CN110070309A - 基于粮食加工的粮食损失评估方法、装置和存储介质 - Google Patents
基于粮食加工的粮食损失评估方法、装置和存储介质 Download PDFInfo
- Publication number
- CN110070309A CN110070309A CN201910373521.4A CN201910373521A CN110070309A CN 110070309 A CN110070309 A CN 110070309A CN 201910373521 A CN201910373521 A CN 201910373521A CN 110070309 A CN110070309 A CN 110070309A
- Authority
- CN
- China
- Prior art keywords
- grain
- loss
- measured
- index
- current
- 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 317
- 238000012545 processing Methods 0.000 title claims abstract description 108
- 235000013339 cereals Nutrition 0.000 claims abstract description 334
- 238000004088 simulation Methods 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 16
- 239000012141 concentrate Substances 0.000 claims description 12
- 238000010586 diagram Methods 0.000 description 8
- 239000002699 waste material Substances 0.000 description 6
- 241000209140 Triticum Species 0.000 description 5
- 235000021307 Triticum Nutrition 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 235000013305 food Nutrition 0.000 description 4
- 240000007594 Oryza sativa Species 0.000 description 3
- 235000007164 Oryza sativa Nutrition 0.000 description 3
- 235000009566 rice Nutrition 0.000 description 3
- 230000005484 gravity Effects 0.000 description 2
- 239000010903 husk Substances 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 235000019483 Peanut oil Nutrition 0.000 description 1
- 235000019484 Rapeseed oil Nutrition 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 239000000312 peanut oil Substances 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 230000001360 synchronised effect Effects 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/04—Manufacturing
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种粮食加工的粮食损失评估方法,包括:对待测集按照评估维度进行分类,获得多个待测子集,所述待测集包括对待测粮食进行加工过程中的多道工序分别对应的粮食损失率和多道工序分别对应的粮食出品率;按照评估维度将多个待测子集与多个指标集进行比对,获得各待测子集中各工序对应的比对数据,所述指标集包括粮食加工过程中的多道工序分别对应的指标损失率和多道工序分别对应的指标出品率;根据所述比对数据生成粮食损失评估报告。本发明还公开了一种基于粮食加工的粮食损失评估装置和存储介质。本发明评估维度多样评估结果全面。
Description
技术领域
本发明涉及粮食加工领域,尤其涉及一种基于粮食加工的粮食损失评估方法、装置和存储介质。
背景技术
目前的对于粮食加工的损失评估中,一般是对样本数据建立统一的指标集,再根据指标集对其他粮食加工过程计量粮食损失的数据进行评估,评价维度单一,会导致评估结果不够全面,不足以准确分析粮食在加工过程中造成损失的因素所在。因此,目前对于粮食加工过程的粮食损失的评估方法存在评估维度单一评估结果不够全面的问题。
发明内容
