酸丁基辛基酯、6-乙基辛-3-基异丁基草酸酯、二-叔十二烷基-二硫醚与电子鼻不同的探头之间均存在显著的正相关性。
由表8可知顶空萃取温度为40℃时，十五烷、十六烷、萘、癸醛与部分电子鼻探头之间均存在显著的正相关性。
由表9可知顶空萃取温度为60℃时，2-甲基[2.2.2]双环辛烷、2,3,5-三甲基癸烷、十二烷、3-甲基十二烷、十三烷、10-甲基十五烷、十五烷、十六烷、十七烷、十八烷、十九烷、二十一烷、二十七烷、右旋萜二烯、D-柠檬烯等26种化合物与电子鼻探头之间显示有显著的相关性。
以上数据表明使用电子鼻可以良好的捕捉稻谷霉菌过程中部分气味物质的相对含量的变化。如果这些气味物质与稻谷的霉菌具备显著相关性，那么便可利用电子鼻的相应探头对稻谷霉菌情况进行监测。
表7电子鼻响应强度与气味物质相对含量的相关性分析(萃取温度20℃)
Figure BDA0001284492790000221
注：1.**表示极显著相关，*表示显著相关。2. 3，8-二甲基-葵烷、2，3，5-三甲基-葵烷、十二烷、十三烷无法计算，故略去。
表8电子鼻响应强度与气味物质相对含量的相关性分析(萃取温度40℃)
Figure BDA0001284492790000222
注：1.**表示极显著相关，*表示显著相关。2.二十五烷、二十六烷、1-石竹烯、trans-1，10-Dimethyl-trans-9-decalinol无法计算，故略去。
表9电子鼻响应强度与气味物质相对含量的相关性分析(萃取温度60℃)
Figure BDA0001284492790000231
注：1.**表示极显著相关，*表示显著相关。2. 2，6，10三甲基十五烷、(+)-花侧柏烯，2-(十四烷氧基)。乙醇、1-十八烷基磺酰氯无法计算，故略去。
电子鼻响应强度和霉菌浓度的回归模型
随着稻谷中霉菌的生长，浓度的升高，稻谷的霉菌气味也得到显著增加，因此通过电子鼻可能可以通过检测霉菌气味的变化来发现稻谷的霉菌情况。为了验证这种可能性，需要对电子鼻各传感器响应强度和霉菌浓度进行相关性分析。由于稻谷接种亮白曲霉12天后，霉菌浓度降低，而稻谷气味物质因发生严重霉菌不会出现明显减少，不利于电子鼻响应值与霉菌之间的相关性，故选择前5个时间点(0d～9d)的电子鼻响应值与霉菌浓度进行相关性分析，结果如表10至12所示。
(1)当顶空萃取温度为20℃(对应检测温度为室温的条件)时，T30/1、PA/2、P30/1三个探头的响应强度和霉菌浓度存在显著的相关性，使用三个探头的响应值与霉菌浓度进行线性拟合，可得到如下方程：
y＝-2.98×105-2.72×106x1+2.43×106x2+1.49×106x3，R2＝0.820
其中，y为霉菌浓度(cfu/g),x1为电子鼻探头T30/1响应值，x2为电子鼻探头PA/2响应值，x3为电子鼻探头P30/1响应值。使用以上方程，可以初步的通过响应探头的响应值来判断稻谷样品的霉菌情况。
而其中PA/2同时与稻谷霉菌浓度、霉菌典型挥发物十六烷相对含量存在显著的相关关系，使用PA/2探头响应值与十六烷相对含量进行线性拟合，可得到如下方程：
y＝-30.04+163.45x，R2＝0.782
其中，y为十六烷相对含量(％)，x为电子鼻探头PA/2响应值。使用以上方程，可以初步的通过响应探头的响应值来预测十六烷的相对含量。
(2)当顶空萃取温度为40℃(对应检测温度为40℃的条件)时，数据分析表明，电子鼻探头P30/2的响应值与霉菌浓度存在显著相关性。对它们进行线性拟合，得到的方程式为：
y＝9.052×105-7.072×106x，R2＝0.826
其中，y为霉菌浓度(cfu/g)，x为电子鼻响应值。
因此，在40℃顶空萃取条件下，P30/2有用作检测霉菌浓度电子鼻探头的潜力。但由于并未发现在该温度条件下，稻谷有任何典型霉菌气味物质。因此在该温度下，理论上应无法利用电子鼻检测相关气味物质实现霉菌程度的检测，通过P30/2建立的霉菌浓度检测模型可能并不准确。此外，在3.4.3中，虽然发现十五烷、十六烷、萘、癸醛的相对含量与部分电子鼻探头之间存在显著的正相关性，但本次实验中这些气味物质均与霉菌浓度不存在相关性，因此这它们的相关性可能是由于数据变化区间较小或与探头响应值受多种气味物质的变化影响有关，需要进一步研究确认。
