CN114418270B - 一种食品检测的样品智能化筛查方法及系统 - Google Patents

一种食品检测的样品智能化筛查方法及系统 Download PDF

Info

Publication number
CN114418270B
CN114418270B CN202111449464.7A CN202111449464A CN114418270B CN 114418270 B CN114418270 B CN 114418270B CN 202111449464 A CN202111449464 A CN 202111449464A CN 114418270 B CN114418270 B CN 114418270B
Authority
CN
China
Prior art keywords
food
detection
detected
screening
sample
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
CN202111449464.7A
Other languages
English (en)
Other versions
CN114418270A (zh
Inventor
张荣荣
曹玉朋
王美英
任再琴
陆斌
陆艳
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.)
Jiangsu Quanzheng Inspection & Testing Co ltd
Original Assignee
Jiangsu Quanzheng Inspection & Testing 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 Jiangsu Quanzheng Inspection & Testing Co ltd filed Critical Jiangsu Quanzheng Inspection & Testing Co ltd
Priority to CN202111449464.7A priority Critical patent/CN114418270B/zh
Publication of CN114418270A publication Critical patent/CN114418270A/zh
Application granted granted Critical
Publication of CN114418270B publication Critical patent/CN114418270B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/06—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种食品检测的样品智能化筛查方法及系统，其中，所述方法包括：根据所述数据采集装置对待检测食品进行数据采集，获得第一待检测食品信息；根据所述第一待检测食品信息的存储环境条件，判断实时检测环境条件是否满足所述存储环境条件；若所述实时监测环境条件满足所述存储环境条件，基于所述第一待检测食品的检测项目清单，生成第一筛查条件；获得所述第一待检测食品的预设检测周期；基于所述预设检测周期对所述第一待检测食品信息进行效用衰减预测，生成第一预测结果；根据所述第一预测结果，生成第二筛查条件；根据所述第一筛查条件和所述第二筛查条件，构建第一样品筛查单元对所述待检测食品进行筛查取样，生成第一筛查样品。

Description

一种食品检测的样品智能化筛查方法及系统
技术领域
本发明涉及食品检测领域，具体地，涉及一种食品检测的样品智能化筛查方法及系统。
背景技术
在人们生活水平不断提高的同时，食品安全问题也愈发成为人们所关注的焦点话题。在此形势下，以往食品检测技术已经难以满足现阶段社会发展需求，分析食品检测技术早已成为一项志在必得的举措。
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：
现有技术中存在无法对食品检测过程中的食品状况进行动态监测，使得影响样品的检测结果准确度的技术问题。
发明内容
针对现有技术中的缺陷，本申请实施例的目的是，通过提供一种食品检测的样品智能化筛查方法及系统，解决了现有技术中的无法对食品检测过程中的食品状况进行动态监测，使得影响样品的检测结果准确度的技术问题。通过根据待检测食品的检测项目项目清单确定第一筛查条件、根据取用条件确定第二筛查条件，从而构建样品筛查单元进行样品筛查，同时对样品等待检测的整个周期的样品效用衰减进行动态监测，达到了确保取样食品的取样源头（包括取样数量、取样条件）采集准确以及检测过程的样品效用最佳，最大程度避免后期对取样食品质检结果的影响，提高了食品检测的准确性的技术效果。