本发明的主要目的在于提供一种基于粮食加工的粮食损失评估方法、装置和存储介质,旨在解决对于粮食加工过程的粮食损失的评估方法存在评估维度单一评估结果不够全面的技术问题。
为实现上述目的,本发明提供一种粮食加工的粮食损失评估方法,包括以下步骤:对待测集按照评估维度进行分类,获得多个待测子集,所述待测集包括对待测粮食进行加工过程中的多道工序分别对应的粮食损失率和多道工序分别对应的粮食出品率;按照评估维度将多个待测子集与多个指标集进行比对,获得各待测子集中各工序对应的比对数据,所述指标集包括粮食加工过程中的多道工序分别对应的指标损失率和多道工序分别对应的指标出品率;根据所述比对数据生成粮食损失评估报告。
可选地,所述对待测集按照评估维度进行分类的步骤之前还包括:对样本集按照评估维度进行分类,获得多个样本子集,所述样本集包括对样本粮食进行加工过程中的多道工序分别对应的粮食损失率和多道工序分别对应的粮食出品率;将多个样本子集输入预设仿真模型中进行计算,获得多个指标集。
可选地,将多个样本子集输入预设仿真模型中进行计算,获得多个指标集的步骤包括:对各样本子集进行遍历;将遍历到的当前样本子集中各工序的粮食损失率和遍历到的当前样本子集中各工序的粮食出品率输入预设仿真模型中进行计算,得到当前样本子集中各工序对应的指标损失率和当前样本子集中各工序对应的指标出品率;将得到的指标损失率和指标损失率作为当前样本子集对应的指标集。
可选地,所述预设仿真模型采用以下公式实现:其中,t为样本子集的个数,s为工序的道数,为查找的第i个样本子集的第j道工序的粮食损失率或查找的第i个样本子集的第j道工序的粮食出品率;Pj为与对应的第j道工序的指标损失率或与对应的第j道工序的指标出品率,i=1,2,…,t,j=1,2,…,s。
可选地,所述按照评估维度将多个待测子集与多个指标集进行比对,获得各待测子集中各工序对应的比对数据的步骤包括:遍历多个待测子集,获取遍历到的当前待测子集的评估维度对应的维度数据;遍历多个指标集,获取与当前待测子集的评估维度对应的维度数据一致的当前指标集;将当前待测子集中各工序的粮食损失率与当前指标集中各工序的指标损失率进行一一比对,获得当前待测子集中各工序的粮食损失率与当前指标集中各工序的指标损失率之间一一对应的损失率差值,以及将当前待测子集中各工序的粮食出品率与当前指标集中各工序的指标出品率进行一一比对,获得当前待测子集中各工序的粮食损失率与当前指标集中各工序的指标损失率之间一一对应的出品率差值;将所述损失率差值和所述出品率差值作为各待测子集中各工序对应的比对数据。
可选地,在所述按照评估维度将多个待测子集与多个指标集进行比对,获得各待测子集中各工序对应的比对数据的步骤之后,所述基于粮食加工的粮食损失评估方法还包括:遍历待测集,获取遍历到的当前待测子集中的当前粮食损失率;计算当前粮食损失率在预设隶属度函数中的隶属度;所述根据所述比对数据生成粮食损失评估报告的步骤包括:结合所述比对数据和所述隶属度生成粮食损失评估报告。
可选地,所述预设隶属度函数为:其中,x为所述当前粮食损失率,pmin为样本集中的粮食损失率最小值,为粮食损失率平均值,pmax为粮食损失率最大值,a为pmin对应的样本子集与对应的样本子集之间的第一样本数,b为pmax对应的样本子集与对应的样本子集之间的第二样本数,A(x)为所述当前粮食损失率的隶属度。
此外,为实现上述目的,本发明还提供一种基于粮食加工的粮食损失评估装置,所述基于粮食加工的粮食损失评估装置包括:分类模块,用于对待测集按照评估维度进行分类,获得多个待测子集,所述待测集包括粮食加工过程中的多道工序分别对应的粮食损失率和多道工序分别对应的粮食出品率;比对模块,用于按照评估维度将多个待测子集与多个指标集进行比对,获得各待测子集中各工序对应的比对数据,所述指标集包括粮食加工过程中的多道工序分别对应的指标损失率和多道工序分别对应的指标出品率;生成模块,用于根据所述比对数据生成粮食损失评估报告。
此外,为实现上述目的,本发明还提供一种本发明还提供一种基于粮食加工的粮食损失评估装置,所述基于粮食加工的粮食损失评估装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于粮食加工的粮食损失评估程序,所述基于粮食加工的粮食损失评估程序被所述处理器执行时实现如上述的基于粮食加工的粮食损失评估方法的步骤。
此外,为实现上述目的,本发明还提供一种存储介质,所述存储介质上存储有基于粮食加工的粮食损失评估程序,所述基于粮食加工的粮食损失评估程序被处理器执行时实现如上述的基于粮食加工的粮食损失评估方法的步骤。
本发明实施例提出的一种基于粮食加工的粮食损失评估方法、系统、装置和存储介质,通过对待测集按照评估维度进行分类,获得多个待测子集,并按照评估维度将多个待测子集与多个指标集进行比对,获得各待测子集中各工序对应的比对数据,根据所述比对数据生成粮食损失评估报告;其中,所述待测集包括对待测粮食进行加工过程中的多道工序分别对应的粮食损失率和多道工序分别对应的粮食出品率,所述指标集包括粮食加工过程中的多道工序分别对应的指标损失率和多道工序分别对应的指标出品率;通过对评估维度下的多道工序对应的损失率数据一一进行评估,评估维度精细,使得评估结果更为全面。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的终端结构示意图;
