CN112052910B - 食品安全分类方法、装置、计算机设备及存储介质 - Google Patents

食品安全分类方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN112052910B
CN112052910B CN202010996866.8A CN202010996866A CN112052910B CN 112052910 B CN112052910 B CN 112052910B CN 202010996866 A CN202010996866 A CN 202010996866A CN 112052910 B CN112052910 B CN 112052910B
Authority
CN
China
Prior art keywords
food
inspected
information
hazard
customs
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
CN202010996866.8A
Other languages
English (en)
Other versions
CN112052910A (zh
Inventor
李和平
周华亮
张荣荣
朱崧琪
胡运发
董夫银
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.)
Shenzhen Customs Animal and Plant Inspection and Quarantine Technology Center
Original Assignee
Shenzhen Customs Animal and Plant Inspection and Quarantine Technology Center
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 Shenzhen Customs Animal and Plant Inspection and Quarantine Technology Center filed Critical Shenzhen Customs Animal and Plant Inspection and Quarantine Technology Center
Priority to CN202010996866.8A priority Critical patent/CN112052910B/zh
Publication of CN112052910A publication Critical patent/CN112052910A/zh
Application granted granted Critical
Publication of CN112052910B publication Critical patent/CN112052910B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2431—Multiple classes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/047—Probabilistic or stochastic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明适用于食品安全管理技术领域，提供了一种食品安全分类方法、装置、计算机设备及存储介质，方法包括：获取待查验的物品清单信息，其中，物品清单信息包括至少一种待查验食品的食品海关编码以及品质事项信息；根据预设的自定义编码转换规则将食品海关编码以及品质事项信息进行编码转换生成对应待查验食品的目标编码；将至少一种待查验食品的食品编码和对应的目标编码进行整合编辑生成食品危害管控数据表。本实施通过将海关使用的HS编码转换为自定义的食品分类编码，所以能降低食品分类编码的复杂度，且能准确定位食品的品质事项，为海关和检疫检验部门判断食品适用政策提供依据，提高查验效率。

Description

食品安全分类方法、装置、计算机设备及存储介质
技术领域
本发明属于食品安全管理技术领域，尤其涉及一种食品安全分类方法、装置、计算机设备及存储介质。
背景技术
随着生活水平的提高，人们越来越注重饮食健康问题，而食品安全直接关系广大人民群众的身体健康和生命安全，是重大的基本民生问题。食品安全风险识别是食品安全管理的前提条件，例如，食品在过海关时，需要向海关提交报检，完成食品信息的录入和筛选，HS目录是一种国际通用的进出口商品分类体系，HS目录通过5-7个层次的分类,系统地对国际贸易中的商品进行了归类,并为各层次类别定义了数字编码(即HS编码)以供查找和统计。
