CN112330200A - 一种提升食品检测效果的信息处理方法和装置 - Google Patents
一种提升食品检测效果的信息处理方法和装置 Download PDFInfo
- Publication number
- CN112330200A CN112330200A CN202011328892.XA CN202011328892A CN112330200A CN 112330200 A CN112330200 A CN 112330200A CN 202011328892 A CN202011328892 A CN 202011328892A CN 112330200 A CN112330200 A CN 112330200A
- Authority
- CN
- China
- Prior art keywords
- information
- food
- obtaining
- detection
- detected
- 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
- 235000013305 food Nutrition 0.000 title claims abstract description 330
- 238000001514 detection method Methods 0.000 title claims abstract description 232
- 230000000694 effects Effects 0.000 title claims abstract description 44
- 230000010365 information processing Effects 0.000 title claims abstract description 32
- 238000003672 processing method Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000004519 manufacturing process Methods 0.000 claims abstract description 37
- 238000012549 training Methods 0.000 claims description 27
- 235000012041 food component Nutrition 0.000 claims description 11
- 239000005428 food component Substances 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 abstract description 15
- 238000012795 verification Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 235000013336 milk Nutrition 0.000 description 8
- 239000008267 milk Substances 0.000 description 8
- 210000004080 milk Anatomy 0.000 description 8
- 239000000843 powder Substances 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000003062 neural network model Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 235000013365 dairy product Nutrition 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 235000015097 nutrients Nutrition 0.000 description 3
- 230000002378 acidificating effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 description 1
- 208000022559 Inflammatory bowel disease Diseases 0.000 description 1
- 108010046377 Whey Proteins Proteins 0.000 description 1
- 102000007544 Whey Proteins Human genes 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 239000000306 component Substances 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 230000009246 food effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 235000016046 other dairy product Nutrition 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
- 235000021119 whey protein Nutrition 0.000 description 1
Images
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
