CN112710796B - 一种基于大数据的食品品质研判系统及控制方法 - Google Patents

一种基于大数据的食品品质研判系统及控制方法 Download PDF

Info

Publication number
CN112710796B
CN112710796B CN202011486974.7A CN202011486974A CN112710796B CN 112710796 B CN112710796 B CN 112710796B CN 202011486974 A CN202011486974 A CN 202011486974A CN 112710796 B CN112710796 B CN 112710796B
Authority
CN
China
Prior art keywords
food
sample
detection
detected
sample detection
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
CN202011486974.7A
Other languages
English (en)
Other versions
CN112710796A (zh
Inventor
赵思棠
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.)
Huaxiang Shixin Sanming Biotechnology Co ltd
Original Assignee
Huaxiang Shixin Sanming Biotechnology Co ltd
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 Huaxiang Shixin Sanming Biotechnology Co ltd filed Critical Huaxiang Shixin Sanming Biotechnology Co ltd
Priority to CN202011486974.7A priority Critical patent/CN112710796B/zh
Publication of CN112710796A publication Critical patent/CN112710796A/zh
Application granted granted Critical
Publication of CN112710796B publication Critical patent/CN112710796B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/02Food
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46Multiprogramming arrangements
    • G06F9/50Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5061Partitioning or combining of resources
    • G06F9/5066Algorithms for mapping a plurality of inter-dependent sub-tasks onto a plurality of physical CPUs
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395Quality analysis or management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Food Science & Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Strategic Management (AREA)
  • Software Systems (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medicinal Chemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Game Theory and Decision Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Sampling And Sample Adjustment (AREA)

Abstract

本发明公开了一种基于大数据的食品品质研判系统,包括抽检终端、控制中心和信息公示屏,所述抽检终端、控制中心和信息公示屏之间通过网络通信进行数据交互和指令控制。本发明在采用样本抽取机构一次性同时获得多个食品待检样本,并同时置入样本检测装置中同时检测获得多个样本检测数据,将多个样本检测数据进行均值化处理以消除取样时间、检测仪器、外部环境等因素造成的检测误差获得更精确的数据结果,而且利用以MapReduce计算模型为框架组合多个计算主机和服务器构建的具有高性能并行计算能力的大数据分布式系统,从而有效的提高了检测容量和效率,减少食品由于检测等待出现的腐坏而造成经济损失。

