CN114186933A - 一种冷链食品智能监管平台 - Google Patents
一种冷链食品智能监管平台 Download PDFInfo
- Publication number
- CN114186933A CN114186933A CN202111509621.9A CN202111509621A CN114186933A CN 114186933 A CN114186933 A CN 114186933A CN 202111509621 A CN202111509621 A CN 202111509621A CN 114186933 A CN114186933 A CN 114186933A
- Authority
- CN
- China
- Prior art keywords
- information
- module
- monitoring
- error
- raw materials
- 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
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0833—Tracking
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种冷链食品智能监管平台,系统包括信息追溯模块、信息校验模块、信息评估模块、信息采集模块、数据监测模块、数据存储模块、中心控制模块,信息采集模块采集肉制品生产过程中的生产信息,数据监测模块对监测信息进行图像分析得到监测误差,信息追溯模块和信息校验模块对原料信息进行分析得到原料误差,信息评估模块根据原料误差、加工误差、存储误差、监测误差进行风险评估得到评估结果,并将评估结果发送至中心控制模块,中心控制模块再根据评估结果进行食品安全信息管理,提高了肉制品的生产过程中食品安全风险评估的准确性,加大了肉制品加工过程中食品安全的监督和食品质量的监测的力度。
Description
技术领域
本发明涉及食品安全技术领域,特别是涉及一种冷链食品智能监管平台。
背景技术
随着人民生活水平的不断提高,人们对冷链食品安全问题也越来越关注,冷链食品的存储、运输、制作的各个过程均会受到外界因素的影响,特别是冷链食品中的肉制品,肉制品作为必要的营养食品来源在冷链食品安全中仍存在一些问题,例如,肉制品食品安全信息来源众多、信息冗余、虚假信息、信息数量巨大,人为信息管理已经不能满足管理的需求,虽然在大数据时代下,已经存在云计算技术对数据进行分析计算,并利用数据分析结果来监测每一个阶段的肉制品质量,但是肉制品食品安全事故仍然存在,面对冗余复杂的数据时,计算机技术对肉制品的食品安全评估存在误差,在肉制品的制作过程中添加与肉类日相似的异物仍没有办法检测出来,例如,火腿肠中出现老鼠、蚯蚓等异物,利用食品安全追踪检测技术无法对与肉制品成分相似的异物进行及时的检测,造成食品安全事故的发生,对肉制品进行食品安全排查、分析肉制品食品安全风险、监测发酵肉制品风险因子、建立健全监管措施尤为重要,这将有益于肉制品生产的系统化、标准化管理、促进行业有序发展,有效防范食品安全事故的发生,保障人民群众饮食安全,为了进一步消除肉制品食品安全隐患,保障肉制品的品质,对肉制品的食品安全管理信息系统的每一个过程进行精准的把握与分析,提高食品安全风险评估的准确性,为此,我们提出一种冷链食品智能监管平台。
发明内容
针对上述情况,本发明之目的在于提供一种冷链食品智能监管平台,旨在解决肉制品在生产过程存在的食品安全问题,加大肉制品的监测管理力度,提高了生产过程中食品的安全性,利用食品安全信息追溯、图像分析技术和风险评估模型的结合对管理调整肉制品的生产过程进行风险评估。
其解决的技术方案是,一种冷链食品智能监管平台,包括信息追溯模块、信息校验模块、信息评估模块、信息采集模块、数据监测模块、数据存储模块、中心控制模块,信息采集模块采集肉制品生产过程中的生产信息,生产信息中包括加工信息、存储信息、检测信息、监测信息和原料信息,信息校验模块对配料过程中投入的原料信息进行校验,信息评估模块对生产信息进行食品安全风险评估分析;