(3)当顶空温度为60℃时，虽然发现有较多气味物质相对含量与电子鼻探头响应值之间显著相关，但这些气味物质中却并不包括发现的霉菌典型挥发物二十六烷，因此它们与稻谷霉菌浓度并不具备显著相关性。该条件可能并不适合使用电子鼻检测稻谷霉菌情况。
表10霉菌浓度和电子鼻响应强度的相关性分析(萃取温度20℃)
Figure BDA0001284492790000251
注：**表示极显著相关，*表示显著相关。
表11霉菌浓度和电子鼻响应强度的相关性分析(萃取温度40℃)
Figure BDA0001284492790000252
注：**表示极显著相关，*表示显著相关。
表12霉菌浓度和电子鼻响应强度的相关性分析(萃取温度60℃)
Figure BDA0001284492790000261
注：**表示极显著相关，*表示显著相关。
实施例6稻谷仓储害虫的监测与预警
粮食损失常因遭受到虫、霉、鼠、雀等有害生物侵害，这其中虫害是造成粮食损失的主要因素，在粮食储藏中的危害尤为重大。因此早期发现和准确定位储粮害虫的发生部位，是储粮工作中一项重要内容。声学监测法是通过监测和分析害虫在粮食堆中的活动和进食声音来获取有效信息帮助发现和定位储粮害虫。其基本原理是利用传感器采集声音信号并进行放大处理，然后通过对信号进行处理剔除背景噪音获取昆虫发出的声音，根据声音特征分辨出昆虫种类和密度，并将虫害信息发送至网络服务器，实现虫害远程监控。其中仓储害虫检测系统图25，图26计算机分析处理系统，仓储害虫监测系统结构图27所示。
由于害虫活动的声音信号主要的能量频率范围在500-1500Hz之间，STM32F407ZGT6包含3个ADC。STM32F4的ADC最大转换频率为2.4MHz(即最大采样频率为2.4MHz)，根据香农采样定理，如果信号带宽小于采样频率的二分之一，那么此时这些离散的采样点能够完全表示原信号。因此通过STM32的ADC可以完成对害虫声音的采集。
为了提高采集灵敏度，采用panasonic(松下)WM-61AM驻极体麦克风，其基本参数如表13所示。
表13驻极体麦克风参数
Figure BDA0001284492790000262
实施例7稻米食品加工过程视频监控系统
稻米食品加工全产业链信息包括原材料(大田种植稻谷)生长信息采集，大米加工和深加工信息采集。而原材料生产现场一般具有分布偏远、环境变化较大、作物生长过程复杂等特点，同时食品加工现场与大田种植现场不在同一片区域，而且不同食品加工环境与工艺都有不同的要求。单纯的通过无线传感网络获取生产环节的环境信息，而没有直观实时的视频图像信息，这会给生产管理带来极大的困难。因此在食品生产加工的各个关键环节以及大田种植环节加入视频监控，能够对食品生产加工状况以及作物生长状况有一个整体的了解，也为相关的管理人员更加快捷高效地监管提供可能。对于消费者而言，通过访问福娃糙米食品全产业链信息系统网站中相关生产加工环节的实时视频信息，对于消费者实现糙米营养食品全程信息透明化，保障消费者对产品信息的知情权有重要的意义。
水稻种植过程视频监控系统
由于水稻生长周期较长，每天生长状况差别不大，而且网络服务器空间有限，因此不需要将水稻生长的所有视频数据上传至网络服务器。同时现有的监控系统是由海康威视提供的，该监控系统具有实时监控、录像回放、事件检测、日志管理等功能。但此系统不具备在线监控功能，无法满足实际需求。针对这些情况，采取在本地监控主机上运用Java编写应用程序，通过访问本地视频数据库，每天定时截取2min本地视频信息发送至网络服务器。水稻种植过程视频监控系统结构如图28所示，图29水稻种植过程视频监控图。
大米初加工过程视频监控系统
在大米初加工环节，由于厂区内的监控视频无法捕捉到各关键加工环节的细节视频，因此需要在相应的加工环节加入小型摄像头，来获取相应的加工视频。这样能让管理者从细节上把控产品质量，同时消费者也能通过访问相关网站，来获取加工细节视频。本方案采用树莓派与Raspberry Pi PiNoir Camera V2摄像头模块构成本地监控系统，利用硬盘来存储本地视频数据。考虑到网络服务器空间有限，通过在树莓派中编写相应的服务程序，每天定时截取各监控环节2min视频，通过路由器将监控信息发送至网络服务器。大米初加工过程视频监控系统结构图，如图30所示。大米初加工过程监控图，如图31所示。