- G06Q10/06395—Quality analysis or management
-
- 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
-
- 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
- G06Q50/265—Personal security, identity or safety
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Molecular Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Computer Security & Cryptography (AREA)
- Primary Health Care (AREA)
- General Preparation And Processing Of Foods (AREA)
Abstract
本发明公开了一种提升食品检测效果的信息处理方法和装置,所述方法包括:获得第一食品的属性信息,进而获得其第一类别信息;获得所述第一食品的食用对象信息,进而获得所述食用对象信息的第二类别信息;根据所述第一食品的第一类别信息和所述食用对象信息的第二类别信息,获得所述第一食品的待检项信息;获得所述第一食品的生产日期和保质期;根据所述第一食品的生产日期和所述保质期,获得所述第一食品的检测次数信息;根据所述第一食品的第一待检项信息和所述检测次数信息,获得第一检测结果。解决了食品检测过程中检测工作繁琐复杂、检测不够全面的技术问题。
Description
技术领域
本发明涉及食品检测领域,尤其涉及一种提升食品检测效果的信息处理方法和装置。
背景技术
随着社会的不断进步和经济发展,人们的生活质量和生活水平逐渐提高,食品的种类也更加丰富多样,人们对食品的安全也越来越重视。近年来食品安全事故屡次发生,食品安全问题让人担忧,因此加快研究食品检测技术,是提高食品安全的重要环节。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术中食品检测过程繁琐复杂,检测过于笼统,对需要检测的方面加强不够,使得对食品的检测没有达到预期的目标。
发明内容
本申请实施例通过提供一种提升食品检测效果的信息处理方法,解决了现有技术中食品检测过程繁琐复杂,检测过于笼统,对需要检测的方面加强不够,使得对食品的检测没有达到预期的目标的技术问题,达到了对于食品安全有了更加详细的检测,使得检测过程简单有序,检测结果清晰明了的技术效果。
本申请实施例提供了一种提升食品检测效果的信息处理方法和装置,其中,所述方法包括:获得第一食品的属性信息;根据所述第一食品的属性信息,获得所述第一食品的第一类别信息;获得所述第一食品的食用对象信息;根据所述第一食品的食用对象信息,获得所述食用对象信息的第二类别信息;根据所述第一食品的第一类别信息和所述食用对象信息的第二类别信息,获得所述第一食品的待检项信息;获得所述第一食品的生产日期;获得所述第一食品的保质期;根据所述第一食品的生产日期和所述保质期,获得所述第一食品的检测次数信息;根据所述第一食品的第一待检项信息和所述检测次数信息,获得第一检测结果。
另一方面,本申请还提供了一种提升食品检测效果的信息处理装置,其中,所述装置包括:第一获得单元:所述第一获得单元用于获得第一食品的属性信息;第二获得单元:所述第二获得单元用于根据所述第一食品的属性信息,获得所述第一食品的第一类别信息;第三获得单元:所述第三获得单元用于获得所述第一食品的食用对象信息;第四获得单元:所述第四获得单元用于根据所述第一食品的食用对象信息,获得所述食用对象信息的第二类别信息;第五获得单元:所述第五获得单元用于根据所述第一食品的第一类别信息和所述食用对象信息的第二类别信息,获得所述第一食品的待检项信息;第六获得单元:所述第六获得单元用于获得所述第一食品的生产日期;第七获得单元:所述第七获得单元用于获得所述第一食品的保质期;第八获得单元:所述第八获得单元用于根据所述第一食品的生产日期和所述保质期,获得所述第一食品的检测次数信息;第九获得单元:所述第九获得单元用于根据所述第一食品的第一待检项信息和所述检测次数信息,获得第一检测结果。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过获得所述第一食品的第一类别信息和所述食用对象信息的第二类别信息,对食品和食用对象分别进行类别比对,以便于对食品的固有成分进行检测,而非笼统的对所有物质和营养成分均进行检测,费时费力,通过这种方式,达到了对于食品安全有了更加详细的检测,使得检测过程简单有序,检测结果清晰明了的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种提升食品检测效果的信息处理方法的流程示意图;
图2为本申请实施例一种提升食品检测效果的信息处理方法中的根据所述第一食品的生产日期和所述保质期,获得所述第一食品的检测次数信息的流程示意图;
图3为本申请实施例一种提升食品检测效果的信息处理方法中的所述第一有效检测时段部分不在所述第一预定时段之内的流程示意图;
图4为本申请实施例一种提升食品检测效果的信息处理方法中的所述第一有效检测时段完全不在所述第一预定时段之内的流程示意图;
图5为本申请实施例一种提升食品检测效果的信息处理方法中的根据所述第一食品的第三待检项信息和所述检测次数信息,获得第二检测结果的流程示意图;
图6为本申请实施例一种提升食品检测效果的信息处理方法中的将所述第一食品的第一类别信息和所述食用对象信息的第二类别信息作为输入数据输入第一训练模型的流程示意图;
图7为本申请实施例一种提升食品检测效果的信息处理方法中的根据所述第一食品的第四待检项信息和所述检测次数信息,获得第三检测结果的流程示意图;