具体分析过程如下:
1)信息采集模块对肉制品的生产过程中的所有生产信息进行采集,并将采集的生产信息发送至数据存储模块进行存储,生产信息中包括肉制品的原料信息,信息追溯模块通过对原料信息的追溯分析来检测肉制品的原料的质量分析得到原料品质分析结果,并将原料品质分析结果发送至信息校验模块和信息评估模块;
2)数据监测模块对生产过程进行视频监控得到监测信息和监测误差,并将监测信息和监测误差发送至数据存储模块和信息评估模块,信息评估模块将肉制品食品安全风险的影响因素分为四个,对四个影响因素进行误差分析得到原料误差Y、加工误差V、存储误差C、监测误差K,信息评估模块再根据对肉制品的生产信息和每一个影响参数带来的误差进行整体的食品安全评估分析得到评估结果,具体的分析过程如下:
步骤一、信息追溯模块和信息校验模块对原料信息进行分析校验得到原料误差Y=(Y1,Y2,Y3...Yy),并将原料误差发送至信息评估模块;
步骤二、所述数据监测模块的监测信息中包括原料混合过程的监控视频,利用图像分析技术对监控视频进行分析,数据监测模块截取原料没有混合前每一种待投的原料的原图像,利用侦差法对图像发生突变的帧图像进行提取,并对提取的图像进行分析得到异常物体图像,数据监测模块再将异常物体图像与原料投入前的原图像进行对比,计算异常物体图像和原图像的相似度,根据相似度得到监测误差K,数据监测模块将监测误差发送至信息评估模块;
步骤三、在肉制品加工过程中每一道加工工序结束后,信息评估模块利用信息采集模块采集的加工信息进行分析,分析每一个工作人员的操作与标准操作之间的加工误差Vi,并得到所有工作人员的加工误差V=(V1,V2,V3...Vp),p为工作人员的人数;
步骤四、在肉制品的整个加工过程中所有的存储过程记为c,c=(c1,c2,c3...ct),ci=(i=1,2,3..t)代表一个存储子过程,对应的存储误差为C=(C1,C2,C3...Ct);
步骤五、根据原料误差Y、加工误差V、存储误差C、监测误差K计算两两影响参数之间的相关性,相关性计算公式如下:
根据相关性计算公式得到rYV=r1,rYC=r2,rYK=r3,rVK=r4,rCV=r5,rCK=r6,对每一个影响参数的向量进行概率分析得到向量(ρ1,ρ2,ρ3,ρ4),将相关性数值进行两两比较得到比值再根据Rij得到整个制作过程中的判断矩阵R={Rij}6×6,计算矩阵R的最大特征根λ,特征向量B,计算过程如下:
其中bij为特征向量B的元素,根据最大特征根和特征向量计算得到肉制品的制作过程中的风险因子,并将风险因子发送至中心控至模块;
3)中心控制模块根据风险因子和生产信息再进行统计分析。
所述步骤二中数据监测模块通过对食品的混合过程的监控视频进行分析得到监测误差:
步骤1、数据监测模块将两个摄像头分别安置在混料装置的正上方和原料放置区的上方,原料放置区上方的摄像头对所有投入混料装置内的原料进行拍摄,通过监测视频中的图像提取得到原料的原图像;
步骤2、将原料投到混料装置内以后,混合装置对混合的原料进行搅拌,数据监测模块将采集的混合过程的监测视频进行图像处理,利用图像处理技术提取视频中的帧图像出现异物的异物物体图像;
步骤3、利用所有原料的原图像和异物物体图像的图像对比分析得到相似区域和异常区域,对异常物体图像内的物体进行提取,当异物物体图像经过划分以后只有相似区域,则异物物体图像为正常图像,当同时存在相似区域和异常区域时,异物物体图像为不正常图像;
步骤4、在每一个混料过程中提取的异物物体图像和原图像的总共数目记为N,异物物体图像的数目除以总共数目记为一个混合过程的监测误差,根据所有的监测误差得到了监测误差K。
所述将肉制品的原料分为半成品原料和直接原料,信息追溯模块根据对原料的关键词进行调取原料的溯源信息,并将溯源信息发送至信息校验模块,信息校验模块在投料前对原料进行检测得到原料检测数据,并根据溯源信息对原料检测数据进行分析得到原料误差Y=(Y1,Y2,Y3...Yy),y为原料的种类数,分析过程包括对原料的存储阶段和半加工阶段的分析,将半加工阶段分为S道工序,并对S道工序中原料的品质进行分析,对比原料检测数据中的参数得到不同阶段的原来误差。