一方面，本申请实施例提供一种食品检测的样品智能化筛查方法，其中，所述方法应用于一种食品检测的样品智能化筛查系统，所述系统与一数据采集装置通信连接，所述方法包括：根据所述数据采集装置对待检测食品进行数据采集，获得第一待检测食品信息；根据所述第一待检测食品信息的存储环境条件，判断实时检测环境条件是否满足所述存储环境条件；若所述实时监测环境条件满足所述存储环境条件，基于所述第一待检测食品的检测项目清单，生成第一筛查条件，其中，所述第一筛查条件为样品筛查的数量条件；获得所述第一待检测食品的预设检测周期；基于所述预设检测周期对所述第一待检测食品信息进行效用衰减预测，生成第一预测结果，其中，所述第一预测结果为第一效用衰减指数；根据所述第一预测结果，生成第二筛查条件，其中，所述第二筛查条件为样品筛查的取用条件；根据所述第一筛查条件和所述第二筛查条件，构建第一样品筛查单元对所述待检测食品进行筛查取样，生成第一筛查样品。
另一方面，本申请还提供了一种食品检测的样品智能化筛查系统，其中，所述系统包括：第一采集单元：所述第一采集单元用于根据数据采集装置对待检测食品进行数据采集，获得第一待检测食品信息；第一判断单元：所述第一判断单元用于根据所述第一待检测食品信息的存储环境条件，判断实时检测环境条件是否满足所述存储环境条件；第一生成单元：所述第一生成单元用于若所述实时监测环境条件满足所述存储环境条件，基于所述第一待检测食品的检测项目清单，生成第一筛查条件，其中，所述第一筛查条件为样品筛查的数量条件；第一获得单元：所述第一获得单元用于获得所述第一待检测食品的预设检测周期；第一预测单元：所述第一预测单元用于基于所述预设检测周期对所述第一待检测食品信息进行效用衰减预测，生成第一预测结果，其中，所述第一预测结果为第一效用衰减指数；第二生成单元：所述第二生成单元用于根据所述第一预测结果，生成第二筛查条件，其中，所述第二筛查条件为样品筛查的取用条件；第一构建单元：所述第一构建单元用于根据所述第一筛查条件和所述第二筛查条件，构建第一样品筛查单元对所述待检测食品进行筛查取样，生成第一筛查样品。
第三方面，本申请实施例提供了一种食品检测的样品智能化筛查设备，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任一项所述方法的步骤。
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：
通过根据所述数据采集装置对待检测食品进行数据采集，获得第一待检测食品信息；根据所述第一待检测食品信息的存储环境条件，判断实时检测环境条件是否满足所述存储环境条件；若所述实时监测环境条件满足所述存储环境条件，基于所述第一待检测食品的检测项目清单，生成第一筛查条件，其中，所述第一筛查条件为样品筛查的数量条件；获得所述第一待检测食品的预设检测周期；基于所述预设检测周期对所述第一待检测食品信息进行效用衰减预测，生成第一预测结果，其中，所述第一预测结果为第一效用衰减指数；根据所述第一预测结果，生成第二筛查条件，其中，所述第二筛查条件为样品筛查的取用条件；根据所述第一筛查条件和所述第二筛查条件，构建第一样品筛查单元对所述待检测食品进行筛查取样，生成第一筛查样品。通过根据待检测食品的检测项目项目清单确定第一筛查条件、根据取用条件确定第二筛查条件，从而构建样品筛查单元进行样品筛查，实现了确保取样食品的取样源头（包括取样数量、取样条件）采集准确，最大程度避免后期对取样食品质检结果的影响，提高了食品检测的准确性的技术效果。
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
通过阅读参照以下附图对非限制性实施例所做的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本申请实施例一种食品检测的样品智能化筛查方法的流程示意图；
图2为本申请实施例一种食品检测的样品智能化筛查方法的生成所述第一筛查条件的流程示意图；
图3为本申请实施例一种食品检测的样品智能化筛查方法的对所述第一连接检测设备的使用状态进行实时数据监测的流程示意图；
图4为本申请实施例一种食品检测的样品智能化筛查方法的构建第一变化曲线的流程示意图；
图5为本申请实施例一种食品检测的样品智能化筛查系统的结构示意图；
图6为本申请实施例示例性电子设备的结构示意图。
具体实施方式