Claims (6)

1.一种稻米食品全产业链信息系统，包括信息采集模块，信息传输模块，信息处理模块，综合决策模块，信息存储模块，信息输出模块，其特征在于：
所述信息为稻米食品全产业链各环节信息，包括育秧信息、种植信息、仓储管理信息、加工管理信息；所述稻米食品全产业链各环节包括育秧环节、种植环节、仓储管理环节、加工管理环节；
所述信息传输模块包括将从稻米食品全产业链各环节现场所采集到的原始信息经有线或无线方式经过通讯模块传递到远程监控终端，和远程监控终端的控制信息经过通讯模块传递到控制终端；
所述信息处理模块包括原始采集数据标准化转换得到标准化数据，基于标准化数据的综合计算；
所述综合决策模块用于包括对稻米食品全产业链各环节控制，具体为根据当前稻米产业链信息和综合计算结果调节稻米育秧、种植、稻米仓储、稻米加工的环境及工艺参数控制条件，使稻米品质保持在设定的范围内；
所述信息存储模块用于将上述信息制成数据库表格加以存储；
所述信息输出模块包括将远程监控终端监控信息输出到电脑、手机、屏幕、打印机；
所述育秧信息包括育秧人员信息、设备信息、设备维护信息、大棚信息、种子信息、药品信息、喷药操作信息、秧苗管理信息；
所述种植信息包括农田信息、秧苗信息、产量信息；
所述仓储管理信息包括人员信息、设备信息，仓库信息、入库信息、仓库环境监控信息、营养成分信息、理化特性信息、粮食质量信息、出仓信息、稻米品质信息；
所述加工管理信息包括人员信息、进料信息、设备信息、设备维护信息、稻米食品加工信息、垄谷、碾米、加工环境、加工设备和出产信息；
所述稻米食品包括大米或糙米卷或糙米酥或八宝粥；
所述综合计算包括基于标准化数据进行稻米品质的数据分析，所述稻米品质包括营养成分信息、理化特性信息、粮食质量信息；
所述信息采集模块通过检测装置实现，
所述稻米食品全产业链各环节控制通过控制装置实现，
所述信息处理模块、综合决策模块通过信息处理中心实现，
所述信息传输模块通过检测装置、通讯模块和环境控制装置实现；
所述检测装置包括多个检测终端（1），所述稻米食品全产业链各环节控制装置包括若干个控制终端（4），所述检测终端（1）、控制终端（4）与通讯模块（2）连接，通讯模块（2）与信息处理中心（3）连接；所述检测终端（1）用于检测稻米食品全产业链各环节环境信息或/和稻米品质信息，检测终端（1）设于稻米食品全产业链各环节；
所述控制终端（4）用于控制稻米食品全产业链各环节的温度、湿度及工艺参数；
所述信息处理中心（3）为电脑、手机、或服务器，信息处理中心（3）包含人机界面，用于对数据进行接收、数据分析、执行功能；
所述检测终端（1）包括环境检测装置、稻米品质检测装置、第一微控制器，环境检测装置、稻米食品品质检测装置均与第一微控制器连接；
所述环境检测装置包括温度传感器、湿度传感器、视频检测传感器、风速检测传感器、土壤墒情检测传感器、雨量传感器、日照检测传感器，所述稻米食品品质检测装置包括气味传感器、声音检测传感器、近红外仪；温度传感器、湿度传感器、气味传感器、声音检测传感器通过串口与第一微控制器连接；
所述通讯模块（2）为无线通讯模块或有线通讯模块；
还包括稻米霉菌监测方法，所述方法包括以下步骤：
1）对粮仓内气味信号进行提取，并对气味信号进行消噪、滤波处理，得到处理后气味信号数据；
2）步骤1）得到处理后气味信号数据带入稻米霉菌预测模型，预测稻米霉菌程度；
完成稻米霉菌的预测；
所述步骤2）稻米霉菌预测模型建立方法步骤如下：
①采用GC-MS分析稻米霉菌的典型挥发物；
②通过电子鼻采集不同霉菌程度下的气味信号，筛选得到对稻米霉菌信号敏感的电子鼻探头，建立稻米霉菌的典型挥发物与电子鼻信号的模型，即稻米霉菌预测模型；