图2为本发明基于粮食加工的粮食损失评估方法第一实施例的流程示意图;
图3为图2中本发明基于粮食加工的粮食损失评估方法第一实施例的步骤S202之前的步骤的流程示意图;
图4为图3中本发明基于粮食加工的粮食损失评估方法第一实施例的步骤S304的流程示意图;
图5为图2中本发明基于粮食加工的粮食损失评估方法第一实施例的步骤S204的流程示意图;
图6为本发明基于粮食加工的粮食损失评估方法第二实施例的流程示意图;
图7为本发明基于粮食加工的粮食损失评估装置的结构框图。
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。
图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图。
本发明实施例终端可以是PC,也可以是智能手机、平板电脑、便携计算机等具有显示功能的可移动式终端设备。
如图1所示,该终端可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地,终端还可以包括摄像头、RF(Radio Frequency,射频)电路,传感器、音频电路、WiFi模块等等。其中,传感器比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示屏的亮度,接近传感器可在移动终端移动到耳边时,关闭显示屏和/或背光。作为运动传感器的一种,重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别移动终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;当然,移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
本领域技术人员可以理解,图1中示出的终端结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于粮食加工的粮食损失评估程序。
在图1所示的终端中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的基于粮食加工的粮食损失评估程序,并执行以下操作:对待测集按照评估维度进行分类,获得多个待测子集,所述待测集包括对待测粮食进行加工过程中的多道工序分别对应的粮食损失率和多道工序分别对应的粮食出品率;按照评估维度将多个待测子集与多个指标集进行比对,获得各待测子集中各工序对应的比对数据,所述指标集包括粮食加工过程中的多道工序分别对应的指标损失率和多道工序分别对应的指标出品率;根据所述比对数据生成粮食损失评估报告。
可选地,所述对待测集按照评估维度进行分类的步骤之前还包括:对样本集按照评估维度进行分类,获得多个样本子集,所述样本集包括对样本粮食进行加工过程中的多道工序分别对应的粮食损失率和多道工序分别对应的粮食出品率;将多个样本子集输入预设仿真模型中进行计算,获得多个指标集。
可选地,将多个样本子集输入预设仿真模型中进行计算,获得多个指标集的步骤包括:对各样本子集进行遍历;将遍历到的当前样本子集中各工序的粮食损失率和遍历到的当前样本子集中各工序的粮食出品率输入预设仿真模型中进行计算,得到当前样本子集中各工序对应的指标损失率和当前样本子集中各工序对应的指标出品率;将得到的指标损失率和指标损失率作为当前样本子集对应的指标集。
可选地,所述预设仿真模型采用以下公式实现:其中,t为样本子集的个数,s为工序的道数,为查找的第i个样本子集的第j道工序的粮食损失率或查找的第i个样本子集的第j道工序的粮食出品率;Pj为与对应的第j道工序的指标损失率或与对应的第j道工序的指标出品率,i=1,2,…,t,j=1,2,…,s。
可选地,所述按照评估维度将多个待测子集与多个指标集进行比对,获得各待测子集中各工序对应的比对数据的步骤包括:遍历多个待测子集,获取遍历到的当前待测子集的评估维度对应的维度数据;遍历多个指标集,获取与当前待测子集的评估维度对应的维度数据一致的当前指标集;将当前待测子集中各工序的粮食损失率与当前指标集中各工序的指标损失率进行一一比对,获得当前待测子集中各工序的粮食损失率与当前指标集中各工序的指标损失率之间一一对应的损失率差值,以及将当前待测子集中各工序的粮食出品率与当前指标集中各工序的指标出品率进行一一比对,获得当前待测子集中各工序的粮食损失率与当前指标集中各工序的指标损失率之间一一对应的出品率差值;将所述损失率差值和所述出品率差值作为各待测子集中各工序对应的比对数据。
可选地,在所述按照评估维度将多个待测子集与多个指标集进行比对,获得各待测子集中各工序对应的比对数据的步骤之后,所述基于粮食加工的粮食损失评估方法还包括:遍历待测集,获取遍历到的当前待测子集中的当前粮食损失率;计算当前粮食损失率在预设隶属度函数中的隶属度;所述根据所述比对数据生成粮食损失评估报告的步骤包括:结合所述比对数据和所述隶属度生成粮食损失评估报告。
可选地,所述预设隶属度函数为:其中,x为所述当前粮食损失率,pmin为样本集中的粮食损失率最小值,为粮食损失率平均值,pmax为粮食损失率最大值,a为pmin对应的样本子集与对应的样本子集之间的第一样本数,b为pmax对应的样本子集与对应的样本子集之间的第二样本数,A(x)为所述当前粮食损失率的隶属度。