本申请实施例通过提供一种食品检测的样品智能化筛查方法及系统，解决了现有技术中的无法对食品检测过程中的食品状况进行动态监测，使得影响样品的检测结果准确度的技术问题。通过根据待检测食品的检测项目项目清单确定第一筛查条件、根据取用条件确定第二筛查条件，从而构建样品筛查单元进行样品筛查，同时对样品等待检测的整个周期的样品效用衰减进行动态监测，达到了确保取样食品的取样源头（包括取样数量、取样条件）采集准确以及检测过程的样品效用最佳，最大程度避免后期对取样食品质检结果的影响，提高了食品检测的准确性的技术效果。
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
由于现有技术中存在无法对食品检测过程中的食品状况进行动态监测，使得影响样品的检测结果准确度。本发明在不破坏食品样品完整度的前提下，通过对样品等待检测的整个周期的样品效用衰减进行动态监测，确保检测过程的样品效用最佳，最大程度避免后期对取样食品质检结果的影响。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请实施例提供一种食品检测的样品智能化筛查方法，其中，所述方法应用于一种食品检测的样品智能化筛查系统，所述系统与一数据采集装置通信连接，所述方法包括：根据所述数据采集装置对待检测食品进行数据采集，获得第一待检测食品信息；根据所述第一待检测食品信息的存储环境条件，判断实时检测环境条件是否满足所述存储环境条件；若所述实时监测环境条件满足所述存储环境条件，基于所述第一待检测食品的检测项目清单，生成第一筛查条件，其中，所述第一筛查条件为样品筛查的数量条件；获得所述第一待检测食品的预设检测周期；基于所述预设检测周期对所述第一待检测食品信息进行效用衰减预测，生成第一预测结果，其中，所述第一预测结果为第一效用衰减指数；根据所述第一预测结果，生成第二筛查条件，其中，所述第二筛查条件为样品筛查的取用条件；根据所述第一筛查条件和所述第二筛查条件，构建第一样品筛查单元对所述待检测食品进行筛查取样，生成第一筛查样品。
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食品检测的样品智能化筛查方法，其中，所述方法应用于一种食品检测的样品智能化筛查系统，所述系统与一数据采集装置通信连接，所述方法包括：
步骤S100：根据所述数据采集装置对待检测食品进行数据采集，获得第一待检测食品信息；
具体而言，在人们生活水平不断提高的同时，食品安全问题也愈发成为人们所关注的焦点话题。在此形势下，以往食品检测技术已经难以满足现阶段社会发展需求，分析食品检测技术早已成为一项志在必得的举措。在本申请实施例中提出了一种食品检测的样品智能化筛查方法。具体的，可根据所述数据采集装置对待检测食品进行数据采集，其中，所述待检测食品指的是需要进行质量安全检测的食品，包括肉类、水产海鲜、水果等食品，所述数据采集装置包括对待检测食品的图形采集等，即通过对待检测食品进行图像采集，可获得待检测食品的品类、数量等信息，所述第一待检测食品信息即为采集得到的结果集合，具体包括待检测食品的种类信息、数量信息、外观信息等集合。
步骤S200：根据所述第一待检测食品信息的存储环境条件，判断实时检测环境条件是否满足所述存储环境条件；
步骤S300：若所述实时监测环境条件满足所述存储环境条件，基于所述第一待检测食品的检测项目清单，生成第一筛查条件，其中，所述第一筛查条件为样品筛查的数量条件；
具体而言，在获得所述第一待检测食品信息后，可基于此，获得待检测食品的存储环境条件，举例如，若待检测食品为膨化食品零食，则存储条件需满足干燥储存等环境要求，进而判断实时检测环境条件是否满足所述存储环境条件，其中，所述实时检测环境条件包括膨化食品零食从生产地运往检测地直至进行检测的整个环境条件，如果满足所述存储环境条件，可基于所述第一待检测食品的检测项目清单，生成第一筛查条件，其中，所述检测项目清单包括膨化食品零食的营养组成成分、包装材料等检测清单，所述第一筛查条件包括样品筛查的数量条件，即取多少样品进行检测。
步骤S400：获得所述第一待检测食品的预设检测周期；
步骤S500：基于所述预设检测周期对所述第一待检测食品信息进行效用衰减预测，生成第一预测结果，其中，所述第一预测结果为第一效用衰减指数；
具体而言，所述预设检测周期为预设的待检测的食品的需要进行安全质量检测的时间长短，以肉质类食品为例进行说明，一般的，所述预设检测周期应在肉质类的有效期内进行检测，进而，可基于所述预设检测周期对所述第一待检测食品信息进行效用衰减预测，换言之，所谓效用衰减预测，即为对肉质类的新鲜度进行衰减度预测，一般的，随着时间越久，肉的新鲜度会随之而降低，所述第一效用衰减指数即为在预设检测周期内，肉质类的新鲜度最大衰减值。