但是，各类商品在HS目录中确定的唯一的8～10位的HS编码，冗长的HS编码给商品的查询和确认工作增加了难度，且容易出错，降低了货物通关效率。另外，HS编码仅能用来确认商品的商品名，无法查询商品的其他信息，例如商品的未予准入的事实的相关信息，无法为海关和检验检疫部门提供判断商品适用政策的直接依据，提高了工作量。
发明内容
本发明实施例提供食品安全分类方法，旨在解决现有食品分类方法分类复杂的问题。
本发明实施例是这样实现的，一种食品安全分类方法，包括：
获取待查验的物品清单信息，其中，物品清单信息包括至少一种待查验食品的食品海关编码以及品质事项信息；
根据预设的自定义编码转换规则将食品海关编码以及品质事项信息进行编码转换生成对应待查验食品的目标编码；
将至少一种待查验食品的食品编码和对应的目标编码进行整合编辑生成食品危害管控数据表。
第二方面，本发明实施例还提供一种食品安全分类装置，包括：
物品清单信息获取单元，用于获取待查验的物品清单信息，其中，物品清单信息包括至少一种待查验食品的食品海关编码以及品质事项信息；
目标编码生成单元，用于根据预设的自定义编码转换规则将食品海关编码以及品质事项信息进行编码转换生成对应待查验食品的目标编码；
数据表生成单元，用于将至少一种待查验食品的食品编码和对应的目标编码进行整合编辑生成食品危害管控数据表。
第三方面，本发明实施例还提供一种计算机设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述方法的步骤。
第四方面，本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上述方法的步骤。
本发明实施例由于通过获取待查验的物品清单信息，该物品清单信息包括至少一种待查验食品的食品海关编码以及品质事项信息，针对每一待查验食品，根据预设的自定义编码转换规则将食品海关编码以及品质事项信息进行编码转换生成待查验食品的目标编码；然后将所有待查验食品的食品编码和目标编码进行整合编辑生成食品危害管控数据表，将海关使用的HS编码转换为自定义的食品分类编码，所以能降低食品分类编码的复杂度，且能准确定位食品的品质事项，为海关和检疫检验部门判断食品适用政策提供依据，提高查验率。
附图说明
图1是本发明实施例提供的食品安全分类方法的具体流程示意图；
图2是本发明实施例提供的设置食品危害等级的具体流程示意图；
图3是本发明实施例提供的根据危害等级设置出处理事项的流程示意图；
图4是本发明实施例提供的获取物品清单信息的流程示意图；
图5是本发明实施例提供的食品安全分类装置一个实施例的模块示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。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。
由于通过获取待查验的物品清单信息，该物品清单信息包括至少一种待查验食品的食品海关编码以及品质事项信息，针对每一待查验食品，根据预设的自定义编码转换规则将食品海关编码以及品质事项信息进行编码转换生成待查验食品的目标编码；然后将所有待查验食品的食品编码和目标编码进行整合编辑生成食品危害管控数据表，将海关使用的HS编码转换为自定义的食品分类编码，所以能降低食品分类编码的复杂度，且能准确定位食品的品质事项，为海关和检疫检验部门判断食品适用政策提供依据，提高查验效率。
实施例一
在一些可选实施例中，请参阅图1，图1是本申请食品安全分类方法一个实施例的具体流程示意图。
如图1所示，本申请实施例提供一种食品安全分类方法，包括：
S1100、获取待查验的物品清单信息，其中，物品清单信息包括至少一种待查验食品的食品海关编码以及品质事项信息；
在实施时，物品或者商品进出海关需要进行出入境检验检疫，出入境检验检疫是指政府行政部门以法律、行政行规、国际惯例或进口国法规要求为准则，对出入境货物、交通工具、人员及其他事项等进行管理及认证，并提供官方检验证明、民间检验公证和鉴定完毕的全部活动。海关使用HS编码对报关物品进行编码分类生成海关报关清单，以食品类物品进出海关进行出入境检验检疫为例，该海关报关清单包括待查验食品的食品海关编码和品质事项信息，其中，食品海关编码即HS编码，品质事项信息即检验结果信息，海关报关清单的未予准入的食品化妆品信息如表1所示。
表1未予准入的食品化妆品信息
表1展示了未予准入的食品化妆品信息的部分数据，表1中包括HS编码、报检单号、产品名称、产地、制造商名称及注册编号、进口商名称及注册编号、重量、未予准入的事实、处理措施分类以及进境口岸等信息，HS编码对应食品海关编码，未予准入的事实对应品质事项信息，系统通过提取表1中的HS编码和未予准入的事实生成待查验的物品清单信息。
S1200、根据预设的自定义编码转换规则将食品海关编码以及品质事项信息进行编码转换生成对应待查验食品的目标编码；