所述稻米霉菌的典型挥发物十五烷、十六烷和二十六烷；
当传感器为电子鼻传感器时，所述稻米霉菌预测模型如下：
1）检测温度为室温，20℃时，
y = -2.98×105 - 2.72×106x1 + 2.43×106x2 + 1.49×106x3，R2=0.820
其中，y为霉菌浓度，x1为电子鼻探头T30/1响应值，x2为电子鼻探头PA/2响应值，x3为电子鼻探头P30/1响应值；
其中PA/2同时与稻谷霉菌浓度、霉菌典型挥发物十六烷相对含量存在显著的相关关系，使用PA/2探头响应值与十六烷相对含量进行线性拟合，可得到如下方程：
y=-30.04+163.45x，R2=0.782
其中，y为十六烷相对含量，x为电子鼻探头PA/2响应值；
2）当检测温度为40℃时，所述稻米霉菌预测模型如下：
y=9.052×105-7.072×106x，R2=0.826
其中，y为霉菌浓度，x为电子鼻探头P30/2响应值。
2.根据权利要求1所述一种稻米食品全产业链信息系统，其特征在于：所述通讯模块（2）为WIFI通信模块，WIFI通信模块为适用于短距离无线传输的通信模块；所述通讯模块（2）或者为4G通信模块，4G通信模块适用于长距离无线通信，并具有通信速度快、网络频谱宽的特点。
3.根据权利要求1所述一种稻米食品全产业链信息系统，其特征在于：所述控制终端（4）包括温度控制装置、湿度控制装置、稻米食品全产业链各环节控制装置，所述温度控制装置、湿度控制装置、稻米食品全产业链各环节控制装置与第二微控制器连接。
4.根据权利要求1所述一种稻米食品全产业链信息系统，其特征在于：所述信息处理中心（3）包括基本信息数据库、数据处理系统、执行功能系统；
所述基本信息数据库信息包括育秧信息、种植信息、仓储管理信息、加工管理信息；
所述数据处理系统用于将通过基本信息数据库进行综合决策，筛选最优的稻米食品全产业链各环节生产与管理参数；
所述稻米食品全产业链各环节生产与管理参数包括企业生产管理与决策，包括原料采购，产品生产与调度，产品质量监控，销售及人员管理；
所述执行功能系统包括稻米全产业链各环节信息的采集与控制，交易管理，基本信息数据库的管理；
所述基本信息数据库的管理包括数据存取、追加、修改、储存。
5.一种如权利要求1-4任意一项所述的稻米食品全产业链信息系统的建立方法，其特征在于：检测终端工作采集温度、湿度、气味、声音信息、稻米食品加工信息，并反馈给信息中心，若与设定条件有偏差时，则信息中心向控制终端发出指令，控制适宜的稻米食品全产业链各环节生产与管理参数。
6.权利要求1-4任意一项所述的稻米食品全产业链信息系统或权利要求5所述的稻米食品全产业链信息系统建立方法用于企业生产管理、稻米食品质量安全管理、食品信息溯源。
CN201710302013.8A 2017-05-02 2017-05-02 稻米食品全产业链信息系统、建立方法及应用 Active CN107219827B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710302013.8A CN107219827B (zh) 2017-05-02 2017-05-02 稻米食品全产业链信息系统、建立方法及应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710302013.8A CN107219827B (zh) 2017-05-02 2017-05-02 稻米食品全产业链信息系统、建立方法及应用