步骤S600：根据所述第一预测结果，生成第二筛查条件，其中，所述第二筛查条件为样品筛查的取用条件；
步骤S700：根据所述第一筛查条件和所述第二筛查条件，构建第一样品筛查单元对所述待检测食品进行筛查取样，生成第一筛查样品。
具体而言，可根据所述第一效用衰减指数，生成第二筛查条件，其中，所述第二筛查条件包括样品筛查的取用条件，举例如，对于奶制品、海鲜类等食品的取用条件是不同的，应具体食品具体区别取样，以保证取样食品的流程准确，不影响后期的样品质检结果。进一步的，可基于样品筛查的数量条件和取用条件，构建第一样品筛查单元，所述第一样品筛查单元用于对待检测食品进行取样筛查，所述第一筛查样品即为最终确定的需要进行安全质量检测的样品集合，实现了确保取样食品的取样源头（包括取样数量、取样条件）采集准确，最大程度避免后期对取样食品质检结果的影响，提高了食品检测的准确性的技术效果。
进一步的，如图2所示，所述生成第一筛查条件，步骤S300包括：
步骤S310：基于食品检测大数据，构建第一筛查模型，其中，所述第一筛查模型中的每组数据包括食品类别、检测项目表和取样数量，且所述食品类别、所述检测项目表和所述取样数量对应；
步骤S320：获得所述第一待检测食品的品种类别；
步骤S330：将所述第一待检测食品的品种类别和所述第一待检测食品的检测项目清单输入所述第一筛查模型中进行匹配，生成所述第一筛查条件。
具体而言，在生成所述第一筛查条件时，可构建第一筛查模型，即根据食品检测大数据，对每种食品的具体信息进行一一采集，其中，包括每种食品的食品类别、检测项目表以及取样数量等信息，进而将对应食品的食品类别-检测项目表-取样数量进行一一对应，最终构建所述第一筛查模型。
所述品质类别即为所述第一待检测食品的种类，包括肉禽蛋品、海鲜水产、乳品烘焙等种类，通过将所述第一待检测食品的品种类别和所述第一待检测食品的检测项目清单输入所述第一筛查模型中进行匹配，可获得匹配结果，即所述第一筛查条件，所述第一筛查条件决定了对待检测食品的取样数量，确保取样合理，提高待检测食品的质检准确度。
进一步的，如图3所示，本申请实施例还包括：
步骤S810：通过对所述第一待检测食品的检测项目清单进行分析，确定第一连接检测设备；
步骤S820：通过连接食品检测设备的管理系统，对所述第一连接检测设备的使用状态进行实时数据监测，生成设备占用率；
步骤S830：根据所述设备占用率进行待检测时长计算，获得第一预检测等待周期，其中，所述第一预检测等待周期为进行样品检测前等待的时长。
具体而言，对食品进行质量检测时，需通过专业质检设备进行检测，因此，可对所述第一待检测食品的检测项目清单进行分析，确定第一连接检测设备，所述第一连接检测设备即为对待检测食品进行检测的专业质检设备，进而根据连接食品检测设备的管理系统，对所述第一连接检测设备的使用状态进行实时数据监测，其中，所述管理系统为对专业质检设备的使用管理系统，具体包括了设备的服役情况、占用情况、维护情况以及质检精度等信息，可基于此，获得设备占用率，所述设备占用率表征了目标专业质检设备截至目前的已预约质检信息，因为在等待设备空置的这一时间段，待检测食品的新鲜度呈现负向增长，因此，可根据所述设备占用率进行待检测时长计算，获得第一预检测等待周期，所述第一预检测等待周期表征了样品进行检测之前的等待累积时长信息，以此可以实时掌握待检测食品的新鲜度信息。
进一步的，如图4所示，本申请实施例还包括：
步骤S840：以所述第一预检测等待周期和所述第一待检测食品信息为基础，构建第一变化曲线，其中，所述第一变化曲线表示所述第一待检测食品的效用随所述第一预检测等待周期的增加而变化的程度；
步骤S850：根据所述第一变化曲线进行斜率计算，获得均值衰减指数；
步骤S860：获得所述预设检测周期，其中，所述预设检测周期为至检测完毕所需时长；
步骤S870：根据所述均值衰减指数和所述预设检测周期进行效用衰减预测，获得所述第一预测结果。
具体而言，在对待检测食品的新鲜度衰减进行动态监测时，可构建第一变化曲线，通过将所述第一预检测等待周期作为横坐标x轴，将所述第一待检测食品信息作为纵坐标y轴，进而构建所述第一变化曲线，其中，所述第一待检测食品信息包括了待检测食品的效用即新鲜度，所述第一变化曲线反映了所述第一待检测食品的效用随所述第一预检测等待周期的增加而变化的程度，一般而言，即随着等待时间的延长，待检测食品的新鲜度呈现负向增长，特殊来讲，对于酒类等食品，则另行构建。