图8本申请实施例一种提升食品检测效果的信息处理方法中的为了保证所述第一训练模型输出结果即第一食品的待检性信息的安全性,使其不被篡改,对其进行基于区块链的赋能的流程示意图;
图9为本申请实施例一种提升食品检测效果的信息处理装置的结构示意图;
图10为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第四获得单元14,第五获得单元15,第六获得单元16,第七获得单元17,第八获得单元18,第九获得单元19,总线300,接收器301,处理器302,发送器303,存储器304,总线接口306。
具体实施方式
本申请实施例通过提供一种提升食品检测效果的信息处理方法,解决了现有技术中食品检测过程繁琐复杂,检测过于笼统,对需要检测的方面加强不够,使得对食品的检测没有达到预期的目标的技术问题,达到了对于食品安全有了更加详细的检测,使得检测过程简单有序,检测结果清晰明了的技术效果。
下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
随着社会的不断进步和经济发展,人们的生活质量和生活水平逐渐提高,食品的种类也更加丰富多样,人们对食品的安全也越来越重视。近年来食品安全事故屡次发生,食品安全问题让人担忧,因此加快研究食品检测技术,是提高食品安全的重要环节。现有技术中食品检测过程繁琐复杂,检测过于笼统,对需要检测的方面加强不够,使得对食品的检测没有达到预期的目标。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种提升食品检测效果的信息处理方法和装置,其中,所述方法包括:获得第一食品的属性信息;根据所述第一食品的属性信息,获得所述第一食品的第一类别信息;获得所述第一食品的食用对象信息;根据所述第一食品的食用对象信息,获得所述食用对象信息的第二类别信息;根据所述第一食品的第一类别信息和所述食用对象信息的第二类别信息,获得所述第一食品的待检项信息;获得所述第一食品的生产日期;获得所述第一食品的保质期;根据所述第一食品的生产日期和所述保质期,获得所述第一食品的检测次数信息;根据所述第一食品的第一待检项信息和所述检测次数信息,获得第一检测结果。
在介绍了本申请基本原理之后,为了更好地理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例一
如图1所示,本申请实施例提供了一种提升食品检测效果的信息处理方法,其中,所述方法包括:
步骤S100:获得第一食品的属性信息;
具体而言,所述第一食品的属性信息指食品的基本属性,包含有营养、安全、色香味形、商品等,日常摄取的食物可大致分为酸性食物和碱性食物,两者合理搭配,保障了身体的健康。
步骤S200:根据所述第一食品的属性信息,获得所述第一食品的第一类别信息;
具体而言,所述第一食品的第一类别信息指对食品进行类别划分,在此可理解为,当所述第一食品为乳制品时,获得其类别划分,可分为液体乳、乳粉、乳清粉和乳清蛋白粉、其他乳制品等,通过具体的类别划分,使得食品检测更加精确。
步骤S300:获得所述第一食品的食用对象信息;
步骤S400:根据所述第一食品的食用对象信息,获得所述食用对象信息的第二类别信息;
具体而言,所述第一食品的食用对象信息指第一食品相对应的食用对象,如奶粉是专为婴幼儿设计使用,低糖食品是专为糖尿病人使用等,专食专用,使得食品检测的侧重点也显而易见。
步骤S500:根据所述第一食品的第一类别信息和所述食用对象信息的第二类别信息,获得所述第一食品的待检项信息;
具体而言,所述第一食品的待检项信息指待检测的食品信息,是根据所述第一食品的第一类别信息和所述食用对象信息的第二类别信息选择的,可具体理解为检测一种乳制品,且专为婴幼儿设计使用的乳制品即奶粉的食品安全,则获得奶粉的待检测信息。
步骤S600:获得所述第一食品的生产日期;
步骤S700:获得所述第一食品的保质期;
具体而言,检验一种食品的安全性,食品的生产日期和保质期的检查是不可缺少的,通过检查核对食品的生产日期和保质期,确保食品处于有效期内,营养成分不会丢失,对人体不存在危害。
步骤S800:根据所述第一食品的生产日期和所述保质期,获得所述第一食品的检测次数信息;
具体而言,在所述第一食品的生产日期和保质期以内,对其进行不定期的检查,确保商品在保质期内是健康的,不存在变质的,进而获得所述第一食品的检测次数信息。
步骤S900:根据所述第一食品的第一待检项信息和所述检测次数信息,获得第一检测结果。
具体而言,获得了所述第一食品的第一待质检信息和所述检测次数信息,进而就可以获得第一检测结果。进一步可理解为通过对奶粉的待质检信息和检测次数的获取,获得了奶粉最终的检测结果,判断是否通过检测。
如图2所示,根据所述第一食品的生产日期和所述保质期,获得所述第一食品的检测次数信息,步骤S800还包括:
步骤S810:根据所述第一食品的生产日期和所述保质期信息,获得第一有效检测时段;
步骤S820:获得第一预定时段阈值;
步骤S830:判断所述第一有效检测时段是否在所述第一预定时段阈值之内;
步骤S840:如果所述第一有效检测时段在所述第一预定时段之内,获得所述第一食品的第一检测次数信息。
具体而言,将所述第一食品的生产日期和保质期这段时间内的日期作为第一有效检测时段,进而获得第一预定时段阈值,可理解为温度较低的秋冬时节或者温度较高的春夏时节,通过判断所述第一有效检测时段是否在所述第一预定时段阈值之内,即所述的第一食品是在秋冬时节生产或是春夏时节生产,如果是在秋冬时节生产,则需要检测的次数相对春夏时节较少,如果所述第一有效检测时段在所述第一预定时段之内,获得所述第一食品的第一检测次数信息,反之,如果是在春夏时节生产,则需要检测的次数相对秋冬时节较多,通过判断所述第一有效检测时段是否在所述第一预定时段阈值之内,达到了对第一食品进行及时检测,确保其正常无损的技术效果。
