CN112733634A - 一种米粉质量监测方法及装置 - Google Patents
一种米粉质量监测方法及装置 Download PDFInfo
- Publication number
- CN112733634A CN112733634A CN202011585987.XA CN202011585987A CN112733634A CN 112733634 A CN112733634 A CN 112733634A CN 202011585987 A CN202011585987 A CN 202011585987A CN 112733634 A CN112733634 A CN 112733634A
- Authority
- CN
- China
- Prior art keywords
- information
- rice flour
- obtaining
- target
- monitoring
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种米粉质量监测方法及装置,获得第一监测指令;根据所述第一监测指令,获得第一米粉的第一色泽信息;获得预设色泽信息;将所述第一色泽信息、所述预设色泽信息输入训练模型,获得所述训练模型的第一输出结果,获得第二米粉的第二色泽信息直至第N米粉的第N色泽信息,并重复上述步骤,根据第一色泽差异信息、第二色泽差异信息直至第N色泽差异信息,获得目标色泽差异信息,根据目标色泽差异信息,获得目标米粉;获得所述目标米粉的第一溯源码;获得所述目标米粉的第一生产工艺参数;将所述目标米粉、所述第一生产工艺参数分别作为监测样本及目标生产工艺参数。解决了现有技术中存在缺乏对于米粉质量的准确地监测的技术问题。
Description
技术领域
本发明涉及米粉质量监测相关领域,尤其涉及一种米粉质量监测方法及装置。
背景技术
米粉是中国南方地区的一种特色小吃,江右人通常就叫粉。米粉以大米为原料,经浸泡、蒸煮和压条等工序制成的条状、丝状米制品,它质地柔韧,富有弹性,水煮不糊汤,干炒不易断,米粉品种众多,可分为排米粉、方块米粉、波纹米粉、银丝米粉、湿米粉和干米粉等。但米粉生产过程中的米粉质量良莠不齐,如何进行准确有效的质量监测是急需解决的问题。
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:
现有技术中存在缺乏对于米粉质量的准确地监测的技术问题。
发明内容
本申请实施例通过提供一种米粉质量监测方法及装置,解决了现有技术中存在缺乏对于米粉质量的准确地监测的技术问题,达到更加准确地对米粉的质量进行监测的技术效果。
鉴于上述问题,提出了本申请实施例提供一种米粉质量监测方法及装置。
第一方面,本申请实施例提供了一种米粉质量监测方法,所述方法应用于一监测平台,所述方法包括:步骤100:获得第一监测指令;步骤200:根据所述第一监测指令,获得第一米粉的第一色泽信息;步骤300:获得预设色泽信息;步骤400:将所述第一色泽信息、所述预设色泽信息输入训练模型,获得所述训练模型的第一输出结果,其中,所述第一输出结果为所述第一米粉的第一色泽差异信息;步骤500:获得第二米粉的第二色泽信息直至第N米粉的第N色泽信息,并重复上述步骤300~400,通过所述训练模型获得所述第二米粉的第二色泽差异信息直至所述第N米粉的第N色泽差异信息;步骤600:根据所述第一色泽差异信息、第二色泽差异信息直至所述第N色泽差异信息,获得目标色泽差异信息,其中,所述目标色泽差异信息为差异最小的信息;步骤700:根据所述目标色泽差异信息,获得目标米粉;步骤800:获得所述目标米粉的第一溯源码;步骤900:根据所述第一溯源码,获得所述目标米粉的第一生产工艺参数;步骤1000:将所述目标米粉、所述第一生产工艺参数分别作为监测样本及目标生产工艺参数。
另一方面,本申请还提供了一种米粉质量监测装置,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监测指令;第二获得单元,所述第二获得单元用于根据所述第一监测指令,获得第一米粉的第一色泽信息;第三获得单元,所述第三获得单元用于获得预设色泽信息;第一输入单元,所述第一输入单元用于将所述第一色泽信息、所述预设色泽信息输入训练模型,获得所述训练模型的第一输出结果,其中,所述第一输出结果为所述第一米粉的第一色泽差异信息;第四获得单元,所述第四获得单元用于获得第二米粉的第二色泽信息直至第N米粉的第N色泽信息,并重复步骤300~400,通过所述训练模型获得所述第二米粉的第二色泽差异信息直至所述第N米粉的第N色泽差异信息;第五获得单元,所述第五获得单元用于根据所述第一色泽差异信息、第二色泽差异信息直至所述第N色泽差异信息,获得目标色泽差异信息,其中,所述目标色泽差异信息为差异最小的信息;第六获得单元,所述第六获得单元用于根据所述目标色泽差异信息,获得目标米粉;第七获得单元,所述第七获得单元用于获得所述目标米粉的第一溯源码;第八获得单元,所述第八获得单元用于根据所述第一溯源码,获得所述目标米粉的第一生产工艺参数;第九获得单元,所述第九获得单元用于将所述目标米粉、所述第一生产工艺参数分别作为监测样本及目标生产工艺参数。