参照图2,一种基于粮食加工的粮食损失评估方法第一实施例,所述基于粮食加工的粮食损失评估方法包括:
步骤S202,对待测集按照评估维度进行分类,获得多个待测子集,所述待测集包括对待测粮食进行加工过程中的多道工序分别对应的粮食损失率和多道工序分别对应的粮食出品率;
终端对待测集按照评估维度进行分类。评估维度为一个或多个,一个评估维度包括一个或多个维度类别。具体地,设定本实施例中待测集包含的评估维度为n个,第i个评估维度包含ai个维度类别,则终端将待测集分为a1·a2·…·an个类别,获得a1·a2·…·an个待测子集,其中,n、i和ai均为大于0的整数。本实施例中,评估维度包括粮食品种、加工量、加工地、以及加工设备中的至少一个。每一个评估维度包括至少一个维度类别。例如,粮食品种的类别包括但不限于是小麦、稻谷、玉米、花生油、菜籽油等。加工地包括但不限于是中国各省省份。加工量可以用粮食重量或体积进行衡量。加工设备由设备类别、型号等分类。待测集为待评估的数据集,包括对待测粮食进行加工过程中的多道工序分别对应的粮食损失率和多道工序分别对应的粮食出品率。其中,不同维度类别的待测粮食的一个加工过程的工序可以对应不同的道数和不同的工序类型。例如,对稻谷的一个加工过程则包括筛理、去石、砻谷、稻壳分离、碾米、白米分级、抛光、色选、成品分级、次选、以及打包等多道工序。每一道工序均对应有唯一的粮食损失率和唯一的粮食出品率。由于对不同品种的粮食的加工工序可能不同,因此,本实施例中,待测集根据粮食品种分为多个表进行存储。例如,表1为对小麦加工的损失率表,表2为对小麦加工的出品率表,表3为对稻谷加工的损失率表,表4为对稻谷加工的出品率表。
表1对小麦加工的出品率表
表2对小麦加工的出品率表
表3对稻谷加工的损失率表
表4对稻谷加工的出品率表
步骤S204,按照评估维度将多个待测子集与多个指标集进行比对,获得各待测子集中各工序对应的比对数据,所述指标集包括粮食加工过程中的多道工序分别对应的指标损失率和多道工序分别对应的指标出品率;
其中,指标集为对样本集进行仿真后得到的用于对待测集进行评估的数据集。指标集包括包括粮食加工过程中的多道工序分别对应的指标损失率和多道工序分别对应的指标出品率。
参照图3,在其中一个实施例中,所述步骤S202之前包括:
步骤S302,对样本集按照评估维度进行分类,获得多个样本子集,所述样本集包括对样本粮食进行加工过程中的多道工序分别对应的粮食损失率和多道工序分别对应的粮食出品率;
其中,样本集包括对样本粮食进行加工过程中的多道工序分别对应的粮食损失率和多道工序分别对应的粮食出品率。样本集包含有待测集中各评估维度对应的各维度类别。
步骤S304,将多个样本子集输入预设仿真模型中进行计算,获得多个指标集。
终端依次将多个样本子集内的样本数据输入预设仿真模型中进行计算,得到对应的多个指标集。所述样本数据为对样本粮食进行加工过程中的多道工序分别对应的粮食损失率和多道工序分别对应的粮食出品率。
具体地,参照图4,在其中一个实施例中,所述步骤S304包括:
步骤S402,对各样本子集进行遍历;
终端遍历各样本子集,获取遍历到的当前样本子集。
步骤S404,将遍历到的当前样本子集中各工序的粮食损失率和遍历到的当前样本子集中各工序的粮食出品率输入预设仿真模型中进行计算,得到当前样本子集中各工序对应的指标损失率和当前样本子集中各工序对应的指标出品率;
终端按照对应的评估维度的维度类别对应地将遍历到的当前样本子集中各工序的粮食损失率和遍历到的当前样本子集中各工序的粮食出品率输入预设仿真模型中进行计算,得到当前样本子集中各工序对应的指标损失率和当前样本子集中各工序对应的指标出品率。
在其中一个实施例中,所述预设仿真模型采用以下的公式(1)实现:
其中,t为样本子集的个数,s为工序的道数,为查找的第i个样本子集的第j道工序的粮食损失率或查找的第i个样本子集的第j道工序的粮食出品率;Pj为与对应的第j道工序的指标损失率或与对应的第j道工序的指标出品率,i=1,2,…,t,j=1,2,…,s。
采用本实施例的预设仿真模型对样本子集进行仿真计算,可以在损失较少的数据的情况下得到具有标识性特征的指标集。
步骤S406,将得到的指标损失率和指标损失率作为当前样本子集对应的指标集。
进一步地,终端按照评估维度的维度类别将多个待测子集与多个指标集进行比对。
具体地,参照图5,在其中一个实施例中,所述步骤S204包括:
步骤S502,遍历多个待测子集,获取遍历到的当前待测子集的评估维度对应的维度数据;
终端遍历多个待测子集,获取遍历到的当前待测子集的评估维度对应的维度数据。维度数据描述评估维度的维度类别。例如,若评估维度为粮食品种、加工量、加工地、以及加工设备,则评估维度对应的维度数据可以是:稻谷、10吨、湖北、设备1。
步骤S504,遍历多个指标集,获取与当前待测子集的评估维度对应的维度数据一致的当前指标集;
终端遍历多个指标集,判断遍历到的当前指标集的评估维度对应的维度数据是否与当前待测子集的评估维度对应的维度数据一致,若不是,则继续遍历下一个指标集,直至找到与当前待测子集的评估维度对应的维度数据一致的当前指标集。
步骤S506,将当前待测子集中各工序的粮食损失率与当前指标集中各工序的指标损失率进行一一比对,获得当前待测子集中各工序的粮食损失率与当前指标集中各工序的指标损失率之间一一对应的损失率差值,以及将当前待测子集中各工序的粮食出品率与当前指标集中各工序的指标出品率进行一一比对,获得当前待测子集中各工序的粮食损失率与当前指标集中各工序的指标损失率之间一一对应的出品率差值;