系统针对每一待查验食品，将对应待查验食品的食品海关编码和品质事项信息根据自定义编码转换规则进行编码转换生成该待查验食品的目标编码，自定义编码转换规则是系统预先设置的编码转换算法，在实施时，自定义编码转换规则用于将HS编码和品质事项信息分别转换成预设位数的数字编码。自定义编码转换规则对应的食品分类规则如表2所示。
表2进口食品分类规则
在表2中，“0”字头为初级农产品加工品，例如“02”为全麦、面粉产品、淀粉（包括米类），“03”为烘焙产品、面团、混合物、挂霜，“04”为面条、各种面条产品，这些“0”字头的食品均分类为数字编码1；而“12”为奶酪、奶酪产品，“13”为冰激凌产品，这些“1”字头的食品均分类为数字编码2；而“20”为水果/水果产品（浆果、柠檬类水果、核果），“21”为水果/水果产品（模拟水果、坑果、亚热带热带水果），这些“2”字头的食品均分类为数字编码3。
在一些可选实施例中，HS编码是一种8～10位的编码，自定义编码转换规则还可以提取HS编码的预设位数的字头，例如物品1的HS编码为1001110001，则提取该HS编码的两位字头“10”作为该物品1的自定义的数字编码。
当然，在一些实施例中，自定义编码转换规则还可以是将HS编码和品质事项信息与元数据库中的数据进行匹配生成目标编码，目标编码包括IFATS编码和危害编码，IFATS编码对应食品海关编码，危害编码对应品质事项信息，海关报关清单的信息对应目标编码如表3所示。
表3海关报关清单风险代码
在表3中，序号1物品的HS编码为0202300090，其对应的风险代码为17-55，风险代码即目标编码，其中，风险代码中的17和55分别对应IFATS编码和危害编码，即将食品海关编码和品质事项信息转换为17-55，元数据库是系统中预先设置的本地数据库，元数据库中存储有HS编码和品质事项信息与目标编码的映射关系，例如HS编码0202300090、0206490000、0207141100以及0207141100等映射IFATS编码17，而未予准入的事实中的标签不合格和货证不符分别映射危害编码55和53，所以序号1物品的目标编码为17-55，而序号2物品的目标编码为17-53。
在一些实施例中，危害编码还可以是一种自定义的分类编码，危害编码是自定义的一种食品不合格原因分类编码，危害编码对应食品不合格原因分类如表4所示。
表4食品不合格原因分类
在表4中，污染物对应代码01，微生物污染对应代码11，动物疫病对应代码12，以物品A的HS编码为0202300090且其不合格原因为微生物污染为例，该物品A的目标编码为17-11，上述将食品海关编码以及品质事项信息进行编码转换生成目标编码为举例说明，在实施时，将食品海关编码以及品质事项信息进行编码转换生成目标编码不局限于上述方式和编码数字，还可以采用其他方式，能实现将冗长的HS编码和物品危害信息转换为简化目标编码即可。
S1300、将至少一种待查验食品的食品编码和对应的目标编码进行整合编辑生成食品危害管控数据表。
在实施时，生成的食品危害管控数据表中包括所有的待查验食品的目标编码，其中，食品编码为该待查验食品的报检单号，如表3中，序号1物品的报检单号为311000116019867，物品和报检单号唯一对应，从而可以根据食品编码准确定位物品。
本实施例通过获取待查验的物品清单信息，该物品清单信息包括至少一种待查验食品的食品海关编码以及品质事项信息，针对每一待查验食品，根据预设的自定义编码转换规则将食品海关编码以及品质事项信息进行编码转换生成待查验食品的目标编码；然后将所有待查验食品的食品编码和目标编码进行整合编辑生成食品危害管控数据表，将海关使用的HS编码转换为自定义的食品分类编码，所以能降低食品分类编码的复杂度，且能准确定位食品的品质事项，为海关和检疫检验部门判断食品适用政策提供依据，提高查验效率。
实施例二
在一些可选实施例中，请参阅图2，图2是本申请一个实施例设置食品危害等级的流程示意图。
如图2所示，将至少一种待查验食品的食品编码和对应的目标编码进行整合编辑生成食品危害管控数据表的步骤之后，还包括：
S1400、针对每一待查验食品，在预设的危害对照数据表中查找与待查验食品的目标编码相对应的危害等级信息；
S1500、根据危害等级信息在食品危害管控数据表中设置对应待查验食品的食品危害等级。
在实施时，危害对照数据表是预先设置的危害信息表，该危害对照数据表中包括目标编码和危害等级的映射关系，则系统可以根据待查验食品的目标编码在该危害对照数据表中查找到该待查验食品的危害等级信息，进而根据危害等级信息在食品危害管控数据表中设置该待查验食品的食品危害等级，以目标编码10、20和30分别对应危害等级为1级、2级和3级为例，例如标签不合格对应目标编码10，微生物污染对应目标编码20，重金属超标对应目标编码30，物品B属于重金属超标的食品，则物品B的目标编码为30，根据危害对照数据表即可得知物品B对应3级危害等级信息，进而可以在食品危害管控数据表中设置物品B的食品危害等级为3级。在一些实施例中，为了凸显不同的危害等级，可以在生成的食品危害管控数据表中根据不同的危害等级进行颜色渲染，例如1级为绿色，2级为黄色，3级为红色，或者设置不同的危害等级的字体样式，例如1级为字体倾斜，2级为字体加下划线，3级为字体加粗，突出显示不同的危害等级，方便查看。