第三方面,本发明提供了一种米粉质量监测装置,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第一方面所述方法的步骤。
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:
由于采用了根据第一监测指令,获得第一米粉的第一色泽信息,将所述第一色泽信息和预设色泽信息输入训练模型,通过所述训练模型获得第一色泽差异信息,获得第二米粉信息、第三米粉信息、重复上述操作,根据所述第一色泽差异信息、第二色泽差异信息直至所述第N色泽差异信息,获得目标色泽差异信息,根据目标色泽差异信息获得目标米粉,获得所述目标米粉的第一溯源码,将所述目标米粉、所述第一生产工艺参数分别作为监测样本及目标生产工艺参数,达到更加准确地对米粉的质量进行监测的技术效果。
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米粉质量监测方法的流程示意图;
图2为本申请实施例一种米粉质量监测装置的结构示意图;
图3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,第一输入单元14,第四获得单元15,第五获得单元16,第六获得单元17,第七获得单元18,第八获得单元19,第九获得单元20,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米粉质量监测方法及装置,解决了现有技术中存在缺乏对于米粉质量的准确地监测的技术问题,达到更加准确地对米粉的质量进行监测的技术效果。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。
申请概述
米粉是中国南方地区的一种特色小吃,江右人通常就叫粉。米粉以大米为原料,经浸泡、蒸煮和压条等工序制成的条状、丝状米制品,它质地柔韧,富有弹性,水煮不糊汤,干炒不易断,米粉品种众多,可分为排米粉、方块米粉、波纹米粉、银丝米粉、湿米粉和干米粉等。但米粉生产过程中的米粉质量良莠不齐,如何进行准确有效的质量监测是急需解决的问题。但现有技术中存在缺乏对于米粉质量的准确地监测的技术问题。
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米粉质量监测方法,所述方法应用于一监测平台,所述方法包括:步骤100:获得第一监测指令;步骤200:根据所述第一监测指令,获得第一米粉的第一色泽信息;步骤300:获得预设色泽信息;步骤400:将所述第一色泽信息、所述预设色泽信息输入训练模型,获得所述训练模型的第一输出结果,其中,所述第一输出结果为所述第一米粉的第一色泽差异信息;步骤500:获得第二米粉的第二色泽信息直至第N米粉的第N色泽信息,并重复上述步骤300~400,通过所述训练模型获得所述第二米粉的第二色泽差异信息直至所述第N米粉的第N色泽差异信息;步骤600:根据所述第一色泽差异信息、第二色泽差异信息直至所述第N色泽差异信息,获得目标色泽差异信息,其中,所述目标色泽差异信息为差异最小的信息;步骤700:根据所述目标色泽差异信息,获得目标米粉;步骤800:获得所述目标米粉的第一溯源码;步骤900:根据所述第一溯源码,获得所述目标米粉的第一生产工艺参数;步骤1000:将所述目标米粉、所述第一生产工艺参数分别作为监测样本及目标生产工艺参数。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种米粉质量监测方法,所述方法应用于一监测平台,其中,所述方法包括:
步骤S100:获得第一监测指令;
步骤S200:根据所述第一监测指令,获得第一米粉的第一色泽信息;
具体而言,所述第一监测指令为对米粉进行质量监测的指令,所述指令通过监测平台发出,所述质量监测平台为对所述米粉进行质量监测的平台,根据第一监测指令,获得第一米粉的色泽信息。所述色泽信息是指根据米粉的配置的不同产生的米粉的颜色信息和光泽信息。
步骤S300:获得预设色泽信息;
步骤S400:将所述第一色泽信息、所述预设色泽信息输入训练模型,获得所述训练模型的第一输出结果,其中,所述第一输出结果为所述第一米粉的第一色泽差异信息;
具体而言,所述预设色泽信息为先设定的米粉的色泽标准信息,将所述第一米粉的色泽信息、和预设色泽信息输入训练模型,所述训练模型为不断进行学习进步进而能准确处理输入数据的模型,获得所述训练模型的输出结果,所述输出结果包括第一色泽差异信息。
进一步而言,所述方法还包括:
步骤S410:将所述第一色泽信息、所述预设色泽信息输入训练模型,所述训练模型通过多组训练数据训练获得,所述多组训练数据中的每一组训练数据均包括:所述第一色泽信息、预设色泽信息和用来标识所述第一米粉的第一色泽差异的标识信息;
步骤S420:获得所述训练模型的所述第一输出结果。
具体而言,所述训练模型为机器学习中的神经网络模型,神经网络(NeuralNetworks,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 NeuralNetworks),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。通过大量训练数据的训练,将所述第一色泽信息、所述预设色泽信息输入神经网络模型,则输出第一色泽差异信息。