具体地,终端分别计算当前待测子集中各工序的粮食损失率与当前指标集中各工序的指标损失率的损失率差值。终端还分别计算当前待测子集中各工序的粮食出品率与当前指标集中各工序的指标出品率的出品率差值。
步骤S508,将所述损失率差值和所述出品率差值作为各待测子集中各工序对应的比对数据。
本实施例中,各待测子集中各工序对应的比对数据为所述损失率差值和所述出品率差值。在其他实施例中,各待测子集中各工序对应的比对数据还可以是损失率差值与当前指标集中各工序的指标损失率的损失率比值,以及出品率差值与当前指标集中各工序的指标出品率的出品率比值。本发明实施例并不对比对数据作具体限定。
步骤S206,根据所述比对数据生成粮食损失评估报告。
其中,损失率差值为正,则表明存在粮食损失,出品率差值为负,则也表明存在粮食损失。终端依次分析比对数据,获得与各比对数据相对应的评估结果,将评估结果写入粮食损失评估报告中。具体地,当损失率差值为正,且出品率差值为负时,则终端判断对应的待测子集的对应的工序存在粮食过浪费现象,获取对应的待测子集的评估维度的维度数据,将该维度数据下存在粮食过浪费的评估结果写入粮食损失评估报告中。当损失率差值为负,且出品率差值为正时,则终端判断对应的待测子集的对应的工序对粮食的加工优良,获取对应的待测子集的评估维度的维度数据,将该维度数据下的粮食加工优良评估结果写入粮食损失评估报告中。当损失率差值为负,且出品率差值为负时,则表明加工损失的粮食相较一般平均水准较少,说明在粮食加工上不存在损失浪费问题,但由于损失较少的粮食却换不来较高的出品率,因此终端将粮食出品率不高的评估结果写入粮食损失评估报告中,以提示用户进一步查找原因。在终端对所有比对数据分析完成后,获得待测集的粮食损失评估报告。
本实施例中,通过对待测集按照评估维度进行分类,获得多个待测子集,并按照评估维度将多个待测子集与多个指标集进行比对,获得各待测子集中各工序对应的比对数据,根据所述比对数据生成粮食损失评估报告;其中,所述待测集包括对待测粮食进行加工过程中的多道工序分别对应的粮食损失率和多道工序分别对应的粮食出品率,所述指标集包括粮食加工过程中的多道工序分别对应的指标损失率和多道工序分别对应的指标出品率;通过对评估维度下的多道工序对应的损失率数据一一进行评估,评估维度精细,使得评估结果更为全面。
参照图6,一种基于粮食加工的粮食损失评估方法第二实施例,基于上述图2所示的实施例,在所述步骤S204之后,所述基于粮食加工的粮食损失评估方法还包括:
步骤S602,遍历待测集,获取遍历到的当前待测子集中的当前粮食损失率;
其中,遍历到的当前待测子集中的当前粮食损失率包括当前待测子集各工序对应的多个当前粮食损失率。
步骤S604,计算当前粮食损失率在预设隶属度函数中的隶属度。
在其中一个实施例中,所述预设隶属度函数为公式(2):
其中,x为所述当前粮食损失率,pmin为样本集中的粮食损失率最小值,p为粮食损失率平均值,pmax为粮食损失率最大值,a为pmin对应的样本子集与p对应的样本子集之间的第一样本数,b为pmax对应的样本子集与p对应的样本子集之间的第二样本数,A(x)为所述当前粮食损失率的隶属度。
本实施例中,步骤S206包括:结合所述比对数据和所述隶属度生成粮食损失评估报告。
终端结合隶属度评估各工序存在的粮食损失浪费的可能性,例如,隶属度越低,则说明该工序对应的粮食损失率出现的概率越低,而隶属度越高,则说明该工序对应的粮食损失率出现的概率越高,需要引起更高的重视。终端将比对数据和隶属度同步对应的写入粮食损失评估报告中,以指示用户粮食加工过程中的具体问题所在。
以下以加工地为湖北的稻谷加工为例说明本发明实施例粮食损失的评估过程。
首先终端获取加工地为湖北加工的粮食品种为稻谷的样本加工数据。进一步对样本加工数据进行筛选去掉明显异常的离散点。终端计算出各道工序的样本损失率和样本出品率,将样本损失率和样本出品率作为样本集。终端对样本集按照评估维度进行分类,获得多个样本子集。进一步地,终端对各样本子集利用预设仿真模型计算得出稻谷各加工设备下各工序的平均损失率,具体结果见表5。
表5稻谷各工序下的平均损失率表
由稻谷各工序下的样本损失率得到各工序的指标损失率,各工序的平均损失率的最小值即为各工序的指标损失率,指标损失率对应的加工设备即为最优加工设备,各指标损失率和最优加工设备的对应数据表6。
表6指标损失率和最优加工设备对应表
终端将各指标损失率作为稻谷加工的指标集。进一步地,终端获取对稻谷加工的待测集,对待测集按照评估维度进行分类,获得多个待测子集,所述待测集包括对待测粮食进行加工过程中的多道工序分别对应的粮食损失率和多道工序分别对应的粮食出品率;按照评估维度将多个待测子集与多个指标集进行比对,获得各待测子集中各工序对应的比对数据,所述指标集包括粮食加工过程中的多道工序分别对应的指标损失率和多道工序分别对应的指标出品率;根据所述比对数据生成粮食损失评估报告。
具体地,本实施例中,终端还将待测集中各加工设备与各工序的最优加工设备进行对比,若待测集中某道工序没有采用最优加工设备,且该道工序的稻谷损失率大于指标损失率,则评估该道工序存在过度损失,终端诊断的评估结果为该道工序存在加工设备落后问题。进一步地,终端还将待测集中各工序的稻谷损失率与相同加工设备下各工序的指标损失率进行对比,若待测集中某道工序的稻谷损失率大于指标损失率,则评估该道工序存在过度浪费,终端诊断的评估结果为该道工序存在人员管理疏忽问题。进一步地,终端将评估结果写入粮食损失评估报告中。