Publications (2)

Publication Number Publication Date
CN107219827A CN107219827A (zh) 2017-09-29
CN107219827B true CN107219827B (zh) 2020-06-05

Family

ID=59944616

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710302013.8A Active CN107219827B (zh) 2017-05-02 2017-05-02 稻米食品全产业链信息系统、建立方法及应用

Country Status (1)

Country Link
CN (1) CN107219827B (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108460609B (zh) * 2018-04-01 2020-12-15 南京交通职业技术学院 基于区块链的产地溯源系统
CN108664001A (zh) * 2018-04-18 2018-10-16 山东农业大学 禽类产品加工溯源方法及系统
CN109692721A (zh) * 2018-06-10 2019-04-30 刘志华 一种远程无线控制的智能型碾米机
CN108668115A (zh) * 2018-08-06 2018-10-16 杨元昊 提供多用户接入的基于云计算的食品加工过程在线监控系统
CN112053018A (zh) * 2019-06-05 2020-12-08 长沙智能驾驶研究院有限公司 一种果蔬食品的全产业链管理方法及系统
CN110412960B (zh) * 2019-08-22 2021-07-06 广东省生物工程研究所（广州甘蔗糖业研究所） 基于云计算的制糖厂进榨及压榨智慧生产管理方法及系统
CN111242528A (zh) * 2019-12-30 2020-06-05 航天信息股份有限公司 一种用于粮库系统采集粮食数据的方法及系统
CN111695743B (zh) * 2020-06-23 2024-04-05 信阳农林学院 工厂化食品安全生产监控方法、装置、设备及存储介质
CN111915333A (zh) * 2020-08-13 2020-11-10 南京朗赢信息技术有限公司 一种粮油产品质量控制与追溯平台及构建方法
CN112419080A (zh) * 2020-11-26 2021-02-26 河南黄河小偃麦业科技有限公司 一种高品质小麦面粉可溯源式生产管理系统及方法
CN113297925A (zh) * 2021-04-30 2021-08-24 华中农业大学 一种果蔬全链条质量智能预警方法及系统
CN113298537A (zh) * 2021-04-30 2021-08-24 华中农业大学 基于物联网的稻米全链条质量信息智能检测系统及方法
CN113766015B (zh) * 2021-08-23 2024-04-05 武汉华中数控股份有限公司 一种基于NC-Link协议的通讯系统及方法
CN116777273A (zh) * 2023-06-16 2023-09-19 佛山市朗全电器有限公司 一种基于物联网的粮食质量监控方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104715330A (zh) * 2015-03-12 2015-06-17 厦门绿链集成服务有限公司 全程保障农产品安全的供应链控制系统
CN105260791A (zh) * 2015-09-25 2016-01-20 苏州携优信息技术有限公司 基于农业物联网和大数据分析的种植计划优化系统和方法
CN106296437A (zh) * 2016-09-05 2017-01-04 华中农业大学 一种活鱼运输信息系统、建立方法及应用