如图3所示,当所述第一有效检测时段部分不在所述第一预定时段之内,步骤S830还包括:
步骤S831:如果所述第一有效检测时段不在所述第一预定时段之内,获得第一情况,所述第一情况为所述第一有效检测时段部分不在所述第一预定时段之内;
步骤S832:所述第一情况包括第二有效检测时段和第三有效检测时段,其中,所述第二有效检测时段为所述第一预定时段之内,所述第三有效检测时段为非所述第一预定时段之内;
步骤S833:根据所述第二有效检测时段,获得所述第一食品的第二检测次数信息;
步骤S834:根据所述第三有效检测时段,获得所述第一食品的第三检测次数信息;
步骤S835:根据所述第二检测次数信息和所述第三检测次数信息,获得第四检测次数信息。
具体而言,当所述第一有效检测时段不在所述第一预定时段之内,包含两种情况:其一,所述第一有效检测时段部分不在所述第一预定时段之内,进一步可理解为第一有效检测时段为冬季到夏季的过渡,则包含两个有效检测时段,所述第二有效检测时段为所述第一预定时段之内,即在预定时段内的冬季,所述第三有效检测时段为非所述第一预定时段之内,即在预定时段之外的夏季,根据所述第二有效检测时段,获得所述第一食品的第二检测次数信息,根据所述第三有效检测时段,获得所述第一食品的第三检测次数信息,显然第三有效时段要比第二有效时段检测的次数多,最终根据所述第二检测次数信息和所述第三检测次数信息,获得第四检测次数信息,所述第四检测次数信息为总的检测信息,通过对所述第一有效检测时段部分不在所述第一预定时段之内进行细化,达到了更加明确对于不同时段的检测次数,使得检测结果更具有效性的技术效果。
如图4所示,所述第一有效检测时段完全不在所述第一预定时段之内,步骤S830还包括:
步骤S836:如果所述第一有效检测时段不在所述第一预定时段之内,获得第二情况,所述第二情况为所述第一有效检测时段完全不在所述第一预定时段之内;
步骤S837:所述第二情况包括第四有效检测时段,根据所述第四有效检测时段,获得所述第一食品的第五检测次数信息。
具体而言,当所述第一有效检测时段不在所述第一预定时段之内,包含两种情况:其二,所述第一有效检测时段完全不在所述第一预定时段之内,即所述第一有效检测时段为夏季时节。温度较高,食品容易变质,因此应加强对第一食品的检测,此时获得第四有效检测时段,进而获得第一食品的第五检测次数信息,通过适时根据温度对食品的检测次数进行调节,达到了有效保证食品质量的技术效果。
如图5所示,为了达到使第一食品的检测结果更加精准,更具有效性的技术效果,本申请实施例还包括:
步骤S1010:获得所述第一食品的产地信息;
步骤S1020:根据所述产地信息,获得第一影响因素;
步骤S1030:根据所述第一影响因素,获得所述第一食品的第二待检项信息;
步骤S1040:根据所述第一食品的第一待检项信息和所述第二待检项信息,获得第三待检项信息;
步骤S1050:根据所述第一食品的第三待检项信息和所述检测次数信息,获得第二检测结果。
具体而言,食品的生产地不同,对食品的影响也是各有差异,获得所述第一食品的产地信息,根据所述产地信息,获得第一影响因素,所述第一影响因素进一步可理解为所述第一产品的产地存在重金属污染、水污染、空气中的雾霾较大等因素的影响,都会对食物本身产生一定影响,根据所述第一影响因素,获得所述第一食品的第二待检项信息,所述第二待检项信息为附加检查信息,是对于第一影响因素附加的检查信息,根据所述第一食品的第一待检项信息和所述第二待检项信息,获得第三待检项信息,所述第三待检项信息是综合第一待检项信息和第二待检项信息获得的,进而根据所述第一食品的第三待检项信息和所述检测次数信息,获得第二检测结果,通过参考第一食品的产地对第一食品带来的影响因素,达到使第一食品的检测结果更加精准,更具有效性的技术效果。
如图6所示,所述根据所述第一食品的第一类别信息和所述食用对象信息的第二类别信息,获得所述第一食品的待检项信息,步骤S500还包括:
步骤S510:将所述第一食品的第一类别信息和所述食用对象信息的第二类别信息作为输入数据输入第一训练模型,其中,所述第一训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一食品的第一类别信息和所述食用对象信息的第二类别信息和用来标识第一食品成分是否为待检项的标识信息;
步骤S520:获得所述第一训练模型的第一输出信息,其中,所述第一输出信息包括所述第一检测结果,所述第一检测结果为所述第一食品的待检项信息。
具体而言,所述第一训练模型是一个神经网络模型即机器学习中的神经网络模型,神经网络(Neural Networks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(Artificial Neural Networks),是对人类大脑系统的一阶特性的一种描述。简单地讲,它是一个数学模型。在本申请实施例中,将所述第一食品的第一类别信息和所述食用对象信息的第二类别信息作为输入数据输入第一训练模型,用标识第一食品成分是否为待检项的标识信息对所述神经网络模型进行训练。
进一步来说,所述训练神经网络模型的过程实质为监督学习的过程。所述多组训练数据具体为:所述第一食品的第一类别信息和所述食用对象信息的第二类别信息和用来标识第一食品成分是否为待检项的标识信息。通过输入所述第一食品的第一类别信息和所述食用对象信息的第二类别信息,神经网络模型会输出所述第一食品的待检项信息,通过将所述输出信息与所述起标识作用的第一食品成分是否为待检项信息进行校验,如果所述输出信息与所述起标识作用的第一食品成分是否为待检项信息要求相一致,则本数据监督学习完成,则进行下一组数据监督学习;如果所述输出信息与所述起标识作用的第一食品成分是否为待检项信息要求不一致,则神经网络学习模型自身进行调整,直到神经网络学习模型输出结果与所述起标识作用的第一食品成分是否为待检项信息要求相一致,进行下一组数据的监督学习。借助训练模型对所述第一食品的第一类别信息和所述食用对象信息的第二类别信息进行不断训练,达到了使得输出的所述第一食品的待检项信息更加精确地技术效果。