实施例三
在一些可选实施例中，请参阅图3，图3是本申请一个实施例根据危害等级设置出处理事项的流程示意图。
如图3所示，根据危害等级信息在食品危害管控数据表中设置对应待查验食品的食品危害等级的步骤之后，还包括：
S1600、获取食品危害等级超过预设等级阈值的目标待查验食品的食品类别；
S1700、根据目标待查验食品的食品危害等级以及食品类别，确定目标待查验食品的危害食品处理事项。
食品类别是自定义的食品分类类别，在实施时，如表1中，系统存储有HS编码和食品类别的映射关系，根据食品的HS编码即可获取相应食品的食品类别，在另一些可选实施例中，系统还可以存储有产品名称与食品类别的映射关系，根据食品的产品名称，例如表1中的产品名称即可获取食品的食品类别。
在一些实施例中，系统将食品危害等级超过预设等级阈值的待查验食品作为目标待查验食品，其中，预设等级阈值是系统中预先设置的比较值，以预设等级阈值为2级为例，食品A、食品B、食品C和食品D的食品危害等级分别为5级、3级、1级和3级，则将食品A、食品B和食品D作为目标待查验食品，并获取食品A、食品B和食品D的食品类别，然后根据食品A、食品B和食品D的食品危害等级和食品类别，分别确定食品A、食品B和食品D的危害食品处理事项，例如食品A为毛豆腐，食品B为鲜葡萄，食品C为冻牛肉，其中，食品A、食品B和食品D均为菌落总数超标，由于毛豆腐是一种发酵过的豆腐，所以食品A的菌落总数超标属于毛豆腐的正常现象，而食品B和食品D菌落总数超标则属于食品腐败，需要根据不同食品的类别和食品危害等级具体设置该食品的危害食品处理事项，例如食品A毛豆腐的危害食品处理事项为检疫合格或者暂留查看，食品B和食品D的危害食品处理事项为销毁。
实施例四
在一些可选实施例中，请参阅图4，图4是本申请一个实施例获取物品清单信息的流程示意图。
如图4所示，获取待查验的物品清单信息的步骤，包括：
S1010、获取海关物品清单的图像信息，其中，海关物品清单为包括至少一种待查验食品的海关报关清单；
系统对海关报关清单进行扫描即可获取海关物品清单的图像信息，在一些实施例中，获取海关物品清单的图像信息的方法包括实时采集和提取存储图像视频资料两种方法。实时采集主要用于智能终端（手机、平板电脑和监控设备）对海关物品清单进行拍照。提取存储图像视频资料主要用于对存储的图像和视频资料进行进一步的处理，也能够用于智能终端对历史照片进行应用。
S1020、将图像信息输入至预设的图文识别模型中，图文识别模型为训练至收敛用于识别图文信息的卷积神经网络模型；
S1030、获取图文识别模型输出的包括至少一种待查验食品的食品海关编码以及品质事项信息的物品清单信息。
卷积神经网络模型在进行图像处理时，已经被训练至收敛，即通过特定的训练方式，已经使卷积神经网络模型能够按预期对海关物品清单图像进行处理。
在一些实施方式中，卷积神经网络模型对输入的图像进行特征提取，获取能够表征待查验食品的食品海关编码以及品质事项信息的特征，并在卷积神经网络模型的全连接层形成待分类数据。
在实施时，采用Softmax 的交叉熵损失函数对待分类数据进行预处理，预处理的方式为对待分类数据进行系数松弛化处理，即对卷积神经网络模型全连接层输出的待分类数据进行同比例缩小处理，以增大待分类数据的分类界面。具体的操作方法为，在待分类数据之前乘以一个大于0小于1的松弛系数，松弛系数通过多次试验验证获得，能够采用的一种方案为：设定卷积神经网络模型的分类精准度，通过选定不同的松弛系数，对卷积神经网络模型进行训练，记录不同卷积神经网络模型分类达到该精准度的时间，取训练时间最短卷积神经网络模型所采用的系数，作为松弛系数。
当一个数据在进行缩放后，与分类边界值进行比较，仍能大于或位于该分类边界值以内，则未经过缩放的原始数据一定大于或位于该分类边界值以内。将待分类数据进行系数松弛化处理，但分类边界值未发生变化，则相对于分类边界值而言经过系数松弛化处理的待分类数据进行了缩小，变相的增大了待分类数据的分类界面。同时对待分类数据的处理，以更加收敛的训练条件训练卷积神经网络模型，使卷积神经网络模型的分类更加的精确。从而使得图文识别模型输出的物品清单信息中包括所有待查验食品的食品海关编码以及品质事项信息。
实施例五
在一些可选实施例中，请参阅图5，图5是本申请食品安全分类装置一个实施例的模块示意图。
如图5所示，本发明实施例还提供一种食品安全分类装置，包括：
物品清单信息获取单元2100，用于获取待查验的物品清单信息，其中，物品清单信息包括至少一种待查验食品的食品海关编码以及品质事项信息；
目标编码生成单元2200，用于根据预设的自定义编码转换规则将食品海关编码以及品质事项信息进行编码转换生成对应待查验食品的目标编码；