更进一步而言,所述训练的过程实质为监督学习的过程,每一组监督数据均包括所述第一色泽信息、预设色泽信息和用来标识所述第一米粉的第一色泽差异的标识信息,将所述第一色泽信息、预设色泽信息输入到神经网络模型中,根据用来标识所述第一米粉的第一色泽差异的标识信息,所述神经网络模型进行不断的自我修正、调整,直至获得的输出结果与所述标识信息一致,则结束本组数据监督学习,进行下一组数据监督学习;当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时,则监督学习过程结束。通过对所述神经网络模型的监督学习,进而使得所述神经网络模型处理所述输入信息更加准确,进而获得更加准确、第一色泽差异信息,进而可对第一米粉的色泽差异进行准确的评估,进而达到为后续进行准确的米粉的质量监测夯实基础的技术效果。
步骤S500:获得第二米粉的第二色泽信息直至第N米粉的第N色泽信息,并重复上述步骤300~400,通过所述训练模型获得所述第二米粉的第二色泽差异信息直至所述第N米粉的第N色泽差异信息;
具体而言,获得第二米粉的第二色泽信息、第三米粉的第三色泽信息直至第N米粉的第N色泽信息,将所述米粉的色泽信息输入所述训练模型,获得所述训练模型的输出信息,所述输出信息包括第二色泽差异信息、第三色泽差异信息、直至第N色泽差异信息。
步骤S600:根据所述第一色泽差异信息、第二色泽差异信息直至所述第N色泽差异信息,获得目标色泽差异信息,其中,所述目标色泽差异信息为差异最小的信息;
步骤S700:根据所述目标色泽差异信息,获得目标米粉;
具体而言,在获得不同米粉的色泽差异信息后,将所述第一色泽差异信息、第二色泽差异信息、直至第N色泽差异信息进行对比,获得色泽差异最小的色泽差异信息,将所述目标色泽差异信息作为目标色泽差异信息,根据所述目标色泽差异信息获得对应的目标米粉。
步骤S800:获得所述目标米粉的第一溯源码;
具体而言,所述溯源码是指与米粉唯一对应的标识产品供应、生产、运输、销售的,能从产品的全生命周期实现可追溯、可查询、可追本溯源的进行系统管控的标识码,举例而言,所述溯源码一般由特殊意义的字符构成,也可以是独立的网址,获得所述第一米粉的第一溯源码。
步骤S900:根据所述第一溯源码,获得所述目标米粉的第一生产工艺参数;
步骤S1000:将所述目标米粉、所述第一生产工艺参数分别作为监测样本及目标生产工艺参数。
具体而言,根据所述目标米粉的溯源码。对所述目标米粉的进行生产追溯,获得所述目标米粉的生产工艺参数信息,所述生产工艺参数包括生产过程中的基础数据或指标,获得所述目标米粉的第一生产工艺参数,将所述目标米粉和第一生产工艺参数作为监测样本和目标生产工艺参数,进而达到对米粉的生产进行更加准确的监测的技术效果。
进一步而言,所述获得第一监测指令之前,本申请实施例步骤S100还包括:
步骤S110:通过监控设备的第一摄像头采集所述第一米粉在生产加工过程中的第一视频信息;
步骤S120:获得第一识别指令;
步骤S130:根据所述第一识别指令,对所述第一视频信息进行识别之后,获得第一接触源信息;
步骤S140:判断所述第一接触源信息是否满足第一预设条件;
步骤S150:如果满足所述第一预设条件,获得第一监测指令。
具体而言,所述接触源信息为包括所述米粉生产过程中的生产环境和生产工具、操作员等信息,所述监控设备为具备监控功能的设备,所述监控设备包括第一摄像头和第二摄像头,通过第一摄像头采集第一米粉的第一视频信息,所述视频信息包括所述第一米粉在生产过程中的全程操作信息,根据第一识别指令,对所述第一视频信息进行识别,获得所述第一米粉的第一接触源信息,获得第一预设条件,所述第一预设条件为对所述第一接触源信息的约束预设条件,判断所述第一接触源信息是否满足所述第一预设条件,当满足时,获得第一监测指令,根据所述第一监测指令对第一米粉进行监测。
进一步而言,所述判断所述第一接触源信息是否满足第一预设条件,本申请实施例步骤S140还包括:
步骤S141:获得所述第一接触源的所属环境信息;
步骤S142:判断所述环境信息是否满足预定清洁程度;
步骤S143:如果满足所述预定清洁程度,则获得所述第一接触源的接触样本信息;
步骤S144:对所述接触样本信息进行病毒检测,并获得病毒检测结果;
步骤S145:判断所述病毒检测结果是否满足预定检测需求;
步骤S146:如果满足所述预定检测需求,则获得第一监测指令。
具体而言,获得所述第一接触源的环境信息,所述环境信息包括卫生状况信息,通过米粉生产质量安全获得米粉生产过程中的预定卫生等级,将其作为预定清洁程度,当所述第一接触源的清洁程度满足所述预定清洁程度时,对所述第一接触源进行样本采集,获得所述第一接触源接触样本信息,对所述接触样本信息进行病毒检测,获得病毒检测的检测结果,判断所述第一检测结果是否满足预定检测要求,当满足时,表明所述米粉的生产环境安全,此时获得第一监测指令。
进一步而言,本申请实施例还包括:
步骤S160:通过所述监控设备的第二摄像头采集第一车间的第二视频信息,其中,所述第二摄像头为远红外摄像头;
步骤S170:获得第二识别指令;
步骤S180:根据所述第二识别指令,对所述第二视频信息进行识别,并判断所述第二视频信息中是否包括第一风险因素;