Description

一种基于大数据的食品品质研判系统及控制方法
技术领域
本发明涉及食品检测技术领域,具体涉及一种基于大数据的食品品质研判系统及控制方法。
背景技术
广义的食品检验是指研究和评定食品质量及其变化的一门学科,它依据物理、化学、生物化学的一些基本理论和各种技术,按照制订的技术标准,如国际、国家食品卫生/安全标准,对食品原料、辅助材料、半成品、成品及副产品的质量进行检验,以确保产品质量合格。食品检验的内容包括对食品的感官检测,食品中营养成分、添加剂、有害物质的检测等。
食品检验的指标主要包括食品的一般成分分析、微量元素分析、农药残留分析、兽药残留分析、霉菌毒素分析、食品添加剂分析和其他有害物质的分析等。根据被检验项目的特性,每一项指标的检验对应相应的检验方法。除传统的常规分析方法外,仪器分析方法逐渐成为食品卫生检验主要的手段,包括分光光度法、原子荧光光谱法、电化学法、原子吸收光谱法、气相色谱法、高效液相色谱法等。
目前对于食品的检验,一般由国家质检部门的工作人员取样通过专业的检测仪器检测后生成检测报告,在检测过程的取样步骤中为求检测精度和效率通常需要一次性取多个样本,但是由于是人为逐一取样则多个样本的获取之间存在时间差,会导致后续多个样本检测结果存在差别,则无法利用多个样本检测结果避除样本检测误差,影响检测精度,并且在比对多个样本检测结果生成食品品质等级的过程中仍然采用逐一比对检测样本检测结果数据的串行处理方式,处理容量低,无法适应大数据量的食品检测需求,造成时间延误因而最终导致食品在等待检测的过程中发生腐坏,造成经济损失。
发明内容
本发明的目的在于提供一种基于大数据的食品品质研判系统,以解决现有技术中由于是人为逐一取样则多个样本的获取之间存在时间差,则无法利用多个样本检测结果避除样本检测误差,影响检测精度,并且在比对多个样本检测结果生成食品品质等级的过程中仍然采用逐一比对检测样本检测结果数据的串行处理方式,处理容量低,无法适应大数据量的食品检测需求,造成时间延误因而最终导致食品在等待检测的过程中发生腐坏,造成经济损失的技术问题。
为解决上述技术问题,本发明具体提供下述技术方案:
一种基于大数据的食品品质研判系统,包括抽检终端、控制中心和信息公示屏,所述抽检终端、控制中心和信息公示屏之间通过网络通信进行数据交互和指令控制;
抽检终端,用于随机抽取食品待检样本,通过成分试验获取食品待检样本的样本检测数据集合;
控制中心,用于从抽检终端读取样本检测数据集合进行数据分析生成食品品质等级,并将食品品质等级反馈到信息公示屏;
信息公示屏,用于向用户展示食品基础信息及匹配的食品品质等级。
作为本发明的一种优选方案,所述抽检终端包括样本抽取机构和样本检测装置,所述样本抽取机构用于在所述食品的本体中抽取所述食品待检样本,所述样本检测装置用于通过成分试验对食品待检样本获取样本检测数据集合;
所述样本抽取机构包括支撑块和设置在支撑块中部轴线处的多个凸起的取样腔,所述取样腔呈等距排列,在所述取样腔远离支撑块的一侧开始有取样口,在所述取样口处设置有气割结构,所述气割结构用于产生密集气流面将内嵌进入取样腔中食品待检样本与所述食品的本体切割分离开并将食品待检样本封闭在取样腔中。
作为本发明的一种优选方案,所述气割结构包括环形开设在取样口处的气割孔和高压充气装置,以及一端连通气割孔,另一端连通高压充气装置的气割管道,所述气割管道埋设于取样腔腔壁夹层中,所述高压充气装置、气割管道和气割孔依次连通构成供高压气流流通到取样口形成与取样口横截面相一致的密集气流面的气割通道。
作为本发明的一种优选方案,在所述样本检测装置开设有多条检测块,每条所述检测块均向内凹陷有与支撑块上的取样腔一一匹配的检验腔,在所述支撑块朝向取样腔的一侧上位于相邻取样腔之间的位置处设置有与相邻检验腔之间的腔壁上端边缘相匹配的限位槽,所述限位槽与相邻检验腔之间的腔壁上端边缘在外力的作用下接合或分离,所述接合和分离对应检验腔封闭和开放状态。
作为本发明的一种优选方案,多个所述检验腔中均设置有多个用于检测取样腔中食品待检样本的检测组件,所述检验腔和检测组件一一对应,多个检验腔中的所述检测组件均会生成多个独立的样本检测数据构成样本检测数据集合存储在样本检测装置的存储器中,所述样本检测装置的存储器向控制中心提供读取的功能权限。
作为本发明的一种优选方案,所述控制中心对样本检测数据集合进行数据分析生成食品品质等级的具体步骤为:
步骤一:数据预处理:去除从样本检测装置的存储器中读取的所述样本检测数据集合中的极值和缺失值,以获得标准化的样本检测数据集合;
步骤二:数据分析:将步骤一标准化的所述样本检测数据集合进行均值化处理以获得食品待检样本的样本检测数据平均值;
步骤三:等级研判:将样本检测数据平均值与食品品质等级评判标准相比对确认食品品质等级。
作为本发明的一种优选方案,所述控制中心是以MapReduce计算模型为框架组合多个计算主机和服务器构建的具有高性能并行计算能力的大数据分布式系统,所述控制中心对样本检测数据进行数据分析在大数据分布式系统上会被切割成与计算主机相同数量的小型任务数量分配到各个计算主机和服务器中并行执行以提高运算效率。