所述信息评估模块在进行肉制品的风险评估的过程中,对肉制品的原料和各个阶段产生的半成品的存储过程进行分析,在不同的存储环境内每一个影响因素的影响数值不同,每一个存储环境对肉制品的成品品质的影响程度不同。
所述信息采集模块对肉制品的整个加工过程的生产信息进行采集,并将生产信息发送至数据存储模块,信息采集模块将采集的生产信息中的肉制品制作过程的卫生监测信息发送至中心控制模块,中心控制模块对生产信息进行检查后,将生产信息发送至消费者查询端,消费者可以通过查询获取肉制品的卫生监测信息。
由于以上技术方案的采用,本发明与现有技术相比具有如下优点;
1.系统的信息追溯模块根据原料信息对原料的品质进行信息追溯,并与信息校验模块的校验结果进行校验,保证了冷链食品的原料的品质,同时也得到了从购买原料到原料的使用过程中原料的原料误差,原来误差代表了原料的品质变化程度,再通过对原料误差的和其他生产过程中的误差进行综合的食品安全风险分析,系统的数据监测模块将监测信息发送至信息评估模块。
2.所述数据监测模块通过食品图像分析技术对混料过程进行监控,在一个混料过程中,通过对在混合前采集的原料的图像和混合进行中的视频图像进行的对比分析处理得到一个混料过程的监测误差,原料图像和异物物体图像的对比是对图像的区域进行划分,再进行对比,系统的信息评估模块根据监测误差、原料误差、存储误差、加工误差对肉制品的生产过程中的食品安全风险进行评估得到评估结果,再由中心控制模块根据评估结果进行肉制品的食品安全信息管理,降低肉制品安全质量风险,提高肉制品生产全程的信息化管理水平,提高肉制品生产过程与科学追溯性的效率和精度,确保食品的质量安全。
附图说明
图1为本发明的整体模块图;
图2为本发明的整体分析流程框图;
图3为本发明中数据监测模块的分析框图。
具体实施方式
有关本发明的前述及其他技术内容、特点与功效,在以下配合参考附图1至图3对实施例的详细说明中,将可清楚的呈现。以下实施例中所提到的结构内容,均是以说明书附图为参考。
肉制品的食品信息管理过程是一个复杂的系统工程,在管理过程中,肉制品的每一个生产环节都是密切相连的,环环相扣,在其中一个阶段出现了质量问题,对肉制品的整体的质量就会受到到影响,例如,肉制品的原料的品质会直接影响肉制品的品质,所以肉制品的食品安全追溯和食品安全评估的准确性至关重要,但是仅仅保证原料的品质并不能保障肉制品的食品安全,在生产过程中,原料在混合前经过一系列的初加工工序都会影响肉制品的品质,一种冷链食品智能监管平台,包括信息追溯模块、信息校验模块、信息评估模块、信息采集模块、数据监测模块、数据存储模块、中心控制模块,信息采集模块采集肉制品生产过程中的生产信息,生产信息中包括加工信息、存储信息、检测信息、监测信息和原料信息,信息校验模块对配料过程中投入的原料信息进行校验,信息评估模块对生产信息进行食品安全风险评估分析;在肉制品的食品安全管理中,生产过程的食品安全管理处于核心位置,肉制品的生产过程是保障肉制品品质的关键的阶段,所以以肉制品加工厂的生产过程为管理重点对生产信息进行分析管理直观重要;
具体分析过程如下:
1)在食品安全管理的现有技术中,食品安全管理体系的建立依赖于计算机、互联网、物联网、数据库、云计算、信息识别与采集技术的信息技术支撑,通过联网互动,对众多的食品安全信息进行转换、融合和挖掘,实现食品安全追溯信息管理,完成食品生产、供应、流通、消费环节的信息采集、记录与交换,而计算技术处理的结果受到采集数据的影响,信息采集模块通过肉制品的RFID系统、原料货品的电子标签、储存-生产-加工-物流中转-检疫过程检测系统、信息系统、云端数据库、微信小程序,信息采集端、用户查询端得到肉制品的食品信息,信息采集模块对肉制品的生产过程中的所有生产信息进行采集,并将采集的生产信息发送至数据存储模块进行存储,生产信息中包括肉制品的原料信息,在肉制品生产之前,为了保证原料的品质,信息追溯模块是对原料的信息进行追溯,例如火腿肠加工厂对猪肉的采购,采购阶段对生猪的养殖过程和猪肉存储过程中信息进行分析,保障猪肉的化学成分标准在标准范围内,对猪肉的存储环境和猪肉品质进行分析保障猪肉的品质,信息追溯模块通过对原料信息的追溯分析来检测肉制品的原料的质量分析得到原料品质分析结果,并将原料品质分析结果发送至信息校验模块和信息评估模块,在原料混合前,原料需要经过初步加工工序,在初步加工工序中,原料的品质会受到影响,原料品质下降,例如,猪肉需要质检、存储、粉碎过程;