数据表生成单元2300，用于将至少一种待查验食品的食品编码和对应的目标编码进行整合编辑生成食品危害管控数据表。
本实施例通过获取待查验的物品清单信息，该物品清单信息包括至少一种待查验食品的食品海关编码以及品质事项信息，针对每一待查验食品，根据预设的自定义编码转换规则将食品海关编码以及品质事项信息进行编码转换生成待查验食品的目标编码；然后将所有待查验食品的食品编码和目标编码进行整合编辑生成食品危害管控数据表，将海关使用的HS编码转换为自定义的食品分类编码，所以能降低食品分类编码的复杂度，且能准确定位食品的品质事项，为海关和检疫检验部门判断食品适用政策提供依据，提高查验效率。
在一些可选实施例中，本发明实施例提供的一种食品安全分类装置还包括：
危害等级信息查找单元，用于针对每一待查验食品，在预设的危害对照数据表中查找与待查验食品的目标编码相对应的危害等级信息；
危害等级设置单元，用于根据危害等级信息在食品危害管控数据表中设置对应待查验食品的食品危害等级。
在一些可选实施例中，本发明实施例提供的一种食品安全分类装置还包括：
食品类别获取单元，用于获取食品危害等级超过预设等级阈值的目标待查验食品的食品类别；
处理事项确定单元，用于根据目标待查验食品的食品危害等级以及食品类别，确定目标待查验食品的危害食品处理事项。
在一些可选实施例中，本发明实施例提供的一种食品安全分类装置的物品清单信息获取单元2100，包括：
图像获取子单元，用于获取海关物品清单的图像信息，其中，海关物品清单为包括至少一种待查验食品的海关报关清单；
图像处理子单元，用于将图像信息输入至预设的图文识别模型中，图文识别模型为训练至收敛用于识别图文信息的卷积神经网络模型；
清单信息获取子单元，用于获取图文识别模型输出的包括至少一种待查验食品的食品海关编码以及品质事项信息的物品清单信息。
本发明实施例所提供的食品安全分类装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
实施例六
在一些可选实施例中，本发明实施例还提供一种计算机设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述方法的步骤。
在一些可选实施例中，本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上述方法的步骤。
示例性的，计算机程序可以被分割成一个或多个模块，一个或者多个模块被存储在存储器中，并由处理器执行，以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在计算机装置中的执行过程。例如，计算机程序可以被分割成上述各个方法实施例提供的食品安全分类方法的步骤。
本领域技术人员可以理解，上述计算机装置的描述仅仅是示例，并不构成对计算机装置的限定，可以包括比上述描述更多或更少的部件，或者组合某些部件，或者不同的部件，例如可以包括输入输出设备 、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述计算机装置的控制中心，利用各种接口和线路连接整个计算机装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述计算机装置的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据手机的使用所创建的数据（比如音频数据、电话本等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（Flash Card）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述计算机装置集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、电载波信号、电信号以及软件分发介质等。
本申请实施例通过获取待查验的物品清单信息，该物品清单信息包括至少一种待查验食品的食品海关编码以及品质事项信息，针对每一待查验食品，根据预设的自定义编码转换规则将食品海关编码以及品质事项信息进行编码转换生成待查验食品的目标编码；然后将所有待查验食品的食品编码和目标编码进行整合编辑生成食品危害管控数据表，将海关使用的HS编码转换为自定义的食品分类编码，所以能降低食品分类编码的复杂度，且能准确定位食品的品质事项，为海关和检疫检验部门判断食品适用政策提供依据，提高查验效率。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种食品安全分类方法，其特征在于，包括：
获取待查验的物品清单信息，其中，所述物品清单信息包括至少一种待查验食品的食品海关编码以及品质事项信息；