如图7所示,为了达到使第一食品的检测结果更加精准,更具有效性的技术效果,本申请实施例还包括:
步骤S1110:获得所述第一食品的出售地信息;
步骤S1120:根据所述出售地信息,获得第二影响因素;
步骤S1130:根据所述第二影响因素,获得所述第一食品的第三待检项信息;
步骤S1140:根据所述第一食品的第一待检项信息和所述第三待检项信息,获得第四待检项信息;
步骤S1150:根据所述第一食品的第四待检项信息和所述检测次数信息,获得第三检测结果。
具体而言,食品的出售地也会对食品的质量产生一定的影响,可进一步理解为出售地的温湿度、环境等因素都会对食品的质量产生一定的影响,则根据所述出售地信息,获得第二影响因素,进而获得所述第一食品的第三待检项信息,所述第三待检项信息同为附加检测信息,对于第二影响因素附加的检测信息,根据所述第一食品的第一待检项信息和所述第三待检项信息,获得第四待检项信息,所述第四待检项信息是综合第一待检项信息和第三待检项信息获得的,进而根据所述第一食品的第四待检项信息和所述检测次数信息,获得最终的第三检测结果,达到使第一食品的检测结果更加精准,更具有效性的技术效果。
如图8所示,为了保证所述第一训练模型输出结果即第一食品的待检性信息的安全性,使其不被篡改,对其进行基于区块链的赋能,步骤S520还包括:
步骤S521:根据所述第一食品的待检性信息生成第一验证码,其中,所述第一验证码与所述第一食品的待检性信息一一对应;
步骤S522:根据所述第二食品的待检性信息与所述第一验证码生成第二验证码,其中,所述第二验证码与所述第二食品的待检性信息一一对应,以此类推,获得第N食品的待检性信息,根据所述第N食品的待检性信息与所述第N-1验证码生成第N验证码,其中,所述第N验证码与所述第N食品的待检性信息一一对应;
步骤S523:将所有食品的待检性信息和验证码分别复制保存在M台设备上,其中,M为大于1的自然数。
具体而言,为了保证所述第一训练模型输出结果即第一食品的待检性信息的安全性,对其进行基于区块链的加密处理。根据所述第一食品的待检性信息生成第一验证码,其中,所述第一验证码与所述第一食品的待检性信息一一对应;获得所述第二食品的待检性信息,并根据所述第二食品的待检性信息和第一验证码生成第二验证码,其中,所述第二验证码与所述第二食品的待检性信息一一对应,以此类推,直至获得所述第N食品的待检性信息,并根据所述第N食品的待检性信息与第N-1验证码生成第N验证码,其中,所述第N验证码是与所述第N食品的待检性信息一一对应的,将所述第一食品的待检性信息与所述第一验证码作为第一存储区块;将所述第二食品的待检性信息与所述第二验证码作为第二存储区块,以此类推,直至将所述第N食品的待检性信息与所述第N验证码作为第N存储区块;将所述第一存储区块、所述第二存储区块直到第N存储区块分别复制保存在M台设备上。当需要调用所述数据时,后一台设备接收前一台设备存储的数据后,通过“共识机制”进行校验后保存,通过哈希技术对每一存储单位进行串接连成所述的区块链,使得所述数据不易丢失和遭到破坏,进而获得安全的、准确的数据,使之不被篡改,确保体检过程中发生突发情况信息的安全性。
综上所述,本申请实施例所提供的一种提升食品检测效果的信息处理方法和装置具有如下技术效果:
1、通过获得所述第一食品的第一类别信息和所述食用对象信息的第二类别信息,对食品和食用对象分别进行类别比对,以便于对食品的固有成分进行检测,而非笼统的对所有物质和营养成分均进行检测,费时费力,通过这种方式,达到了对于食品安全有了更加详细的检测,使得检测过程简单有序,检测结果清晰明了的技术效果。
2、通过对所述第一食品的生产日期和保质期、第一食品的产地信息、第一食品的出售地信息等进行核对,对这些影响因素进行附加检测,避免对食品造成影响,达到使第一食品的检测结果更加精准,更具有效性的技术效果。
实施例二
基于与前述实施例中一种提升食品检测效果的信息处理方法同样发明构思,本发明还提供了一种提升食品检测效果的信息处理装置,如图9所示,所述装置包括:
第一获得单元11:所述第一获得单元11用于获得第一食品的属性信息;
第二获得单元12:所述第二获得单元12用于根据所述第一食品的属性信息,获得所述第一食品的第一类别信息;
第三获得单元13:所述第三获得单元13用于获得所述第一食品的食用对象信息;
第四获得单元14:所述第四获得单元14用于根据所述第一食品的食用对象信息,获得所述食用对象信息的第二类别信息;
第五获得单元15:所述第五获得单元15用于根据所述第一食品的第一类别信息和所述食用对象信息的第二类别信息,获得所述第一食品的待检项信息;
第六获得单元16:所述第六获得单元16用于获得所述第一食品的生产日期;
第七获得单元17:所述第七获得单元17用于获得所述第一食品的保质期;
第八获得单元18:所述第八获得单元18用于根据所述第一食品的生产日期和所述保质期,获得所述第一食品的检测次数信息;
第九获得单元19:所述第九获得单元19用于根据所述第一食品的第一待检项信息和所述检测次数信息,获得第一检测结果。
进一步的,所述装置还包括:
第十获得单元:所述第十获得单元用于根据所述第一食品的生产日期和所述保质期信息,获得第一有效检测时段;
第十一获得单元:所述第十一获得单元用于获得第一预定时段阈值;
第一判断单元:所述第一判断单元用于判断所述第一有效检测时段是否在所述第一预定时段阈值之内;