2)数据监测模块对生产过程进行视频监控得到监测信息和监测误差,并将监测信息和监测误差发送至数据存储模块和信息评估模块,信息评估模块将肉制品食品安全风险的影响因素分为四个,对四个影响因素进行误差分析得到原料误差Y、加工误差V、存储误差C、监测误差K,信息评估模块再根据对肉制品的生产信息和每一个影响参数带来的误差进行整体的食品安全评估分析得到评估结果,具体的分析过程如下:
步骤一、信息追溯模块和信息校验模块对原料信息进行分析校验得到原料误差Y=(Y1,Y2,Y3...Yy),并将原料误差发送至信息评估模块,原料误差包括原料水分、化学成分误差;
步骤二、各个待混合的原料在混合前的均匀程度、颜色、状态、块状信息都是确定的,通过混合前和混合后图像的分析可以监测异物,当原料中混有与原料成分相同的异物时,通过辐射等方式进行监测时,并不能得到有效的检测,例如,在混料过程中掉入了老鼠等异物,只能通过视觉上监控,所述数据监测模块的监测信息中包括原料混合过程的监控视频,利用图像分析技术对监控视频进行分析,利用视频帧图像处理技术可以得到混合过程中信息变化最多的图像,数据监测模块截取原料没有混合前每一种待投的原料的原图像,利用侦差法对图像发生突变的帧图像进行提取,并对提取的图像进行分析得到异常物体图像,视频处理技术包括聚类法、侦差法,通过对视频的图像帧进行选取来得到异物物体图像,数据监测模块再将异常物体图像与原料投入前的原图像进行对比,计算异常物体图像和原图像的相似度,每一个异物物体图像都是与所有的原料的原图像进行对比,根据原料图像中的信息对异物物体图像进行区域划分,对比每一个划分得到的区域与原图像的相似度,再根据相似度得到监测误差K,数据监测模块将监测误差发送至信息评估模块;
步骤三、食品加工过程中,人为影响因素和环境卫生影响因素是对食品安全影响最大的因素,人在操作的过程中的操作会受到多方面的影响,所有工作人员的操作不会抑制保持一致,在肉制品加工过程中每一道加工工序结束后,信息评估模块利用信息采集模块采集的加工信息进行分析,分析每一个工作人员的操作与标准操作之间的加工误差Vi,并得到所有工作人员的加工误差V=(V1,V2,V3...Vp),p为工作人员的人数;
步骤四、在肉制品的整个生产过程中,每一个原料、半成品、成品的存储环境要求和存储时间是不同的,每一个存储环境中影响的因素包括温度、湿度、空间、通风度、光照,对每一个存储环境的所有的影响因素的值进行统计得到存储环境影响的矩阵,在对矩阵进行分析得到存储误差,存储误差是一个向量,不是一个固定值,在肉制品的整个加工过程中所有的存储过程记为c,c=(c1,c2,c3...ct),ci(i=1,2,3..t)代表一个存储子过程,对应的存储误差为C=(C1,C2,C3...Ct);
步骤五、通过对误差分析的来对生产过程的食品安全风险评估,根据原料误差Y、加工误差V、存储误差C、监测误差K计算两两影响参数之间的相关性,相关性计算公式如下:
根据相关性计算公式得到
rYV=r1,rYC=r2,rYK=r3,rYK=r4,rCV=r5,rCK=r6,对每一个影响参数的向量进行概率分析得到向量(ρ1,ρ2,ρ3,ρ4),将相关性数值进行两两比较得到比值再根据Rij得到整个制作过程中的判断矩阵R={Rij}6×6,计算矩阵R的最大特征根λ,特征向量B,计算过程如下:
其中bij为特征向量B的元素,根据最大特征根和特征向量计算得到肉制品的制作过程中的风险因子,并将风险因子发送至中心控至模块;