作为本发明的一种优选方案,本发明提供了一种用于所述基于大数据的食品品质研判系统的控制方法,包括以下步骤:
步骤S1、检测人员在抽检终端的样本检测装置上输入待检测食品的基础信息,根据待检测食品的种类调整检测模式以匹配待检测食品种类;
步骤S2、检测人员将样本抽取机构插入到待检测食品的本体中获取食品待检样本,将样本抽取机构获取的食品待检样本放置到样本检测装置中检验腔中进行检测获得样本检测数据集合并存储到存储器中;
步骤S3、样本检测装置完成样本检测数据集合的存储后向控制中心发送检测请求;
步骤S4、控制中心接收检测请求,读取样本检测装置的存储器中的样本检测数据集合,调取与待检测食品种类匹配的食品品质等级评判标准对样本检测数据集合平均值进行分析研判确认待检测食品的食品品质等级;
步骤S5、控制中心将待检测食品的基础信息和食品品质等级发送到信息公示屏中进行展示。
作为本发明的一种优选方案,所述步骤S2中,所述样本检测装置既可在同一时刻只单种食品获得单组样本检测数据集合,也可在同一时刻同时检测多种食品获得多组样本检测数据集合;
样本检测装置获得单组样本检测数据集合的步骤为:为一个样本检测装置匹配一个样本抽取机构,将单个样本抽取机构插入待检测的单种食品的本体中获得与样本抽取机构中取样腔数量相同的一组食品待检样本,将一组食品待检样本放置到一条检测块的检验腔中,经检测组件检测后获得一组样本检测数据集合,标记为{食品1:样本1,样本2,…,样本n};
样本检测装置获得多组样本检测数据集合的步骤为:为一个样本检测装置匹配与检测块数量相同的多个样本抽取机构,将多个样本抽取机构同时插入待检测的多种食品的本体中同时获得与多个样本抽取机构中取样腔数量均相同的多组食品待检样本,将多组食品待检样本放置到多条检测块的检验腔中,经检测组件检测后同时获得多组样本检测数据集合,标记为{[食品1:样本11,样本12,…,样本1n];[食品2:样本21,样本22,…,样本2n];…;[食品m:样本m1,样本m2,…,样本mn]},其中m为检测块总数,n为取样腔总数。
作为本发明的一种优选方案,所述步骤S4,控制中心分析同时研判确认多种待检测食品的食品品质等级的步骤为:
控制中心同时对多组样本检测数据集合{[食品1:样本11,样本12,…,样本1n];[食品2:样本21,样本22,…,样本2n];…;[食品m:样本m1,样本m2,…,样本mn]}进行数据预处理、数据分析获得{[食品1:样本检测数据均值];[食品2:样本检测数据均值];…;[食品m:样本检测数据均值]};
将{[食品1:样本检测数据均值];[食品2:样本检测数据均值];…;[食品m:样本检测数据均值]}中的样本检测数据均值与食品1,食品2,…,食品m的食品品质等级评判标准相比对确认食品1,食品2,…,食品m的食品品质等级;
控制中心将{[食品1:食品品质等级];[食品2:食品品质等级];…;[食品m:食品品质等级]}发送到信息公示屏上进行展示。
本发明与现有技术相比较具有如下有益效果:
本发明在采用样本抽取机构一次性同时获得多个食品待检样本,并同时置入样本检测装置中同时检测获得多个样本检测数据,将多个样本检测数据进行均值化处理以消除取样时间、检测仪器、外部环境等因素造成的检测误差获得更精确的数据结果,而且利用以MapReduce计算模型为框架组合多个计算主机和服务器构建的具有高性能并行计算能力的大数据分布式系统对样本检测数据进行处理即可实现同一时刻只检测一种食品种类也可实现同一时刻检测多种食品种类,从而有效的提高了检测容量和效率,减少食品由于检测等待出现的腐坏而造成经济损失。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图引伸获得其它的实施附图。
图1为本发明实施例提供的抽检终端结构示意图;
图2为本发明实施例提供的检测块结构示意图;
图3为本发明实施例提供的样本抽取机构的取样结构示意图;
图4为本发明实施例提供的食品品质研判系统结构框图;
图5为本发明实施例提供的控制方法流程图。
图中的标号分别表示如下:
1-抽检终端;2-控制中心;3-信息公示屏;4-气割结构;5-食品待检样本;6-食品的本体;
101-样本抽取机构;102-样本检测装置;
1011-支撑块;1012-取样腔;1013-取样口;
1021-检测块;1022-检验腔;1023-限位槽;1024-检测组件;1025-存储器;
401-气割孔;402-高压充气装置;403-气割管道。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图4所示,本发明提供了一种基于大数据的食品品质研判系统,包括抽检终端1、控制中心2和信息公示屏3,抽检终端1、控制中心2和信息公示屏3之间通过网络通信进行数据交互和指令控制;