步骤S190:如果包括所述第一风险因素,则获得第一报警指令并将所述第一报警指令进行发送。
具体而言,所述第一车间为进行米粉生产加工的车间,通过所述监控设备的第二摄像头获得所述第一车间的第二视频信息,其中,所述第二视频信息包括通过所述远红外摄像头获得的夜间视频信息,获得第二识别指令,根据所述第二识别指令对所述第二视频信息进行识别,根据所述识别结果判断所述第二视频信息中是否包含危险因素,举例而言,所述危险因素包括但不限于是否存在异常生物,如老鼠、蟑螂等,是否有工作人员吸烟、着装情况是否得体等,当所述第二视频信息存在第一风险因素时,则获得第一报警指令并将所述第一报警指令进行发送。通过所述第一报警指令用于提醒所述工作人员存在风险因素。
进一步而言,所述根据所述目标色泽差异信息,获得目标米粉之前,本申请实施例步骤S700还包括:
步骤S710:获得预定品质管理信息库;
步骤S720:从所述预定品质管理信息库中,确定目标监测人员,其中,所述目标监测人员包括多个监测人员,且所述多个监测人员中的每个监测人员具有不同的属性信息;
步骤S730:获得第一感官监测指令;
步骤S740:根据所述第一感官监测指令,获得所述多个监测人员中的每个监测人员对于所述第一米粉的第一感官信息直至所述第N米粉的第N感官信息;
步骤S750:根据所述第一感官信息直至所述第N感官信息,获得目标感官信息。
具体而言,所述预定品质信息管理库为对检测人员进行信息统计管理的品质管理库,通过所述预定品质信息管理库确定目标监测人员,所述目标监测人员包括多个监测人员,其中,所述多个选择人员为具有不同属性的监测人员,所述不同的属性可以是不同的年龄层的监测人员,获得第一感官监测指令,根据所述第一感官监测指令获得所述目标米粉的不同监测人员的第一感官信息、第二感官信息、直至第N感官信息,所述感官信息包括米粉的口感、嚼劲、弹性等感官信息。通过综合考虑不同年龄层的监测人员对于米粉的偏爱的不同,获得更受大众喜爱和欢迎的米粉作为监测标准,达到对米粉的生产进行更加准确的监测的技术效果。
进一步而言,本申请实施例还包括:
步骤S760:根据所述第一感官信息直至所述第N感官信息,获得所述第一米粉的第一感官信息直至所述第N米粉对应的平均感官分值;
步骤S770:根据所述平均感官分值,确定所述目标感官信息;
步骤S780:根据所述目标感官信息,确定是否调整所述目标米粉。
具体而言,通过所述多个监测人员,对所述第一米粉、第二米粉直至第N米粉的感官信息进行综合评分,即获得第一米粉的不同监测人员的不同感官信息的评分,获得所述第一米粉的平均感官分值,进一步而言,获得所述第二米粉、第三米粉直至第N米粉进行如所述第一米粉的平均感官分值,根据所述平均感官分值获得所述米粉中平均感官分值最高的米粉作为目标米粉,判断所述和目标米粉与所述训练模型获得的色泽差异最小的米粉是否一致,当不一致时,进行进一步的评选,当一致时,则将所述米粉作为目标米粉。
进一步而言,本申请实施例还包括:
步骤S510:根据所述第一色泽信息生成第一验证码,所述第一验证码与所述第一色泽信息一一对应;
步骤S520:根据所述第二色泽信息和第一验证码生成第二验证码,以此类推,根据所述第N色泽信息和第N-1验证码生成第N验证码;
步骤S530:将所有色泽信息和验证码复制存储在M台电子设备上,其中,M为大于1的自然数。
具体而言,区块链技术也被称之为分布式账本技术,是一种由若干台计算设备共同参与“记账”,共同维护一份完整的分布式数据库的新兴技术。由于区块链技术具有去中心化、公开透明、每台计算设备可以参与数据库记录、并且各计算设备之间可以快速的进行数据同步的特性,使得区块链技术已在众多的领域中广泛的进行应用。根据所述第一色泽信息生成第一验证码,所述第一验证码与第一色泽信息一一对应;根据所述第二色泽信息和第一验证码生成第二验证码,第二验证码与第二色泽信息一一对应;以此类推,根据所述第N色泽信息和第N-1验证码生成第N验证码,其中,N为大于1的自然数,将所有色泽信息和验证码分别复制保存在M台设备上,其中,所述第一色泽信息和所述第一验证码作为第一存储单元保存在一台设备上,所述第二色泽信息和所述第二验证码作为第二存储单元保存在一台设备上,所述第N色泽信息和所述第N验证码作为第N存储单元保存在一台设备上,当需要调用所述色泽信息时,每后一个节点接收前一节点存储的数据后,通过“共识机制”进行校验后保存,通过哈希函数对于每一存储单元进行串接,使得色泽信息不易丢失和遭到破坏,通过区块链的逻辑对所述色泽信息进行加密处理,保证了所述色泽信息的安全性。
综上所述,本申请实施例所提供的一种米粉质量监测方法及装置具有如下技术效果:
1、由于采用了根据第一监测指令,获得第一米粉的第一色泽信息,将所述第一色泽信息和预设色泽信息输入训练模型,通过所述训练模型获得第一色泽差异信息,获得第二米粉信息、第三米粉信息、重复上述操作,根据所述第一色泽差异信息、第二色泽差异信息直至所述第N色泽差异信息,获得目标色泽差异信息,根据目标色泽差异信息获得目标米粉,获得所述目标米粉的第一溯源码,将所述目标米粉、所述第一生产工艺参数分别作为监测样本及目标生产工艺参数,达到更加准确地对米粉的质量进行监测的技术效果。