3)中心控制模块根据风险因子和生产信息再进行统计分析。
所述步骤二中数据监测模块通过对食品的混合过程的监控视频进行分析得到监测误差:
步骤1、数据监测模块将两个摄像头分别安置在混料装置的正上方和原料放置区的上方,原料放置区上方的摄像头对所有投入混料装置内的原料进行拍摄,通过监测视频中的图像提取得到原料的原图像;
步骤2、将原料投到混料装置内以后,混合装置对混合的原料进行搅拌,数据监测模块将采集的混合过程的监测视频进行图像处理,利用图像处理技术提取视频中的帧图像出现异物的异物物体图像;
步骤3、利用所有原料的原图像和异物物体图像的图像对比分析得到相似区域和异常区域,对异常物体图像内的物体进行提取,当异物物体图像经过划分以后只有相似区域,则异物物体图像为正常图像,当同时存在相似区域和异常区域时,异物物体图像为不正常图像;
步骤4、在每一个混料过程中提取的异物物体图像和原图像的总共数目记为N,异物物体图像的数目除以总共数目记为一个混合过程的监测误差,根据所有的监测误差得到了监测误差K。
所述将肉制品的原料分为半成品原料和直接原料,信息追溯模块根据对原料的关键词进行调取原料的溯源信息,并将溯源信息发送至信息校验模块,信息校验模块在投料前对原料进行检测得到原料检测数据,并根据溯源信息对原料检测数据进行分析得到原料误差Y=(Y1,Y2,Y3...Yy),y为原料的种类数,分析过程包括对原料的存储阶段和半加工阶段的分析,将半加工阶段分为S道工序,并对S道工序中原料的品质进行分析,对比原料检测数据中的参数得到不同阶段的原来误差。
所述信息评估模块在进行肉制品的风险评估的过程中,对肉制品的原料和各个阶段产生的半成品的存储过程进行分析,在不同的存储环境内每一个影响因素的影响数值不同,每一个存储环境对肉制品的成品品质的影响程度不同。
所述信息采集模块对肉制品的整个加工过程的生产信息进行采集,并将生产信息发送至数据存储模块,信息采集模块将采集的生产信息中的肉制品制作过程的卫生监测信息发送至中心控制模块,中心控制模块对生产信息进行检查后,将生产信息发送至消费者查询端,消费者可以通过查询获取肉制品的卫生监测信息。
所述中心控制模块是信息管理的中心,中心控制模块对其他模块进行远程控制,并实现信息的共享,中心控制模块是对肉制品的食品安全信息进行远程监控的中心。
本发明具体使用时,系统包括信息追溯模块、信息校验模块、信息评估模块、信息采集模块、数据监测模块、数据存储模块、中心控制模块,信息采集模块采集肉制品生产过程中的生产信息,并将采集到得生产信息发送至数据存储模块,生产信息包括加工信息、存储信息、检测信息、监测信息和原料信息,所述数据监测模块对生产过程中监测信息进行图像分析得到监测误差,并将监测误差发送至信息评估模块,信息追溯模块对原料的原料信息进行追溯分析得到原料分析结果,并将原料分析结果发送至信息校验模块进行校验分析得到原料误差,信息追溯模块对原料的追溯分析包括原料在生产过程中进行初步工序的分析,信息评估模块对加工信息和存储信息进行分析得到存储误差和加工误差,再根据原料误差Y、加工误差V、存储误差C、监测误差K进行风险评估得到评估结果,并将评估结果发送至中心控制模块,中心控制模块再根据评估结果和生产信息进行食品安全信息管理,减少了肉制品在生产过程存在的食品安全问题,加大肉制品的监测管理力度,提高了肉制品的生产过程中食品安全风险评估的准确性。
以上所述是结合具体实施方式对本发明所作的进一步详细说明,不能认定本发明具体实施仅局限于此;对于本发明所属及相关技术领域的技术人员来说,在基于本发明技术方案思路前提下,所作的拓展以及操作方法、数据的替换,都应当落在本发明保护范围之内。
Claims (6)
1.一种冷链食品智能监管平台,其特征在于,包括信息追溯模块、信息校验模块、信息评估模块、信息采集模块、数据监测模块、数据存储模块、中心控制模块,信息采集模块采集肉制品生产过程中的生产信息,生产信息中包括加工信息、存储信息、检测信息、监测信息和原料信息,信息校验模块对配料过程中投入的原料信息进行校验,信息评估模块对生产信息进行食品安全风险评估分析;