根据预设的自定义编码转换规则将所述食品海关编码以及所述品质事项信息进行编码转换生成对应待查验食品的目标编码；
将所述至少一种待查验食品的食品编码和对应的所述目标编码进行整合编辑生成食品危害管控数据表；
所述将所述至少一种待查验食品的食品编码和对应的所述目标编码进行整合编辑生成食品危害管控数据表的步骤之后，还包括：
针对每一待查验食品，在预设的危害对照数据表中查找与待查验食品的所述目标编码相对应的危害等级信息；
根据所述危害等级信息在所述食品危害管控数据表中设置对应待查验食品的食品危害等级；
所述获取待查验的物品清单信息的步骤，包括：
获取海关物品清单的图像信息，其中，所述海关物品清单为包括所述至少一种待查验食品的海关报关清单；
将所述图像信息输入至预设的图文识别模型中，所述图文识别模型为训练至收敛用于识别图文信息的卷积神经网络模型；
获取所述图文识别模型输出的包括所述至少一种待查验食品的食品海关编码以及品质事项信息的所述物品清单信息。
2.如权利要求1所述的食品安全分类方法，其特征在于，所述根据所述危害等级信息在所述食品危害管控数据表中设置对应待查验食品的食品危害等级的步骤之后，还包括：
获取食品危害等级超过预设等级阈值的目标待查验食品的食品类别；
根据所述目标待查验食品的食品危害等级以及所述食品类别，确定所述目标待查验食品的危害食品处理事项。
3.一种食品安全分类装置，其特征在于，包括：
物品清单信息获取单元，用于获取待查验的物品清单信息，其中，所述物品清单信息包括至少一种待查验食品的食品海关编码以及品质事项信息；
目标编码生成单元，用于根据预设的自定义编码转换规则将所述食品海关编码以及所述品质事项信息进行编码转换生成对应待查验食品的目标编码；
数据表生成单元，用于将所述至少一种待查验食品的食品编码和对应的所述目标编码进行整合编辑生成食品危害管控数据表；
危害等级信息查找单元，用于针对每一待查验食品，在预设的危害对照数据表中查找与待查验食品的所述目标编码相对应的危害等级信息；
危害等级设置单元，用于根据所述危害等级信息在所述食品危害管控数据表中设置对应待查验食品的食品危害等级；
所述物品清单信息获取单元，包括：
图像获取子单元，用于获取海关物品清单的图像信息，其中，所述海关物品清单为包括所述至少一种待查验食品的海关报关清单；
图像处理子单元，用于将所述图像信息输入至预设的图文识别模型中，所述图文识别模型为训练至收敛用于识别图文信息的卷积神经网络模型；
清单信息获取子单元，用于获取所述图文识别模型输出的包括所述至少一种待查验食品的食品海关编码以及品质事项信息的所述物品清单信息。
4.如权利要求3所述的食品安全分类装置，其特征在于，还包括：
食品类别获取单元，用于获取食品危害等级超过预设等级阈值的目标待查验食品的食品类别；
处理事项确定单元，用于根据所述目标待查验食品的食品危害等级以及所述食品类别，确定所述目标待查验食品的危害食品处理事项。
5.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至2任一项所述方法的步骤。
6.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至2任一项所述方法的步骤。
CN202010996866.8A 2020-09-21 2020-09-21 食品安全分类方法、装置、计算机设备及存储介质 Active CN112052910B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010996866.8A CN112052910B (zh) 2020-09-21 2020-09-21 食品安全分类方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010996866.8A CN112052910B (zh) 2020-09-21 2020-09-21 食品安全分类方法、装置、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN112052910A CN112052910A (zh) 2020-12-08
CN112052910B true CN112052910B (zh) 2024-05-10

Family

ID=73603629

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010996866.8A Active CN112052910B (zh) 2020-09-21 2020-09-21 食品安全分类方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN112052910B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113435555B (zh) * 2021-06-29 2023-03-31 贵州贵科大数据有限责任公司 一种食品映射标注系统及食品编码方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101064018A (zh) * 2006-08-31 2007-10-31 中华人民共和国上海国际机场出入境检验检疫局 Hs编码计算机自动查询系统