2、由于采用了通过对所述神经网络模型的监督学习,进而使得所述神经网络模型处理所述输入信息更加准确,进而获得更加准确、第一色泽差异信息,进而可对第一米粉的色泽差异进行准确的评估,进而达到为后续进行准确的米粉的质量监测夯实基础的技术效果。
3、由于采用了通过综合考虑不同年龄层的监测人员对于米粉的偏爱的不同的方式,获得更受大众喜爱和欢迎的米粉作为监测标准,达到对米粉的生产进行更加准确的监测的技术效果。
实施例二
基于与前述实施例中一种米粉质量监测方法同样发明构思,本发明还提供了一种米粉质量监测装置,如图2所示,所述装置包括:
第一获得单元11,所述第一获得单元11用于获得第一监测指令;
第二获得单元12,所述第二获得单元12用于根据所述第一监测指令,获得第一米粉的第一色泽信息;
第三获得单元13,所述第三获得单元13用于获得预设色泽信息;
第一输入单元14,所述第一输入单元14用于将所述第一色泽信息、所述预设色泽信息输入训练模型,获得所述训练模型的第一输出结果,其中,所述第一输出结果为所述第一米粉的第一色泽差异信息;
第四获得单元15,所述第四获得单元15用于获得第二米粉的第二色泽信息直至第N米粉的第N色泽信息,并重复步骤300~400,通过所述训练模型获得所述第二米粉的第二色泽差异信息直至所述第N米粉的第N色泽差异信息;
第五获得单元16,所述第五获得单元16用于根据所述第一色泽差异信息、第二色泽差异信息直至所述第N色泽差异信息,获得目标色泽差异信息,其中,所述目标色泽差异信息为差异最小的信息;
第六获得单元17,所述第六获得单元17用于根据所述目标色泽差异信息,获得目标米粉;
第七获得单元18,所述第七获得单元18用于获得所述目标米粉的第一溯源码;
第八获得单元19,所述第八获得单元19用于根据所述第一溯源码,获得所述目标米粉的第一生产工艺参数;
第九获得单元20,所述第九获得单元20用于将所述目标米粉、所述第一生产工艺参数分别作为监测样本及目标生产工艺参数。
进一步的,所述装置还包括:
第二输入单元,所述第二输入单元用于将所述第一色泽信息、所述预设色泽信息输入训练模型,所述训练模型通过多组训练数据训练获得,所述多组训练数据中的每一组训练数据均包括:所述第一色泽信息、预设色泽信息和用来标识所述第一米粉的第一色泽差异的标识信息;
第十获得单元,所述第十获得单元用于获得所述训练模型的所述第一输出结果。
进一步的,所述装置还包括:
第十一获得单元,所述第十一获得单元用于通过监控设备的第一摄像头采集所述第一米粉在生产加工过程中的第一视频信息;
第十二获得单元,所述第十二获得单元用于获得第一识别指令;
第十三获得单元,所述第十三获得单元用于根据所述第一识别指令,对所述第一视频信息进行识别之后,获得第一接触源信息;
第一判断单元,所述第一判断单元用于判断所述第一接触源信息是否满足第一预设条件;
第十四获得单元,所述第十四获得单元用于如果满足所述第一预设条件,获得第一监测指令。
进一步的,所述装置还包括:
第十五获得单元,所述第十五获得单元用于获得所述第一接触源的所属环境信息;
第二判断单元,所述第二判断单元用于判断所述环境信息是否满足预定清洁程度;
第十六获得单元,所述第十六获得单元用于如果满足所述预定清洁程度,则获得所述第一接触源的接触样本信息;
第十七获得单元,所述第十七获得单元用于对所述接触样本信息进行病毒检测,并获得病毒检测结果;
第三判断单元,所述第三判断单元用于判断所述病毒检测结果是否满足预定检测需求;
第十八获得单元,所述第十八获得单元用于如果满足所述预定检测需求,则获得第一监测指令。
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通过所述监控设备的第二摄像头采集第一车间的第二视频信息,其中,所述第二摄像头为远红外摄像头;
第二十获得单元,所述第二十获得单元用于获得第二识别指令;
第四判断单元,所述第四判断单元用于根据所述第二识别指令,对所述第二视频信息进行识别,并判断所述第二视频信息中是否包括第一风险因素;
第二十一获得单元,所述第二十一获得单元用于如果包括所述第一风险因素,则获得第一报警指令并将所述第一报警指令进行发送。
进一步的,所述装置还包括:
第二十二获得单元,所述第二十二获得单元用于获得预定品质管理信息库;
第一确定单元,所述第一确定单元用于从所述预定品质管理信息库中,确定目标监测人员,其中,所述目标监测人员包括多个监测人员,且所述多个监测人员中的每个监测人员具有不同的属性信息;
第二十三获得单元,所述第二十三获得单元用于获得第一感官监测指令;
第二十四获得单元,所述第二十四获得单元用于根据所述第一感官监测指令,获得所述多个监测人员中的每个监测人员对于所述第一米粉的第一感官信息直至所述第N米粉的第N感官信息;
第二十五获得单元,所述第二十五获得单元用于根据所述第一感官信息直至所述第N感官信息,获得目标感官信息。
进一步的,所述装置还包括:
第二十六获得单元,所述第二十六获得单元用于根据所述第一感官信息直至所述第N感官信息,获得所述第一米粉的第一感官信息直至所述第N米粉对应的平均感官分值;
第二确定单元,所述第二确定单元用于根据所述平均感官分值,确定所述目标感官信息;
第三确定单元,所述第三确定单元用于根据所述目标感官信息,确定是否调整所述目标米粉。