抽检终端1,用于随机抽取食品待检样本,通过成分试验获取食品待检样本的样本检测数据集合;
控制中心2,用于从抽检终端1读取样本检测数据集合进行数据分析生成食品品质等级,并将食品品质等级反馈到信息公示屏3;
信息公示屏3,用于向用户展示食品基础信息及匹配的食品品质等级。
其中,信息公示屏3有助于人机交互,在帮助食品采购方更好的了解食品品质等级的同时彰显了检测的公开、公正和透明。
如图1所示,抽检终端1包括样本抽取机构101和样本检测装置102,样本抽取机构101用于在食品的本体中抽取食品待检样本,样本检测装置102用于通过成分试验对食品待检样本获取样本检测数据集合;
样本抽取机构101包括支撑块1011和设置在支撑块1011中部轴线处的多个凸起的取样腔1012,取样腔1012呈等距排列,在取样腔1012远离支撑块1011的一侧开始有取样口1013,在取样口1013处设置有气割结构4,气割结构4用于产生密集气流面将内嵌进入取样腔1012中食品待检样本与食品的本体切割分离开并将食品待检样本封闭在取样腔1012中。
如图1和3所示,检测人员抓持支撑块1011将取样腔1012从食品的本体表面在检测人员外力的作用下内嵌进入食品的本体内部,同时食品待检样本内嵌进入取样腔1012中,此时位于取样口1013位置的食品待检样本的尾端与食品的本体仍然保持相连,利用气割结构4的形成的密集气流面对取样腔1012腔口处的食品待检样本进行平面切割,促使位于取样口1013位置的食品待检样本的尾端与食品的本体分离开彻底进入到取样腔1012内部,之后检测人员抓持支撑块1011将取样腔1012从食品的本体中拔出,由于气割结构4在取样口1013处形成的密集气流面阻碍食品待检样本从取样腔1012中掉落,从而同时从食品的本体中获得多个食品待检样本,获取多个食品待检样本无时间差别,因此避免因时间差别导致食品待检样本的新鲜度不同而产生的成分差别。
气割结构4包括环形开设在取样口1013处的气割孔401和高压充气装置402,以及一端连通气割孔401,另一端连通高压充气装置402的气割管道403,气割管道403埋设于取样腔1012腔壁夹层中,高压充气装置402、气割管道403和气割孔401依次连通构成供高压气流流通到取样口1013形成与取样口1013横截面相一致的密集气流面的气割通道。
气割孔401呈环形位于取样口1013处,在食品待检样本内嵌进入取样腔1012中后,气割孔401环形包裹在食品待检样本的外周部,高压充气装置402中产生的高压气流经过气割通道从气割孔401处喷射而出形成高速气流,环形气割孔401喷射出的高速气流形成与取样口1013横截面相一致的密集气流面,沿食品待检样本的外周部向内切割食品待检样本,从而使食品待检样本在取样口1013处于食品的本体分离开。
如图1和2所示,为了同时检测取样腔1012中的多个食品待检样本,本发明在样本检测装置102开设有多条检测块1021,每条检测块1021均向内凹陷有与支撑块1011上的取样腔1012一一匹配的检验腔1022,在支撑块1011朝向取样腔1012的一侧上位于相邻取样腔1012之间的位置处设置有与相邻检验腔1022之间的腔壁上端边缘相匹配的限位槽1023,限位槽1023与相邻检验腔1022之间的腔壁上端边缘在外力的作用下接合或分离,接合和分离对应检验腔1022封闭和开放状态。
检测人员从食品的本体上取下多个取样腔1012后,直接将取样腔1012内嵌到检测块1021的检验腔1022中,并将限位槽1023与相邻检验腔1022之间的腔壁上端边缘相接合,从而保证每个检验腔1022对取样腔1012中的食品待检样本进行独立检测,从而获得同一食品的多个样本检测数据,在检验腔1022检测食品待检样本时停止高压充气装置402消除取样口1013处的密集气流面,从而使取样腔1012中的食品待检样本在重力的作用下掉落到检验腔1022中。
多个检验腔1022中均设置有多个用于检测取样腔1012中食品待检样本的检测组件1024,检验腔1022和检测组件1024一一对应,多个检验腔1022中的检测组件1024均会生成多个独立的样本检测数据构成样本检测数据集合存储在样本检测装置102的存储器1025中,样本检测装置102的存储器1025向控制中心2提供读取的功能权限。
其中,检测组件1024可为分光光度检测仪、原子荧光光谱检测仪、电化学检测仪、原子吸收光谱检测仪、气相色谱检测仪、高效液相色谱检测仪或其他具有检测功能的检测仪,在实际使用根据检测的食品种类中可自行进行选择。
控制中心2对样本检测数据集合进行数据分析生成食品品质等级的具体步骤为:
步骤一:数据预处理:去除从样本检测装置102的存储器1025中读取的样本检测数据集合中的极值和缺失值,以获得标准化的样本检测数据集合;
数据预处理可以去除样本检测数据中的极端值和缺失值,避免由于检测组件1024、环境因素等原因造成的极端值和缺失值导致的后续数据分析结果精度差和无法进行数据分析。
步骤二:数据分析:将步骤一标准化的样本检测数据集合进行均值化处理以获得食品待检样本的样本检测数据平均值;