具体分析过程如下:
1)信息采集模块对肉制品的生产过程中的所有生产信息进行采集,并将采集的生产信息发送至数据存储模块进行存储,生产信息中包括肉制品的原料信息,信息追溯模块通过对原料信息的追溯分析来检测肉制品的原料的质量并得到原料品质分析结果,并将原料品质分析结果发送至信息校验模块和信息评估模块;
2)数据监测模块对生产过程进行视频监控得到监测信息和监测误差,并将监测信息和监测误差发送至数据存储模块和信息评估模块,信息评估模块将肉制品食品安全风险的影响因素分为四个,对四个影响因素进行误差分析得到原料误差Y、加工误差V、存储误差C、监测误差K,信息评估模块再根据对肉制品的生产信息和每一个影响参数带来的误差进行整体的食品安全评估分析得到评估结果,具体的分析过程如下:
步骤一、信息追溯模块和信息校验模块对原料信息进行分析校验得到原料误差Y=(Y1,Y2,Y3...Yy),并将原料误差发送至信息评估模块;
步骤二、所述数据监测模块的监测信息中包括原料混合过程的监控视频,利用图像分析技术对监控视频进行分析,数据监测模块截取原料没有混合前每一种待投的原料的原图像,利用侦差法对图像发生突变的帧图像进行提取,并对提取的图像进行分析得到异常物体图像,数据监测模块再将异常物体图像与原料投入前的原图像进行对比,计算异常物体图像和原图像的相似度,根据相似度得到监测误差K,数据监测模块将监测误差发送至信息评估模块;
步骤三、在肉制品加工过程中每一道加工工序结束后,信息评估模块利用信息采集模块采集的加工信息进行分析,分析每一个工作人员的操作与标准操作之间的加工误差Vi,并得到所有工作人员的加工误差V=(V1,V2,V3...Vp),p为工作人员的人数;
步骤四、在肉制品的整个加工过程中所有的存储过程记为c,c=(c1,c2,c3...ct),ci(i=1,2,3..t)代表一个存储子过程,对应的存储误差为C=(C1,C2,C3...Ct);
步骤五、根据原料误差Y、加工误差V、存储误差C、监测误差K计算两两影响参数之间的相关性,相关性计算公式如下:
根据相关性计算公式得到rYV=r1,rYC=r2,rYK=r3,rVK=r4,rCV=r5,rCK=r6,对每一个影响参数的向量进行概率分析得到向量(ρ1,ρ2,ρ3,ρ4),将相关性数值进行两两比较得到比值再根据Rij得到整个制作过程中的判断矩阵R={Rij}6×6,计算矩阵R的最大特征根λ,特征向量B,计算过程如下:
其中bij为特征向量B的元素,根据最大特征根和特征向量计算得到肉制品的制作过程中的风险因子,并将风险因子发送至中心控至模块;
3)中心控制模块根据风险因子和生产信息再进行统计分析。
2.根据权利要求1所述的一种冷链食品智能监管平台,其特征在于,所述步骤二中数据监测模块通过对食品的混合过程的监控视频进行分析得到监测误差:
步骤1、数据监测模块将两个摄像头分别安置在混料装置的正上方和原料放置区的上方,原料放置区上方的摄像头对所有投入混料装置内的原料进行拍摄,通过监测视频中的图像提取得到原料的原图像;
步骤2、将原料投到混料装置内以后,混合装置对混合的原料进行搅拌,数据监测模块将采集的混合过程的监测视频进行图像处理,利用图像处理技术提取视频中的帧图像出现异物的异物物体图像;
步骤3、利用所有原料的原图像和异物物体图像的图像对比分析得到相似区域和异常区域,对异常物体图像内的物体进行提取,当异物物体图像经过划分以后只有相似区域,则异物物体图像为正常图像,当同时存在相似区域和异常区域时,异物物体图像为不正常图像;
步骤4、在每一个混料过程中提取的异物物体图像和原图像的总共数目记为N,异物物体图像的数目除以总共数目记为一个混合过程的监测误差,根据所有的监测误差得到了监测误差K。
3.根据权利要求2所述的一种冷链食品智能监管平台,其特征在于,所述将肉制品的原料分为半成品原料和直接原料,信息追溯模块根据对原料的关键词进行调取原料的溯源信息,并将溯源信息发送至信息校验模块,信息校验模块在投料前对原料进行检测得到原料检测数据,并根据溯源信息对原料检测数据进行分析得到原料误差Y=(Y1,Y2,Y3...Yy),y为原料的种类数,分析过程包括对原料的存储阶段和半加工阶段的分析,将半加工阶段分为S道工序,并对S道工序中原料的品质进行分析,对比原料检测数据中的参数得到不同阶段的原来误差。