WO2014092230A1 (ko) * 2012-12-13 2014-06-19 대한민국 (식품의약품안전청장) 위해예측기반 수입식품검사 시스템 및 방법
KR20170077397A (ko) * 2015-12-28 2017-07-06 한국과학기술원 뉴스와 sns 데이터로부터 식품 위해 이벤트를 실시간 자동 추출하는 방법 및 이를 위한 시스템
CN107301514A (zh) * 2017-07-03 2017-10-27 安徽易商数码科技有限公司 一种检验检疫快速查验系统
CN109359195A (zh) * 2018-10-19 2019-02-19 杭州推点科技发展有限公司 一种hs编码转译方法
CN109800769A (zh) * 2018-12-20 2019-05-24 平安科技（深圳）有限公司 产品分类控制方法、装置、计算机设备及存储介质
KR102111373B1 (ko) * 2019-08-21 2020-05-15 주식회사 이투마스 수출입 신고 방법 및 장치

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101064018A (zh) * 2006-08-31 2007-10-31 中华人民共和国上海国际机场出入境检验检疫局 Hs编码计算机自动查询系统
WO2014092230A1 (ko) * 2012-12-13 2014-06-19 대한민국 (식품의약품안전청장) 위해예측기반 수입식품검사 시스템 및 방법
KR20170077397A (ko) * 2015-12-28 2017-07-06 한국과학기술원 뉴스와 sns 데이터로부터 식품 위해 이벤트를 실시간 자동 추출하는 방법 및 이를 위한 시스템
CN107301514A (zh) * 2017-07-03 2017-10-27 安徽易商数码科技有限公司 一种检验检疫快速查验系统
CN109359195A (zh) * 2018-10-19 2019-02-19 杭州推点科技发展有限公司 一种hs编码转译方法
CN109800769A (zh) * 2018-12-20 2019-05-24 平安科技（深圳）有限公司 产品分类控制方法、装置、计算机设备及存储介质
KR102111373B1 (ko) * 2019-08-21 2020-05-15 주식회사 이투마스 수출입 신고 방법 및 장치

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
HS编码查询知识库设计与实现;谢维;李银胜;邵永臻;吴晓彦;;计算机应用与软件(第08期);全文 *
探析食品安全数据分类编码;杨林;;条码与信息系统(第01期);全文 *
植物疫情信息支持系统的研制和应用;娄定风;李秋枫;刘新娇;金显忠;王峻;;植物检疫(第04期);全文 *
跨境电商中HS编码与GTIN编码映射方法介绍;朱雪玲;;条码与信息系统(第05期);全文 *
食品检验项目分类编码系统研究;陶健;邢书霞;艾君涛;谢新华;;食品工业(第10期);全文 *

Also Published As

Publication number Publication date
CN112052910A (zh) 2020-12-08

Similar Documents

Publication Publication Date Title
CN108564286B (zh) 一种基于大数据征信的人工智能金融风控授信评定方法和系统
Chen et al. Combining discriminant analysis and neural networks for corn variety identification
Pardede et al. Fruit ripeness based on RGB, HSV, HSL, L* a* b* color feature using SVM
Kangune et al. Grapes ripeness estimation using convolutional neural network and support vector machine
Srinivasan et al. Interpretable human action recognition in compressed domain