以多次测量取平均值的原则确定食品待检样本的样本检测数据,减小误差,更加接近于食品的真实状态,有助于提高检测精度和可靠性。
步骤三:等级研判:将样本检测数据平均值与食品品质等级评判标准相比对确认食品品质等级。
控制中心2是以MapReduce计算模型为框架组合多个计算主机和服务器构建的具有高性能并行计算能力的大数据分布式系统,控制中心2对样本检测数据进行数据分析在大数据分布式系统上会被切割成与计算主机相同数量的小型任务数量分配到各个计算主机和服务器中并行执行以提高运算效率。
如图5所示,基于上述食品品质研判系统的结构,本发明提供了一种控制方法,包括以下步骤:
步骤S1、检测人员在抽检终端的样本检测装置上输入待检测食品的基础信息,根据待检测食品的种类调整检测模式以匹配待检测食品种类;
步骤S2、检测人员将样本抽取机构插入到待检测食品的本体中获取食品待检样本,将样本抽取机构获取的食品待检样本放置到样本检测装置中检验腔中进行检测获得样本检测数据集合并存储到存储器中;
步骤S3、样本检测装置完成样本检测数据集合的存储后向控制中心发送检测请求;
步骤S4、控制中心接收检测请求,读取样本检测装置的存储器中的样本检测数据集合,调取与待检测食品种类匹配的食品品质等级评判标准对样本检测数据集合平均值进行分析研判确认待检测食品的食品品质等级;
步骤S5、控制中心将待检测食品的基础信息和食品品质等级发送到信息公示屏中进行展示。
步骤S2中,样本检测装置既可在同一时刻只单种食品获得单组样本检测数据集合,也可在同一时刻同时检测多种食品获得多组样本检测数据集合;
样本检测装置获得单组样本检测数据集合的步骤为:为一个样本检测装置匹配一个样本抽取机构,将单个样本抽取机构插入待检测的单种食品的本体中获得与样本抽取机构中取样腔数量相同的一组食品待检样本,将一组食品待检样本放置到一条检测块的检验腔中,经检测组件检测后获得一组样本检测数据集合,标记为{食品1:样本1,样本2,…,样本n};
样本检测装置获得多组样本检测数据集合的步骤为:为一个样本检测装置匹配与检测块数量相同的多个样本抽取机构,将多个样本抽取机构同时插入待检测的多种食品的本体中同时获得与多个样本抽取机构中取样腔数量均相同的多组食品待检样本,将多组食品待检样本放置到多条检测块的检验腔中,经检测组件检测后同时获得多组样本检测数据集合,标记为{[食品1:样本11,样本12,…,样本1n];[食品2:样本21,样本22,…,样本2n];…;[食品m:样本m1,样本m2,…,样本mn]},其中m为检测块总数,n为取样腔总数。
样本检测装置所能容载食品种类的数量极限为检测块的总数,样本抽取机构所能获得的食品待检样本数量极限为取样腔的总数。
步骤S4,控制中心分析同时研判确认多种待检测食品的食品品质等级的步骤为:
控制中心同时对多组样本检测数据集合{[食品1:样本11,样本12,…,样本1n];[食品2:样本21,样本22,…,样本2n];…;[食品m:样本m1,样本m2,…,样本mn]}进行数据预处理、数据分析获得{[食品1:样本检测数据均值];[食品2:样本检测数据均值];…;[食品m:样本检测数据均值]};
将{[食品1:样本检测数据均值];[食品2:样本检测数据均值];…;[食品m:样本检测数据均值]}中的样本检测数据均值与食品1,食品2,…,食品m的食品品质等级评判标准相比对确认食品1,食品2,…,食品m的食品品质等级;
控制中心将{[食品1:食品品质等级];[食品2:食品品质等级];…;[食品m:食品品质等级]}发送到信息公示屏上进行展示。
控制中心将食品1,食品2,…,食品m的检测样本数据{[食品1:样本11,样本12,…,样本1n];[食品2:样本21,样本22,…,样本2n];…;[食品m:样本m1,样本m2,…,样本mn]}分割m个计算任务的并行运算,即食品1,食品2,…,食品m的检测样本数据进行同时运算获得食品品质等级,避免先运算食品1的样本检测数据,再运算食品2的样本检测数据,这种串行计算方式,最终实现较高的并发性提高检测效率。
本发明在采用样本抽取机构一次性同时获得多个食品待检样本,并同时置入样本检测装置中同时检测获得多个样本检测数据,将多个样本检测数据进行均值化处理以消除取样时间、检测仪器、外部环境等因素造成的检测误差获得更精确的数据结果,而且利用以MapReduce计算模型为框架组合多个计算主机和服务器构建的具有高性能并行计算能力的大数据分布式系统对样本检测数据进行处理即可实现同一时刻只检测一种食品种类也可实现同一时刻检测多种食品种类,从而有效的提高了检测容量和效率,减少食品由于检测等待出现的腐坏而造成经济损失。
以上实施例仅为本申请的示例性实施例,不用于限制本申请,本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内,对本申请做出各种修改或等同替换,这种修改或等同替换也应视为落在本申请的保护范围内。