本实施例中,进一步地,终端还利用隶属度函数计算待测集中各工序稻谷损失率的隶属度,评估待测集中各工序存在过度损失和过度浪费的可能性。以设备2的色选工序为例,由样本集中色选工序的样本损失率得出色选工序的样本损失率平均值待测集中色选工序的样本损失率最小值pmin=0,样本损失率最大值pmax=36,样本损失率最小值pmin与样本损失率平均值之间的样本数a=35,样本损失率平均值与样本损失率最大值pmax之间的样本数b=20,由此构建设备2色选工序下样本损失率的隶属度函数,如公式(3):
终端根据构建的设备2色选工序下样本损失率的隶属度函数对加工设备相同、粮食品种相同、且加工地相同的对应的待测集进行诊断评估。设备2加工稻谷的待测集各工序下的稻谷损失率见表3。
表7设备2加工稻谷各工序下的稻谷损失率表(%)
由表6和表7可知,色选工序的稻谷损失率大于指标损失率,色选工序的损失率x=2.50,由样本集得到色选工序样本损失率最小值pmin与色选工序的样本损失率之间的样本数f(x)=47,那么待测集色选工序下的稻谷损失率x的隶属度为A(x)=0.80,由此终端的评估结果为色选工序有80%的可能性存在过度浪费,诊断为该公司色选工序80%的可能性存在人员管理疏忽问题。
本实施例中,通过引入隶属度函数对待测集进行进一步评估,使得评估结果更为全面。
参照图7,本发明实施例还提出一种基于粮食加工的粮食损失评估装置,所述基于粮食加工的粮食损失评估装置包括:
分类模块710,用于对待测集按照评估维度进行分类,获得多个待测子集,所述待测集包括粮食加工过程中的多道工序分别对应的粮食损失率和多道工序分别对应的粮食出品率;
比对模块720,用于按照评估维度将多个待测子集与多个指标集进行比对,获得各待测子集中各工序对应的比对数据,所述指标集包括粮食加工过程中的多道工序分别对应的指标损失率和多道工序分别对应的指标出品率;
生成模块730,用于根据所述比对数据生成粮食损失评估报告。
可选地,所述基于粮食加工的粮食损失评估装置还包括:指标集获取模块700,用于对样本集按照评估维度进行分类,获得多个样本子集,所述样本集包括对样本粮食进行加工过程中的多道工序分别对应的粮食损失率和多道工序分别对应的粮食出品率;将多个样本子集输入预设仿真模型中进行计算,获得多个指标集。
可选地,指标集获取模块700,还用于对各样本子集进行遍历;将遍历到的当前样本子集中各工序的粮食损失率和遍历到的当前样本子集中各工序的粮食出品率输入预设仿真模型中进行计算,得到当前样本子集中各工序对应的指标损失率和当前样本子集中各工序对应的指标出品率;将得到的指标损失率和指标损失率作为当前样本子集对应的指标集。
可选地,所述预设仿真模型采用以下公式实现:其中,t为样本子集的个数,s为工序的道数,为查找的第i个样本子集的第j道工序的粮食损失率或查找的第i个样本子集的第j道工序的粮食出品率;Pj为与对应的第j道工序的指标损失率或与对应的第j道工序的指标出品率,i=1,2,…,t,j=1,2,…,s。
可选地,比对模块720,还用于遍历多个待测子集,获取遍历到的当前待测子集的评估维度对应的维度数据;遍历多个指标集,获取与当前待测子集的评估维度对应的维度数据一致的当前指标集;将当前待测子集中各工序的粮食损失率与当前指标集中各工序的指标损失率进行一一比对,获得当前待测子集中各工序的粮食损失率与当前指标集中各工序的指标损失率之间一一对应的损失率差值,以及将当前待测子集中各工序的粮食出品率与当前指标集中各工序的指标出品率进行一一比对,获得当前待测子集中各工序的粮食损失率与当前指标集中各工序的指标损失率之间一一对应的出品率差值;将所述损失率差值和所述出品率差值作为各待测子集中各工序对应的比对数据。
可选地,模糊评价模块740,用于遍历待测集,获取遍历到的当前待测子集中的当前粮食损失率;计算当前粮食损失率在预设隶属度函数中的隶属度;所述根据所述比对数据生成粮食损失评估报告的步骤包括:结合所述比对数据和所述隶属度生成粮食损失评估报告。
可选地,所述预设隶属度函数为:其中,x为所述当前粮食损失率,pmin为样本集中的粮食损失率最小值,为粮食损失率平均值,pmax为粮食损失率最大值,a为pmin对应的样本子集与对应的样本子集之间的第一样本数,b为pmax对应的样本子集与对应的样本子集之间的第二样本数,A(x)为所述当前粮食损失率的隶属度。
本发明实施例还提出一种基于粮食加工的粮食损失评估装置,所述基于粮食加工的粮食损失评估装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于粮食加工的粮食损失评估程序,所述基于粮食加工的粮食损失评估程序被所述处理器执行时实现如上述任意一个基于粮食加工的粮食损失评估方法实施例的步骤。
本发明实施例还提出一种存储介质,所述存储介质上存储有基于粮食加工的粮食损失评估程序,所述基于粮食加工的粮食损失评估程序被处理器执行时实现如上述任意一个基于粮食加工的粮食损失评估方法实施例的步骤。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上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 (10)