4.根据权利要求1所述的一种冷链食品智能监管平台,其特征在于,所述信息评估模块在进行肉制品的风险评估的过程中,对肉制品的原料和各个阶段产生的半成品的存储过程进行分析,在不同的存储环境内每一个影响因素的影响数值不同,每一个存储环境对肉制品的成品品质的影响程度不同。
5.根据权利要求1所述的一种冷链食品智能监管平台,其特征在于,所述信息采集模块对肉制品的整个加工过程的生产信息进行采集,并将生产信息发送至数据存储模块,信息采集模块将采集的生产信息中的肉制品制作过程的卫生监测信息发送至中心控制模块,中心控制模块对生产信息进行检查后,将生产信息发送至消费者查询端,消费者可以通过查询获取肉制品的卫生监测信息。
6.根据权利要求1所述的一种冷链食品智能监管平台,其特征在于,所述中心控制模块是信息管理的中心,中心控制模块对其他模块进行远程控制,并实现信息的共享。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111509621.9A CN114186933A (zh) | 2021-12-10 | 2021-12-10 | 一种冷链食品智能监管平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111509621.9A CN114186933A (zh) | 2021-12-10 | 2021-12-10 | 一种冷链食品智能监管平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114186933A true CN114186933A (zh) | 2022-03-15 |
Family
ID=80543208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111509621.9A Pending CN114186933A (zh) | 2021-12-10 | 2021-12-10 | 一种冷链食品智能监管平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114186933A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116934359A (zh) * | 2023-09-15 | 2023-10-24 | 深圳市金谷园实业发展有限公司 | 一种基于互联网的食品安全全流程监管系统 |
CN117314477A (zh) * | 2023-11-28 | 2023-12-29 | 深圳前海粤十信息技术有限公司 | 一种进行二次追溯的进口冷链食品溯源追溯系统 |
-
2021
- 2021-12-10 CN CN202111509621.9A patent/CN114186933A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116934359A (zh) * | 2023-09-15 | 2023-10-24 | 深圳市金谷园实业发展有限公司 | 一种基于互联网的食品安全全流程监管系统 |
CN116934359B (zh) * | 2023-09-15 | 2023-12-29 | 深圳市金谷园实业发展有限公司 | 一种基于互联网的食品安全全流程监管系统 |
CN117314477A (zh) * | 2023-11-28 | 2023-12-29 | 深圳前海粤十信息技术有限公司 | 一种进行二次追溯的进口冷链食品溯源追溯系统 |