第十二获得单元:所述第十二获得单元用于如果所述第一有效检测时段在所述第一预定时段之内,获得所述第一食品的第一检测次数信息。
进一步的,所述装置还包括:
第十三获得单元:所述第十三获得单元用于如果所述第一有效检测时段不在所述第一预定时段之内,获得第一情况,所述第一情况为所述第一有效检测时段部分不在所述第一预定时段之内;
第十四获得单元:所述第十四获得单元用于根据所述第二有效检测时段,获得所述第一食品的第二检测次数信息;
第十五获得单元:所述第十五获得单元用于根据所述第三有效检测时段,获得所述第一食品的第三检测次数信息;
第十六获得单元:所述第十六获得单元用于根据所述第二检测次数信息和所述第三检测次数信息,获得第四检测次数信息。
进一步的,所述装置还包括:
第十七获得单元:所述第十七获得单元用于如果所述第一有效检测时段不在所述第一预定时段之内,获得第二情况,所述第二情况为所述第一有效检测时段完全不在所述第一预定时段之内;
第十八获得单元:所述第十八获得单元用于所述第二情况包括第四有效检测时段,根据所述第四有效检测时段,获得所述第一食品的第五检测次数信息。
进一步的,所述装置还包括:
第十九获得单元:所述第十九获得单元用于获得所述第一食品的产地信息;
第二十获得单元:所述第二十获得单元用于根据所述产地信息,获得第一影响因素;
第二十一获得单元:所述第二十一获得单元用于根据所述第一影响因素,获得所述第一食品的第二待检项信息;
第二十二获得单元:所述第二十二获得单元用于根据所述第一食品的第一待检项信息和所述第二待检项信息,获得第三待检项信息;
第二十三获得单元:所述第二十三获得单元用于根据所述第一食品的第三待检项信息和所述检测次数信息,获得第二检测结果。
进一步的,所述装置还包括:
第一输入单元:所述第一输入单元用于将所述第一食品的第一类别信息和所述食用对象信息的第二类别信息作为输入数据输入第一训练模型;
第二十四获得单元:所述第二十四获得单元用于获得所述第一训练模型的第一输出信息,其中,所述第一输出信息包括所述第一检测结果,所述第一检测结果为所述第一食品的待检项信息。
进一步的,所述装置还包括:
第二十五获得单元:所述第二十五获得单元用于获得所述第一食品的出售地信息;
第二十六获得单元:所述第二十六获得单元用于根据所述出售地信息,获得第二影响因素;
第二十七获得单元:所述第二十七获得单元用于根据所述第二影响因素,获得所述第一食品的第三待检项信息;
第二十八获得单元:所述第二十八获得单元用于根据所述第一食品的第一待检项信息和所述第三待检项信息,获得第四待检项信息;
第二十九获得单元:所述第二十九获得单元用于根据所述第一食品的第四待检项信息和所述检测次数信息,获得第三检测结果。
前述图1实施例一中的一种提升食品检测效果的信息处理方法的各种变化方式和具体实例同样适用于本实施例的一种提升食品检测效果的信息处理装置,通过前述对一种提升食品检测效果的信息处理方法的详细描述,本领域技术人员可以清楚的知道本实施例中的一种提升食品检测效果的信息处理装置的实施方法,所以为了说明书的简洁,再次不再详述。
实施例三
下面参考图10来描述本申请实施例的电子设备。
图10图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中的一种提升食品检测效果的信息处理方法的发明构思,本发明还提供的一种提升食品检测效果的信息处理装置,其上存储有计算机程序,该程序被处理器执行时实现前文所述的一种炎症性肠病护理学习方法的任一方法的步骤。
其中,在图10中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请实施例提供了一种提升食品检测效果的信息处理方法和装置,其中,所述方法包括:获得第一食品的属性信息;根据所述第一食品的属性信息,获得所述第一食品的第一类别信息;获得所述第一食品的食用对象信息;根据所述第一食品的食用对象信息,获得所述食用对象信息的第二类别信息;根据所述第一食品的第一类别信息和所述食用对象信息的第二类别信息,获得所述第一食品的待检项信息;获得所述第一食品的生产日期;获得所述第一食品的保质期;根据所述第一食品的生产日期和所述保质期,获得所述第一食品的检测次数信息;根据所述第一食品的第一待检项信息和所述检测次数信息,获得第一检测结果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种提升食品检测效果的信息处理方法,其中,所述方法包括:
获得第一食品的属性信息;
根据所述第一食品的属性信息,获得所述第一食品的第一类别信息;
获得所述第一食品的食用对象信息;
根据所述第一食品的食用对象信息,获得所述食用对象信息的第二类别信息;
根据所述第一食品的第一类别信息和所述食用对象信息的第二类别信息,获得所述第一食品的待检项信息;
获得所述第一食品的生产日期;
获得所述第一食品的保质期;
根据所述第一食品的生产日期和所述保质期,获得所述第一食品的检测次数信息;
根据所述第一食品的第一待检项信息和所述检测次数信息,获得第一检测结果。
2.如权利要求1所述的方法,其中,所述根据所述第一食品的生产日期和所述保质期,获得所述第一食品的检测次数信息,包括:
根据所述第一食品的生产日期和所述保质期信息,获得第一有效检测时段;
获得第一预定时段阈值;
判断所述第一有效检测时段是否在所述第一预定时段阈值之内;
如果所述第一有效检测时段在所述第一预定时段之内,获得所述第一食品的第一检测次数信息。
3.如权利要求2所述的方法,其中,所述方法包括:
如果所述第一有效检测时段不在所述第一预定时段之内,获得第一情况,所述第一情况为所述第一有效检测时段部分不在所述第一预定时段之内;
所述第一情况包括第二有效检测时段和第三有效检测时段,其中,所述第二有效检测时段为所述第一预定时段之内,所述第三有效检测时段为非所述第一预定时段之内;