1.一种基于粮食加工的粮食损失评估方法,其特征在于,所述粮食加工的粮食损失评估方法包括以下步骤:
对待测集按照评估维度进行分类,获得多个待测子集,所述待测集包括对待测粮食进行加工过程中的多道工序分别对应的粮食损失率和多道工序分别对应的粮食出品率;
按照评估维度将多个待测子集与多个指标集进行比对,获得各待测子集中各工序对应的比对数据,所述指标集包括粮食加工过程中的多道工序分别对应的指标损失率和多道工序分别对应的指标出品率;
根据所述比对数据生成粮食损失评估报告。
2.如权利要求1所述的基于粮食加工的粮食损失评估方法,其特征在于,所述对待测集按照评估维度进行分类的步骤之前还包括:
对样本集按照评估维度进行分类,获得多个样本子集,所述样本集包括对样本粮食进行加工过程中的多道工序分别对应的粮食损失率和多道工序分别对应的粮食出品率;
将多个样本子集输入预设仿真模型中进行计算,获得多个指标集。
3.如权利要求2所述的基于粮食加工的粮食损失评估方法,其特征在于,将多个样本子集输入预设仿真模型中进行计算,获得多个指标集的步骤包括:
对各样本子集进行遍历;
将遍历到的当前样本子集中各工序的粮食损失率和遍历到的当前样本子集中各工序的粮食出品率输入预设仿真模型中进行计算,得到当前样本子集中各工序对应的指标损失率和当前样本子集中各工序对应的指标出品率;
将得到的指标损失率和指标损失率作为当前样本子集对应的指标集。
4.如权利要求3所述的基于粮食加工的粮食损失评估方法,其特征在于,所述预设仿真模型采用以下公式实现:
其中,t为样本子集的个数,s为工序的道数,为查找的第i个样本子集的第j道工序的粮食损失率或查找的第i个样本子集的第j道工序的粮食出品率;Pj为与对应的第j道工序的指标损失率或与对应的第j道工序的指标出品率,i=1,2,…,t,j=1,2,…,s。
5.如权利要求1-4中任一项所述的基于粮食加工的粮食损失评估方法,其特征在于,所述按照评估维度将多个待测子集与多个指标集进行比对,获得各待测子集中各工序对应的比对数据的步骤包括:
遍历多个待测子集,获取遍历到的当前待测子集的评估维度对应的维度数据;
遍历多个指标集,获取与当前待测子集的评估维度对应的维度数据一致的当前指标集;
将当前待测子集中各工序的粮食损失率与当前指标集中各工序的指标损失率进行一一比对,获得当前待测子集中各工序的粮食损失率与当前指标集中各工序的指标损失率之间一一对应的损失率差值,以及将当前待测子集中各工序的粮食出品率与当前指标集中各工序的指标出品率进行一一比对,获得当前待测子集中各工序的粮食损失率与当前指标集中各工序的指标损失率之间一一对应的出品率差值;
将所述损失率差值和所述出品率差值作为各待测子集中各工序对应的比对数据。
6.如权利要求1-4中任一项所述的基于粮食加工的粮食损失评估方法,其特征在于,在所述按照评估维度将多个待测子集与多个指标集进行比对,获得各待测子集中各工序对应的比对数据的步骤之后,所述基于粮食加工的粮食损失评估方法还包括:
遍历待测集,获取遍历到的当前待测子集中的当前粮食损失率;
计算当前粮食损失率在预设隶属度函数中的隶属度;
所述根据所述比对数据生成粮食损失评估报告的步骤包括:
结合所述比对数据和所述隶属度生成粮食损失评估报告。
7.如权利要求6所述的基于粮食加工的粮食损失评估方法,其特征在于,所述预设隶属度函数为:
其中,x为所述当前粮食损失率,pmin为样本集中的粮食损失率最小值,为粮食损失率平均值,pmax为粮食损失率最大值,a为pmin对应的样本子集与对应的样本子集之间的第一样本数,b为pmax对应的样本子集与对应的样本子集之间的第二样本数,A(x)为所述当前粮食损失率的隶属度。
8.一种基于粮食加工的粮食损失评估装置,其特征在于,所述基于粮食加工的粮食损失评估装置包括:
分类模块,用于对待测集按照评估维度进行分类,获得多个待测子集,所述待测集包括粮食加工过程中的多道工序分别对应的粮食损失率和多道工序分别对应的粮食出品率;
比对模块,用于按照评估维度将多个待测子集与多个指标集进行比对,获得各待测子集中各工序对应的比对数据,所述指标集包括粮食加工过程中的多道工序分别对应的指标损失率和多道工序分别对应的指标出品率;
生成模块,用于根据所述比对数据生成粮食损失评估报告。
9.一种基于粮食加工的粮食损失评估装置,其特征在于,所述基于粮食加工的粮食损失评估装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于粮食加工的粮食损失评估程序,所述基于粮食加工的粮食损失评估程序被所述处理器执行时实现如权利要求1至7中任一项所述的基于粮食加工的粮食损失评估方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有基于粮食加工的粮食损失评估程序,所述基于粮食加工的粮食损失评估程序被处理器执行时实现如权利要求1至7中任一项所述的基于粮食加工的粮食损失评估方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910373521.4A CN110070309A (zh) | 2019-05-06 | 2019-05-06 | 基于粮食加工的粮食损失评估方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910373521.4A CN110070309A (zh) | 2019-05-06 | 2019-05-06 | 基于粮食加工的粮食损失评估方法、装置和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110070309A true CN110070309A (zh) | 2019-07-30 |