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10139279B2 (en) * 2015-05-12 2018-11-27 BioSensing Systems, LLC Apparatuses and methods for bio-sensing using unmanned aerial vehicles
CN105181643B (zh) * 2015-10-12 2018-03-02 华中农业大学 一种稻米品质的近红外检测方法与应用
CN105975966A (zh) * 2016-04-21 2016-09-28 南京农业大学 一种稻谷霉变无损检测的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104715330A (zh) * 2015-03-12 2015-06-17 厦门绿链集成服务有限公司 全程保障农产品安全的供应链控制系统
CN105260791A (zh) * 2015-09-25 2016-01-20 苏州携优信息技术有限公司 基于农业物联网和大数据分析的种植计划优化系统和方法
CN106296437A (zh) * 2016-09-05 2017-01-04 华中农业大学 一种活鱼运输信息系统、建立方法及应用

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
数据融合在粮食供应链信息系统中的应用;邵开丽 等;《物流技术》;20151231;第34卷;第264-266页 *

Also Published As

Publication number Publication date
CN107219827A (zh) 2017-09-29

Similar Documents

Publication Publication Date Title
CN107219827B (zh) 稻米食品全产业链信息系统、建立方法及应用
Navulur et al. Agricultural management through wireless sensors and internet of things
KR101811640B1 (ko) 기계학습을 이용한 작물의 생산량 예측장치 및 방법
Siregar et al. Remote monitoring system for hydroponic planting media
Ehret et al. Automated monitoring of greenhouse crops
CN209517198U (zh) 一种智慧农业标准化管理系统
Karimi et al. Web-based monitoring system using Wireless Sensor Networks for traditional vineyards and grape drying buildings
CN104686256A (zh) 大棚环境控制方法及系统
Andrianto et al. Development of smart greenhouse system for hydroponic agriculture
Torres et al. Irrigation decision support based on leaf relative water content determination in olive grove using near infrared spectroscopy
Sadras et al. Quantifying the onset, rate and duration of sugar accumulation in berries from commercial vineyards in contrasting climates of Australia
CN207867372U (zh) 一种蔬菜温室大棚远程监控系统
GB2582547A (en) Apparatus and method for assessing a characteristic of a plant
Kumar et al. Smart management of crop cultivation using IOT and machine learning
KR20210063218A (ko) 시설 운영 이력을 저장할 수 있는 스마트팜 운영 시스템
González-Fernández et al. Impacts of ozone pollution on productivity and forage quality of grass/clover swards
Xie et al. Correlations, variations, and modelling of indoor environment in a mechanically-ventilated pig building
CN110530144A (zh) 一种基于在线检测技术的智能干燥方法
Dongre et al. Weather monitoring and control system for polyhouses using IoT
Toscano et al. Durum wheat quality prediction in Mediterranean environments: From local to regional scale
WO2015095057A1 (en) Active management of plant canopy temperature as a tool for modifying plant metabolic activity
CN108759912A (zh) 一种基于物联网的农业大棚环境检测系统
CN2804843Y (zh) 一种粮堆综合数据采集器
Bălăceanu et al. The use of IoT technology in Smart Viticulture
Han et al. Contrasting response of water use efficiency to soil moisture availability: From leaf to ecosystem in an arid oasis

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
GR01 Patent grant
GR01 Patent grant