根据所述第二有效检测时段,获得所述第一食品的第二检测次数信息;
根据所述第三有效检测时段,获得所述第一食品的第三检测次数信息;
根据所述第二检测次数信息和所述第三检测次数信息,获得第四检测次数信息。
4.如权利要求2所述的方法,其中,所述方法包括:
如果所述第一有效检测时段不在所述第一预定时段之内,获得第二情况,所述第二情况为所述第一有效检测时段完全不在所述第一预定时段之内;
所述第二情况包括第四有效检测时段,根据所述第四有效检测时段,获得所述第一食品的第五检测次数信息。
5.如权利要求1所述的方法,其中,所述方法包括:
获得所述第一食品的产地信息;
根据所述产地信息,获得第一影响因素;
根据所述第一影响因素,获得所述第一食品的第二待检项信息;
根据所述第一食品的第一待检项信息和所述第二待检项信息,获得第三待检项信息;
根据所述第一食品的第三待检项信息和所述检测次数信息,获得第二检测结果。
6.如权利要求1所述的方法,其中,所述根据所述第一食品的第一类别信息和所述食用对象信息的第二类别信息;获得所述第一食品的待检项信息,包括:
将所述第一食品的第一类别信息和所述食用对象信息的第二类别信息作为输入数据输入第一训练模型,其中,所述第一训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一食品的第一类别信息和所述食用对象信息的第二类别信息和用来标识第一食品成分是否为待检项的标识信息;
获得所述第一训练模型的第一输出信息,其中,所述第一输出信息包括所述第一检测结果,所述第一检测结果为所述第一食品的待检项信息。
7.如权利要求1所述的方法,其中,所述方法包括:
获得所述第一食品的出售地信息;
根据所述出售地信息,获得第二影响因素;
根据所述第二影响因素,获得所述第一食品的第三待检项信息;
根据所述第一食品的第一待检项信息和所述第三待检项信息,获得第四待检项信息;
根据所述第一食品的第四待检项信息和所述检测次数信息,获得第三检测结果。
8.一种提升食品检测效果的信息处理装置,其中,所述装置包括:
第一获得单元:所述第一获得单元用于获得第一食品的属性信息;
第二获得单元:所述第二获得单元用于根据所述第一食品的属性信息,获得所述第一食品的第一类别信息;
第三获得单元:所述第三获得单元用于获得所述第一食品的食用对象信息;
第四获得单元:所述第四获得单元用于根据所述第一食品的食用对象信息,获得所述食用对象信息的第二类别信息;
第五获得单元:所述第五获得单元用于根据所述第一食品的第一类别信息和所述食用对象信息的第二类别信息,获得所述第一食品的待检项信息;
第六获得单元:所述第六获得单元用于获得所述第一食品的生产日期;
第七获得单元:所述第七获得单元用于获得所述第一食品的保质期;
第八获得单元:所述第八获得单元用于根据所述第一食品的生产日期和所述保质期,获得所述第一食品的检测次数信息;
第九获得单元:所述第九获得单元用于根据所述第一食品的第一待检项信息和所述检测次数信息,获得第一检测结果。
9.一种提升食品检测效果的信息处理装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011328892.XA CN112330200A (zh) | 2020-11-24 | 2020-11-24 | 一种提升食品检测效果的信息处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011328892.XA CN112330200A (zh) | 2020-11-24 | 2020-11-24 | 一种提升食品检测效果的信息处理方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112330200A true CN112330200A (zh) | 2021-02-05 |
Family
ID=74322225
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011328892.XA Pending CN112330200A (zh) | 2020-11-24 | 2020-11-24 | 一种提升食品检测效果的信息处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112330200A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110035326A1 (en) * | 2008-04-25 | 2011-02-10 | Sholl Jeffrey J | System And Method Of Providing Product Quality And Safety |
CN104757123A (zh) * | 2015-04-03 | 2015-07-08 | 长沙素加营养品有限公司 | 一种全干混婴幼儿配方奶粉及其制备方法 |
CN109709287A (zh) * | 2019-02-25 | 2019-05-03 | 北京倍肯恒业科技发展股份有限公司 | 一种食品安全检测的信息处理方法和装置 |
CN109829614A (zh) * | 2018-12-26 | 2019-05-31 | 航天信息股份有限公司 | 一种基于靶标模型的食品风险量化分级方法及系统 |
CN110683186A (zh) * | 2019-11-14 | 2020-01-14 | 湖南和祺食品有限公司 | 一种食品检测用留样装置 |
CN110794097A (zh) * | 2019-11-26 | 2020-02-14 | 李明喜 | 食品检测方法、装置及食品检测设备 |