Claims (9)

1.一种基于大数据的食品品质研判系统,其特征在于:包括抽检终端(1)、控制中心(2)和信息公示屏(3),所述抽检终端(1)、控制中心(2)和信息公示屏(3)之间通过网络通信进行数据交互和指令控制;
抽检终端(1),用于随机抽取食品待检样本,通过成分试验获取食品待检样本的样本检测数据集合;
控制中心(2),用于从抽检终端(1)读取样本检测数据集合进行数据分析生成食品品质等级,并将食品品质等级反馈到信息公示屏(3);
信息公示屏(3),用于向用户展示食品基础信息及匹配的食品品质等级;
所述抽检终端(1)包括样本抽取机构(101)和样本检测装置(102),所述样本抽取机构(101)用于在所述食品的本体中抽取所述食品待检样本,所述样本检测装置(102)用于通过成分试验对食品待检样本获取样本检测数据集合;
所述样本抽取机构(101)包括支撑块(1011)和设置在支撑块(1011)中部轴线处的多个凸起的取样腔(1012),所述取样腔(1012)呈等距排列,在所述取样腔(1012)远离支撑块(1011)的一侧开始有取样口(1013),在所述取样口(1013)处设置有气割结构(4),所述气割结构(4)用于产生密集气流面将内嵌进入取样腔(1012)中食品待检样本与所述食品的本体切割分离开并将食品待检样本封闭在取样腔(1012)中。
2.根据权利要求1所述的一种基于大数据的食品品质研判系统,其特征在于:所述气割结构(4)包括环形开设在取样口(1013)处的气割孔(401)和高压充气装置(402),以及一端连通气割孔(401),另一端连通高压充气装置(402)的气割管道(403),所述气割管道(403)埋设于取样腔(1012)腔壁夹层中,所述高压充气装置(402)、气割管道(403)和气割孔(401)依次连通构成供高压气流流通到取样口(1013)形成与取样口(1013)横截面相一致的密集气流面的气割通道。
3.根据权利要求2所述的一种基于大数据的食品品质研判系统,其特征在于:在所述样本检测装置(102)开设有多条检测块(1021),每条所述检测块(1021)均向内凹陷有与支撑块(1011)上的取样腔(1012)一一匹配的检验腔(1022),在所述支撑块(1011)朝向取样腔(1012)的一侧上位于相邻取样腔(1012)之间的位置处设置有与相邻检验腔(1022)之间的腔壁上端边缘相匹配的限位槽(1023),所述限位槽(1023)与相邻检验腔(1022)之间的腔壁上端边缘在外力的作用下接合或分离,所述接合和分离对应检验腔(1022)封闭和开放状态。
4.根据权利要求3所述的一种基于大数据的食品品质研判系统,其特征在于:多个所述检验腔(1022)中均设置有多个用于检测取样腔(1012)中食品待检样本的检测组件(1024),所述检验腔(1022)和检测组件(1024)一一对应,多个检验腔(1022)中的所述检测组件(1024)均会生成多个独立的样本检测数据构成样本检测数据集合存储在样本检测装置(102)的存储器(1025)中,所述样本检测装置(102)的存储器(1025)向控制中心(2)提供读取的功能权限。
5.根据权利要求4所述的一种基于大数据的食品品质研判系统,其特征在于:所述控制中心(2)对样本检测数据集合进行数据分析生成食品品质等级的具体步骤为:
步骤一:数据预处理:去除从样本检测装置(102)的存储器(1025)中读取的所述样本检测数据集合中的极值和缺失值,以获得标准化的样本检测数据集合;
步骤二:数据分析:将步骤一标准化的所述样本检测数据集合进行均值化处理以获得食品待检样本的样本检测数据平均值;
步骤三:等级研判:将样本检测数据平均值与食品品质等级评判标准相比对确认食品品质等级。
6.根据权利要求5所述的一种基于大数据的食品品质研判系统,其特征在于,所述控制中心(2)是以MapReduce计算模型为框架组合多个计算主机和服务器构建的具有高性能并行计算能力的大数据分布式系统,所述控制中心(2)对样本检测数据进行数据分析在大数据分布式系统上会被切割成与计算主机相同数量的小型任务数量分配到各个计算主机和服务器中并行执行以提高运算效率。