CN117314477B (zh) * | 2023-11-28 | 2024-02-09 | 深圳前海粤十信息技术有限公司 | 一种进行二次追溯的进口冷链食品溯源追溯系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114186933A (zh) | 一种冷链食品智能监管平台 | |
CN116188475B (zh) | 一种外观缺陷自动光学检测的智慧控制方法、系统及介质 | |
US20200090314A1 (en) | System and method for determining a condition of an object | |
CN108734184A (zh) | 一种对敏感图像进行分析的方法及装置 | |
CN112183979A (zh) | 一种基于多源信息融合的危化品装卸安全风险评估方法 | |
Mills et al. | A machine learning approach for determining the validity of traceability links | |
CN113344133A (zh) | 一种时序行为异常波动检测方法及系统 | |
CN110728605A (zh) | 基于区块链的开放式监管平台以及其执行方法 | |
CN117078163A (zh) | 基于数字孪生的物流仓储管控系统及方法 | |
Islam et al. | Systematic assessment of food traceability information loss: A case study of the Bangladesh export shrimp supply chain | |
Chen et al. | AI applications to shop floor management in lean manufacturing | |
CN112837074A (zh) | 一种基于禽类养殖肉质生长溯源监控方法、系统及平台 | |
Zhang et al. | Colour‐patterned fabric‐defect detection using unsupervised and memorial defect‐free features | |
CN116385031A (zh) | 一种基于大数据和多数据源的数据溯源方法 | |
CN113822379B (zh) | 工艺制程异常分析方法、装置、电子设备及存储介质 | |
CN110555604A (zh) | 实验室综合评估系统 | |
Ji et al. | Motion time study with convolutional neural network | |
CN111666272B (zh) | 缝纫制品工时标准的制订方法、装置以及存储介质 | |
US20220171982A1 (en) | System and method for processing facility image data | |
CN112434851A (zh) | 一种基于大数据用于蛋禽的销售管理系统 | |
CN116681357B (zh) | 基于人工智能的食品质量分析系统及方法 | |
CN116823026B (zh) | 一种基于区块链的工程数据处理系统及方法 | |
WO2022158216A1 (ja) | 作業管理装置、作業管理方法、および作業管理プログラム | |
Wang et al. | Automated quality control inspection of geometric tip defects in medical needle manufacturing | |
US20210318672A1 (en) | Manufacturing Defect Factor Searching Method and Manufacturing Defect Factor Searching Apparatus |
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 |