CN111242170A (zh) * | 2019-12-31 | 2020-06-05 | 航天信息股份有限公司 | 食品检验检测项目预知方法及装置 |
-
2020
- 2020-11-24 CN CN202011328892.XA patent/CN112330200A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110035326A1 (en) * | 2008-04-25 | 2011-02-10 | Sholl Jeffrey J | System And Method Of Providing Product Quality And Safety |
CN104757123A (zh) * | 2015-04-03 | 2015-07-08 | 长沙素加营养品有限公司 | 一种全干混婴幼儿配方奶粉及其制备方法 |
CN109829614A (zh) * | 2018-12-26 | 2019-05-31 | 航天信息股份有限公司 | 一种基于靶标模型的食品风险量化分级方法及系统 |
CN109709287A (zh) * | 2019-02-25 | 2019-05-03 | 北京倍肯恒业科技发展股份有限公司 | 一种食品安全检测的信息处理方法和装置 |
CN110683186A (zh) * | 2019-11-14 | 2020-01-14 | 湖南和祺食品有限公司 | 一种食品检测用留样装置 |
CN110794097A (zh) * | 2019-11-26 | 2020-02-14 | 李明喜 | 食品检测方法、装置及食品检测设备 |
CN111242170A (zh) * | 2019-12-31 | 2020-06-05 | 航天信息股份有限公司 | 食品检验检测项目预知方法及装置 |
Non-Patent Citations (1)
Title |
---|
黄冬梅等: "《案例驱动的大数据原理技术及应用》", 30 November 2018, 上海:上海交通大学出版社 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shiranita et al. | Grading meat quality by image processing | |
CN107633293A (zh) | 一种领域自适应方法及装置 | |
CN107895172A (zh) | 利用图像信息检测异常视频文件的方法、装置及计算设备 | |
CN104537273A (zh) | 一种溺水模式智能推理系统及方法 | |
CN113807728A (zh) | 基于神经网络的绩效考核方法、装置、设备及存储介质 | |
CN112785146B (zh) | 一种网络舆情的评估方法及系统 | |
CN112022172B (zh) | 一种基于多模态生理数据的压力检测方法和装置 | |
CN112330200A (zh) | 一种提升食品检测效果的信息处理方法和装置 | |
CN111754370A (zh) | 一种基于人工智能的在线教育课程管理方法及系统 | |
CN112133405A (zh) | 一种智慧社区的儿童营养状态评定方法及系统 | |
CN112168188A (zh) | 一种用于压力检测数据的处理方法和装置 | |
CN112102139A (zh) | 一种闲置物品交易扶贫管理方法及系统 | |
CN111553718B (zh) | 一种交互式远程监管方法及装置 | |
CN112370039B (zh) | 一种基于智慧课堂的课堂质量检测方法及装置 | |
Kostiuk et al. | Research of Methods of Control and Management of the Quality of Butter on the Basis of the Neural Network | |
CN112733634A (zh) | 一种米粉质量监测方法及装置 | |
CN114625627A (zh) | 一种基于大数据多维分析的用户智能感知方法 | |
CN204480252U (zh) | 一种溺水模式智能推理系统 | |
CN103868821A (zh) | 基于超声波的便携式鱼肉质新鲜度检测装置及评价方法 | |
Goyal et al. | Heuristic machine learning feedforward algorithm for predicting shelf life of processed cheese | |
Nganje et al. | Offsetting behavior and the benefits of food safety policies in vegetable preparation and consumption | |
CN111598105A (zh) | 一种专利地图构建方法及装置 | |
CN113011748A (zh) | 推荐效果的评估方法、装置、电子设备及可读存储介质 | |
CN110516242A (zh) | 基于机器学习算法识别负面金融资讯的方法和装置 | |
Aquino et al. | Color quality assessment of coconut sugar using Artificial Neural Network (ANN) |
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: 20210205 |
|
RJ01 | Rejection of invention patent application after publication |