7.一种根据权利要求1-6任一项所述基于大数据的食品品质研判系统的控制方法,其特征在于,包括以下步骤:
步骤S1、检测人员在抽检终端的样本检测装置上输入待检测食品的基础信息,根据待检测食品的种类调整检测模式以匹配待检测食品种类;
步骤S2、检测人员将样本抽取机构插入到待检测食品的本体中获取食品待检样本,将样本抽取机构获取的食品待检样本放置到样本检测装置中检验腔中进行检测获得样本检测数据集合并存储到存储器中;
步骤S3、样本检测装置完成样本检测数据集合的存储后向控制中心发送检测请求;
步骤S4、控制中心接收检测请求,读取样本检测装置的存储器中的样本检测数据集合,调取与待检测食品种类匹配的食品品质等级评判标准对样本检测数据集合平均值进行分析研判确认待检测食品的食品品质等级;
步骤S5、控制中心将待检测食品的基础信息和食品品质等级发送到信息公示屏中进行展示。
8.根据权利要求7所述的一种控制方法,其特征在于,所述步骤S2中,所述样本检测装置既可在同一时刻只单种食品获得单组样本检测数据集合,也可在同一时刻同时检测多种食品获得多组样本检测数据集合;
样本检测装置获得单组样本检测数据集合的步骤为:为一个样本检测装置匹配一个样本抽取机构,将单个样本抽取机构插入待检测的单种食品的本体中获得与样本抽取机构中取样腔数量相同的一组食品待检样本,将一组食品待检样本放置到一条检测块的检验腔中,经检测组件检测后获得一组样本检测数据集合,标记为{食品1:样本1,样本2,…,样本n};
样本检测装置获得多组样本检测数据集合的步骤为:为一个样本检测装置匹配与检测块数量相同的多个样本抽取机构,将多个样本抽取机构同时插入待检测的多种食品的本体中同时获得与多个样本抽取机构中取样腔数量均相同的多组食品待检样本,将多组食品待检样本放置到多条检测块的检验腔中,经检测组件检测后同时获得多组样本检测数据集合,标记为{[食品1:样本11,样本12,…,样本1n]; [食品2:样本21,样本22,…,样本2n];…; [食品m:样本m1,样本m2,…,样本mn]},其中m为检测块总数,n为取样腔总数。
9.根据权利要求8所述的一种控制方法,其特征在于,所述步骤S4,控制中心分析同时研判确认多种待检测食品的食品品质等级的步骤为:
控制中心同时对多组样本检测数据集合{[食品1:样本11,样本12,…,样本1n]; [食品2:样本21,样本22,…,样本2n];…; [食品m:样本m1,样本m2,…,样本mn]}进行数据预处理、数据分析获得{[食品1:样本检测数据均值]; [食品2: 样本检测数据均值];…; [食品m: 样本检测数据均值]};
将{[食品1:样本检测数据均值]; [食品2: 样本检测数据均值];…; [食品m: 样本检测数据均值]}中的样本检测数据均值与食品1,食品2,…,食品m的食品品质等级评判标准相比对确认食品1,食品2,…,食品m的食品品质等级;
控制中心将{[食品1: 食品品质等级]; [食品2: 食品品质等级];…; [食品m: 食品品质等级]}发送到信息公示屏上进行展示。
CN202011486974.7A 2020-12-16 2020-12-16 一种基于大数据的食品品质研判系统及控制方法 Active CN112710796B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011486974.7A CN112710796B (zh) 2020-12-16 2020-12-16 一种基于大数据的食品品质研判系统及控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011486974.7A CN112710796B (zh) 2020-12-16 2020-12-16 一种基于大数据的食品品质研判系统及控制方法