前述图1实施例一中的一种米粉质量监测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米粉质量监测装置,通过前述对一种米粉质量监测方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种米粉质量监测装置的实施方法,所以为了说明书的简洁,在此不再详述。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
图3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一种米粉质量监测方法的发明构思,本发明还提供一种米粉质量监测装置,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一种米粉质量监测方法的任一方法的步骤。
其中,在图3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系统通信的单元。
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。
本发明实施例提供的一种米粉质量监测方法,所述方法应用于一监测平台,所述方法包括:步骤100:获得第一监测指令;步骤200:根据所述第一监测指令,获得第一米粉的第一色泽信息;步骤300:获得预设色泽信息;步骤400:将所述第一色泽信息、所述预设色泽信息输入训练模型,获得所述训练模型的第一输出结果,其中,所述第一输出结果为所述第一米粉的第一色泽差异信息;步骤500:获得第二米粉的第二色泽信息直至第N米粉的第N色泽信息,并重复上述步骤300~400,通过所述训练模型获得所述第二米粉的第二色泽差异信息直至所述第N米粉的第N色泽差异信息;步骤600:根据所述第一色泽差异信息、第二色泽差异信息直至所述第N色泽差异信息,获得目标色泽差异信息,其中,所述目标色泽差异信息为差异最小的信息;步骤700:根据所述目标色泽差异信息,获得目标米粉;步骤800:获得所述目标米粉的第一溯源码;步骤900:根据所述第一溯源码,获得所述目标米粉的第一生产工艺参数;步骤1000:将所述目标米粉、所述第一生产工艺参数分别作为监测样本及目标生产工艺参数。解决了现有技术中存在缺乏对于米粉质量的准确地监测的技术问题,达到更加准确地对米粉的质量进行监测的技术效果。
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系统。
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系统的制造品,该指令系统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,则可对这些实施例做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)
1.一种米粉质量监测方法,所述方法应用于一监测平台,其中,所述方法包括:
步骤100:获得第一监测指令;
步骤200:根据所述第一监测指令,获得第一米粉的第一色泽信息;
步骤300:获得预设色泽信息;
步骤400:将所述第一色泽信息、所述预设色泽信息输入训练模型,获得所述训练模型的第一输出结果,其中,所述第一输出结果为所述第一米粉的第一色泽差异信息;
步骤500:获得第二米粉的第二色泽信息直至第N米粉的第N色泽信息,并重复上述步骤300~400,通过所述训练模型获得所述第二米粉的第二色泽差异信息直至所述第N米粉的第N色泽差异信息;
步骤600:根据所述第一色泽差异信息、第二色泽差异信息直至所述第N色泽差异信息,获得目标色泽差异信息,其中,所述目标色泽差异信息为差异最小的信息;
步骤700:根据所述目标色泽差异信息,获得目标米粉;
步骤800:获得所述目标米粉的第一溯源码;
步骤900:根据所述第一溯源码,获得所述目标米粉的第一生产工艺参数;
步骤1000:将所述目标米粉、所述第一生产工艺参数分别作为监测样本及目标生产工艺参数。
2.如权利要求1所述的方法,其中,所述步骤400中,所述方法还包括:
将所述第一色泽信息、所述预设色泽信息输入训练模型,所述训练模型通过多组训练数据训练获得,所述多组训练数据中的每一组训练数据均包括:所述第一色泽信息、预设色泽信息和用来标识所述第一米粉的第一色泽差异的标识信息;
获得所述训练模型的所述第一输出结果。
3.如权利要求1所述的方法,其中,所述获得第一监测指令之前,所述方法还包括:
通过监控设备的第一摄像头采集所述第一米粉在生产加工过程中的第一视频信息;
获得第一识别指令;
根据所述第一识别指令,对所述第一视频信息进行识别之后,获得第一接触源信息;
判断所述第一接触源信息是否满足第一预设条件;
如果满足所述第一预设条件,获得第一监测指令。
4.如权利要求3所述的方法,其中,所述判断所述第一接触源信息是否满足第一预设条件,所述方法还包括:
获得所述第一接触源的所属环境信息;
判断所述环境信息是否满足预定清洁程度;
如果满足所述预定清洁程度,则获得所述第一接触源的接触样本信息;
对所述接触样本信息进行病毒检测,并获得病毒检测结果;
判断所述病毒检测结果是否满足预定检测需求;
如果满足所述预定检测需求,则获得第一监测指令。
5.如权利要求3所述的方法,其中,所述方法还包括:
通过所述监控设备的第二摄像头采集第一车间的第二视频信息,其中,所述第二摄像头为远红外摄像头;
获得第二识别指令;
根据所述第二识别指令,对所述第二视频信息进行识别,并判断所述第二视频信息中是否包括第一风险因素;
如果包括所述第一风险因素,则获得第一报警指令并将所述第一报警指令进行发送。
6.如权利要求1所述的方法,其中,所述根据所述目标色泽差异信息,获得目标米粉之前,所述方法还包括:
获得预定品质管理信息库;
从所述预定品质管理信息库中,确定目标监测人员,其中,所述目标监测人员包括多个监测人员,且所述多个监测人员中的每个监测人员具有不同的属性信息;
获得第一感官监测指令;
根据所述第一感官监测指令,获得所述多个监测人员中的每个监测人员对于所述第一米粉的第一感官信息直至所述第N米粉的第N感官信息;
根据所述第一感官信息直至所述第N感官信息,获得目标感官信息。
7.如权利要求6所述的方法,其中,所述方法还包括:
根据所述第一感官信息直至所述第N感官信息,获得所述第一米粉的第一感官信息直至所述第N米粉对应的平均感官分值;
根据所述平均感官分值,确定所述目标感官信息;
根据所述目标感官信息,确定是否调整所述目标米粉。
8.一种米粉质量监测装置,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监测指令;
第二获得单元,所述第二获得单元用于根据所述第一监测指令,获得第一米粉的第一色泽信息;
第三获得单元,所述第三获得单元用于获得预设色泽信息;
第一输入单元,所述第一输入单元用于将所述第一色泽信息、所述预设色泽信息输入训练模型,获得所述训练模型的第一输出结果,其中,所述第一输出结果为所述第一米粉的第一色泽差异信息;
第四获得单元,所述第四获得单元用于获得第二米粉的第二色泽信息直至第N米粉的第N色泽信息,并重复步骤300~400,通过所述训练模型获得所述第二米粉的第二色泽差异信息直至所述第N米粉的第N色泽差异信息;
第五获得单元,所述第五获得单元用于根据所述第一色泽差异信息、第二色泽差异信息直至所述第N色泽差异信息,获得目标色泽差异信息,其中,所述目标色泽差异信息为差异最小的信息;
第六获得单元,所述第六获得单元用于根据所述目标色泽差异信息,获得目标米粉;
第七获得单元,所述第七获得单元用于获得所述目标米粉的第一溯源码;
第八获得单元,所述第八获得单元用于根据所述第一溯源码,获得所述目标米粉的第一生产工艺参数;
第九获得单元,所述第九获得单元用于将所述目标米粉、所述第一生产工艺参数分别作为监测样本及目标生产工艺参数。
9.一种米粉质量监测装置,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 |
---|---|---|---|
CN202011585987.XA CN112733634A (zh) | 2020-12-28 | 2020-12-28 | 一种米粉质量监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011585987.XA CN112733634A (zh) | 2020-12-28 | 2020-12-28 | 一种米粉质量监测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112733634A true CN112733634A (zh) | 2021-04-30 |
Family
ID=75607223
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011585987.XA Pending CN112733634A (zh) | 2020-12-28 | 2020-12-28 | 一种米粉质量监测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112733634A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115437333A (zh) * | 2022-11-07 | 2022-12-06 | 杭州安脉盛智能技术有限公司 | 一种基于感官质量的调节方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110352660A (zh) * | 2019-07-12 | 2019-10-22 | 塔里木大学 | 一种脱绒棉种活力快速无损检测信息处理方法和装置 |
CN110503641A (zh) * | 2019-08-22 | 2019-11-26 | 联峰钢铁(张家港)有限公司 | 一种改善连铸坯表面裂纹的方法和装置 |
CN110533032A (zh) * | 2019-08-22 | 2019-12-03 | 江苏联峰实业有限公司 | 一种获取高纯度低温用钢的方法和装置 |
-
2020
- 2020-12-28 CN CN202011585987.XA patent/CN112733634A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110352660A (zh) * | 2019-07-12 | 2019-10-22 | 塔里木大学 | 一种脱绒棉种活力快速无损检测信息处理方法和装置 |