Family
ID=67369987
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910373521.4A Pending CN110070309A (zh) | 2019-05-06 | 2019-05-06 | 基于粮食加工的粮食损失评估方法、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110070309A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109146311A (zh) * | 2018-09-05 | 2019-01-04 | 武汉轻工大学 | 加工工艺评估方法、用户设备、存储介质及装置 |
CN109146310A (zh) * | 2018-09-05 | 2019-01-04 | 武汉轻工大学 | 加工效率评估方法、设备、存储介质及装置 |
-
2019
- 2019-05-06 CN CN201910373521.4A patent/CN110070309A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109146311A (zh) * | 2018-09-05 | 2019-01-04 | 武汉轻工大学 | 加工工艺评估方法、用户设备、存储介质及装置 |
CN109146310A (zh) * | 2018-09-05 | 2019-01-04 | 武汉轻工大学 | 加工效率评估方法、设备、存储介质及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10607120B2 (en) | Training method and apparatus for convolutional neural network model | |
CN108304758B (zh) | 人脸特征点跟踪方法及装置 | |
CN103996189B (zh) | 图像分割方法及装置 | |
CN104143097B (zh) | 分类函数获取方法、人脸年龄识别方法、装置和设备 | |
US10956783B2 (en) | Image processing method and apparatus | |
CN105389480B (zh) | 多类不平衡基因组学数据迭代集成特征选择方法及系统 | |
CN109784424A (zh) | 一种图像分类模型训练的方法、图像处理的方法及装置 | |
CN110704661B (zh) | 一种图像分类方法和装置 | |
CN108141645A (zh) | 具有成对深度排序的视频重点检测 | |
CN107871011A (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
CN108596266A (zh) | 基于半监督学习的融合决策方法、装置及存储介质 | |
CN108090516A (zh) | 自动生成机器学习样本的特征的方法及系统 | |
CN109753927A (zh) | 一种人脸检测方法和装置 | |
CN108171103A (zh) | 目标检测方法及装置 | |
CN109783859A (zh) | 模型构建方法、装置及计算机可读存储介质 | |
CN107809526A (zh) | 终端应用程序分类方法、移动终端及计算机可读存储介质 | |
CN104850489B (zh) | 移动应用测试系统 | |
CN106874936B (zh) | 图像传播监测方法及装置 | |
CN107220505A (zh) | 儿童发育能力评估方法及装置 | |
CN108875797A (zh) | 一种确定图像相似度的方法、相册管理方法及相关设备 | |
CN109086791A (zh) | 一种二分类器的训练方法、装置、及计算机设备 | |
CN108108455A (zh) | 目的地的推送方法、装置、存储介质及电子设备 | |
CN113723159A (zh) | 场景识别模型训练方法、场景识别方法及模型训练装置 | |
CN111158828A (zh) | 应用程序app的用户界面确定方法及装置、存储介质 | |
CN110347858A (zh) | 一种图片的生成方法和相关装置 |
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: 20190730 |
|
RJ01 | Rejection of invention patent application after publication |