Publications (2)

Publication Number Publication Date
CN112710796A CN112710796A (zh) 2021-04-27
CN112710796B true CN112710796B (zh) 2023-05-09

Family

ID=75543488

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011486974.7A Active CN112710796B (zh) 2020-12-16 2020-12-16 一种基于大数据的食品品质研判系统及控制方法

Country Status (1)

Country Link
CN (1) CN112710796B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113552298A (zh) * 2021-08-23 2021-10-26 湖南山水检测有限公司 一种动物源食品中抗生素残留量的检测方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN204649458U (zh) * 2015-05-04 2015-09-16 武汉中科波谱技术有限公司 一种进样管
CN204882136U (zh) * 2015-09-02 2015-12-16 宋卫得 一种固体食品取样装置
CN205380732U (zh) * 2016-03-18 2016-07-13 和布克赛尔蒙古自治县利佳食品有限公司 一种奶酪生产用切割装置
WO2019123445A1 (en) * 2017-12-21 2019-06-27 Croptimal Ltd Integrated sampling and measurement apparatus
CN108921367B (zh) * 2018-04-03 2019-07-12 朱珍 一种基于物联网在线食品品质监管系统及使用方法
CN109684362B (zh) * 2018-12-25 2021-01-29 北京食安链科技有限公司 一种基于区块链的食品品质自助检测方法及系统
CN209910998U (zh) * 2019-05-16 2020-01-07 王良龙 一种用于肉类食品检测的取样设备
CN210834222U (zh) * 2019-07-22 2020-06-23 河北立诚检测科技有限公司 一种多功能食品检测用快速取样装置
CN210626074U (zh) * 2019-08-26 2020-05-26 武汉知保保信息科技有限公司 食品检测快速取样装置
CN111796065B (zh) * 2020-09-09 2021-01-15 江西阳光乳业股份有限公司 一种用于食品抽样检测的食品检测设备

Also Published As

Publication number Publication date
CN112710796A (zh) 2021-04-27

Similar Documents

Publication Publication Date Title
CN101936895B (zh) 一种稻米贮藏时间近红外光谱分析快速检测方法
CN112710796B (zh) 一种基于大数据的食品品质研判系统及控制方法
CN110108658B (zh) 一种污染气体红外光谱识别方法及系统
CN115236045A8 (zh) 一种利用荧光光谱法测定水中化学需氧量的方法、装置及存储介质
CN104849350B (zh) 基于多特征的木材缺陷识别分类方法
CN105738311A (zh) 一种基于近红外光谱技术的苹果甜度无损快速检测方法
CN105223140A (zh) 同源物质的快速识别方法
CN102937575A (zh) 一种基于二次光谱重组的西瓜糖度快速建模方法
CN111879709A (zh) 湖泊水体光谱反射率检验方法及装置
CN103954691A (zh) 一种材料成分分数无损检测方法
CN106770719A (zh) 低糖型强力枇杷露的指纹图谱检测方法
CN109490491A (zh) 一种食品安全一体化分析装置
CN108827925A (zh) 基于光纤式荧光光谱技术的食用植物油真伪快速检测方法和检测装置
CN111521577B (zh) 一种以二氧化碳峰面积为参比的红外光谱定量分析方法
CN109030410B (zh) 蜂王浆近红外定量校正模型的构建方法及蜂王浆的检测方法
CN105277508A (zh) 一种近红外检测硝化棉水分含量的方法
CN103134848A (zh) 一种用于离子迁移谱检测样品的定性、半定量分析方法
CN104181125A (zh) 快速测定啤酒麦芽中库尔巴哈值的方法
CN102128850B (zh) 一种金箔含金量的快速测定方法
CN103149288A (zh) 一种利用特征图谱控制牛黄蛇胆川贝胶囊里蛇胆汁质量的方法
CN201464218U (zh) 油液取样装置
CN209946175U (zh) 一种自动取样木材检测设备
CN102095703A (zh) 阿莫西林胶囊剂的近红外光谱无损分析方法
CN108982390B (zh) 一种基于原子吸收光谱信息的水体农药残留检测方法
Parsons Determination of photosynthetic pigments in sea-water. A survey of methods

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