CN110503641A (zh) * | 2019-08-22 | 2019-11-26 | 联峰钢铁(张家港)有限公司 | 一种改善连铸坯表面裂纹的方法和装置 |
CN110533032A (zh) * | 2019-08-22 | 2019-12-03 | 江苏联峰实业有限公司 | 一种获取高纯度低温用钢的方法和装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115437333A (zh) * | 2022-11-07 | 2022-12-06 | 杭州安脉盛智能技术有限公司 | 一种基于感官质量的调节方法、装置、设备及存储介质 |
CN115437333B (zh) * | 2022-11-07 | 2023-02-28 | 杭州安脉盛智能技术有限公司 | 一种基于感官质量的调节方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dolado | A validation of the component-based method for software size estimation | |
CN114419528B (zh) | 异常识别方法、装置、计算机设备及计算机可读存储介质 | |
CN109242250A (zh) | 一种基于模糊熵权法与云模型的用户行为可信度检测方法 | |
CN106663086A (zh) | 用于核回归模型的集体的设备和方法 | |
CN112133435A (zh) | 一种儿科护理幼儿意识评估方法和装置 | |
EP3935550A1 (en) | Method and apparatus for generating a design for a technical system or product | |
CN117598700B (zh) | 智能化血氧饱和度检测系统及方法 | |
RU2607977C1 (ru) | Способ создания модели объекта | |
Lin et al. | An integrated neuro-genetic approach incorporating the Taguchi method for product design | |
CN114864105A (zh) | 一种基于社交图网络的动物疾病的预警方法和系统 | |
CN112289423A (zh) | 一种基于智慧社区病患的复诊及康复的方法及系统 | |
CN112733634A (zh) | 一种米粉质量监测方法及装置 | |
CN112022172B (zh) | 一种基于多模态生理数据的压力检测方法和装置 | |
CN112507916B (zh) | 一种基于面部神态的人脸检测方法和系统 | |
Fogliatto et al. | A hierarchical method for evaluating products with quantitative and sensory characteristics | |
CN112712264B (zh) | 一种智慧社区信息共享方法及系统 | |
CN116340643B (zh) | 对象推荐的调整方法及装置、存储介质、电子设备 | |
Larasati et al. | The effect of Kurtosis on the accuracy of artificial neural network predictive model | |
Aziz et al. | Initialization of adaptive neuro-fuzzy inference system using fuzzy clustering in predicting primary triage category | |
CN112168188A (zh) | 一种用于压力检测数据的处理方法和装置 | |
Penkova | Method of wellbeing estimation in territory management | |
CN116205544A (zh) | 基于深度神经网络和迁移学习的非侵入式负荷识别系统 | |
CN111542818A (zh) | 一种网络模型数据存取方法、装置及电子设备 | |
Petlíková | Modeling of the time structure of construction processes using neural networks | |
US20230135550A1 (en) | Methods and devices for determining a product quality |
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: 20210430 |
|
RJ01 | Rejection of invention patent application after publication |