Garcia et al. Tomayto, tomahto: A machine learning approach for tomato ripening stage identification using pixel-based color image classification
Rad et al. Classification of rice varieties using optimal color and texture features and BP neural networks
US20140170608A1 (en) Method and system for diet management
Font et al. An image processing method for in-line nectarine variety verification based on the comparison of skin feature histogram vectors
CN112052910B (zh) 食品安全分类方法、装置、计算机设备及存储介质
Ali et al. Detecting fraudulent labeling of rice samples using computer vision and fuzzy knowledge
Banakar et al. Combined application of decision tree and fuzzy logic techniques for intelligent grading of dried figs
Supekar et al. Multi-parameter based mango grading using image processing and machine learning techniques
Sola-Guirado et al. A smart system for the automatic evaluation of green olives visual quality in the field
Nirale et al. Analytical Study on IoT and Machine Learning based Grading and Sorting System for Fruits
Goyal et al. Tomato ripeness and shelf-life prediction system using machine learning
US20230063311A1 (en) Information processing apparatus, information processing method, and program
Yumang et al. Determining the Ripeness of Edible Fruits using YOLO and the OVA Heuristic Model
Khandelwal et al. Image Processing Based Quality Analyzer and Controller
Ayuningtyas et al. Identification of tomato maturity based on his color space using the k-nearest neighbour method
Phetphoung et al. Automatic sushi classification from images using color histograms and shape properties
Tan et al. Automated tomato grading system using computer vision (CV) and deep neural network (DNN) algorithm
Winiarti et al. Determining feasibility level of beef quality based on histogram and k-means clustering
Handayani et al. Digital Image Analysis of Beef Color Using Euclidean Distance Method
Mehra GuavaNet: A deep neural network architecture for automatic sensory evaluation to predict degree of acceptability for Guava by a consumer

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