进而，可根据所述第一变化曲线进行斜率计算，获得均值衰减指数，通过对曲线的斜率进行计算，可获得所述均值衰减指数，即通过对每一时间段的食品新鲜度进行采集，可对食品新鲜度集合进行均值计算，进而获得较为平均的衰减指数，更容易反映食品新鲜度的平均变化，同时，所述预设检测周期为待检测食品从取样直至检测完毕的所有时长总和，可基于所述均值衰减指数和所述预设检测周期进行效用衰减预测，所述第一预测结果即为待检测样品的从取样直至最终检测完毕的新鲜度衰减值，进而推算对最终样品检测的结果影响。
进一步的，本申请实施例还包括：
步骤S910：通过构建特殊食品库，判断所述第一待检测食品是否为特殊食品；
步骤S920：若所述第一待检测食品为特殊食品，对所述第一待检测食品的检测项目清单进行更新，基于更新后的检测项目清单，生成第三筛查条件；
步骤S930:根据所述第二筛查条件和所述第三筛选条件，构建第二筛查单元对所述待检测食品进行筛查取样。
具体而言，为了对待检测食品的前期取样过程精细化，进一步的，可构建特殊食品库，所述特殊食品库为特殊类食品的集合，可以是婴幼儿食品等信息，通过判断所述第一待检测食品是否为特殊食品，来确定检测项目清单，如果所述第一待检测食品为特殊食品，可对所述第一待检测食品的检测项目清单进行更新，即增加婴幼儿食品的更精细化的检测项目清单，可以是组成成分的成分来源等信息，进而根据更新后的检测项目清单，生成第三筛查条件，所述第三筛查条件为更新后的检测项目清单信息，可最终根据待检测食品的取用条件和检测项目清单信息，构建第二筛查单元，对所述待检测食品进行筛查取样，实现了对待检测食品的精细化取样。
进一步的，本申请实施例还包括：
步骤S1010：根据所述第一待检测食品的品种类别，确定第一取样方式；
步骤S1020：通过对所述第一取样方式进行分析，生成取样仪器清单；
步骤S1030：通过对所述取样仪器清单中的所有仪器进行卫生检测，获得第一仪器检测结果；
步骤S1040：当所述第一仪器检测结果为检测通过时，将所述检测通过信息发送至所述第一样品筛查单元中触发第一取样指令。
具体而言，为了使得对待检测食品的检测结果更加准确，可根据所述第一待检测食品的品种类别，确定第一取样方式，举例如，若待检测视食品为液体，取样方式可以是滴管取样，若为粉末状，取样方式可以是汤匙取样，所述第一取样方式随品种类别不同存在差异，进而对所述第一取样方式进行分析，生成取样仪器清单，所述取样仪器清单为对待检测食品进行取样的仪器列表，通过对所述取样仪器清单中的所有仪器进行卫生检测，可获得第一仪器检测结果，所述第一仪器检测结果包括仪器内部是否干净，是否存在上次检测的残渣等，可根据所述第一仪器检测结果，判断取样仪器是否干净，如果检测通过，则说明取样仪器干净，可根据所述第一取样指令，对待检测食品进行取样。通过确保取样仪器的干净无残渣，实现了待检测食品的检测准确性。
进一步的，本申请实施例还包括：
步骤S1050：根据所述第一取样指令，对所述第一待检测食品进行过滤，获得第一过滤检测食品；
步骤S1060：根据所述第一待检测食品信息，获得第一抽样规则；
步骤S1070：将所述第一过滤检测食品作为样品抽样基础，按照所述第一抽样规则进行抽样，生成所述第一筛查样品。
具体而言，在对检测仪器检测通过，且根据所述第一取样指令进行取样时，可对所述第一待检测食品进行过滤，即如果待检测食品到进行取样检测时，它的新鲜度已经超过取样规定新鲜度，可对当前取样品进行过滤，即过滤掉不新鲜的部分，或者更换重新取样等手段，所述第一过滤检测食品，即为过滤掉不新鲜的食品样本，剩下的可进行质量检测的食品样本，所述第一抽样规则为对待检测食品进行抽样时的要求规则，可以是少量多次求均值等，在此应具体食品具体分析，进而将所述第一过滤检测食品作为样品抽样的基础，根据所述第一抽样规则进行抽样，生成所述第一筛查样品，实现了对样品的标准抽样，提高食品检测准确性。
与现有技术相比，本发明具有如下的有益效果：
1、通过根据所述数据采集装置对待检测食品进行数据采集，获得第一待检测食品信息；根据所述第一待检测食品信息的存储环境条件，判断实时检测环境条件是否满足所述存储环境条件；若所述实时监测环境条件满足所述存储环境条件，基于所述第一待检测食品的检测项目清单，生成第一筛查条件，其中，所述第一筛查条件为样品筛查的数量条件；获得所述第一待检测食品的预设检测周期；基于所述预设检测周期对所述第一待检测食品信息进行效用衰减预测，生成第一预测结果，其中，所述第一预测结果为第一效用衰减指数；根据所述第一预测结果，生成第二筛查条件，其中，所述第二筛查条件为样品筛查的取用条件；根据所述第一筛查条件和所述第二筛查条件，构建第一样品筛查单元对所述待检测食品进行筛查取样，生成第一筛查样品。通过根据待检测食品的检测项目项目清单确定第一筛查条件、根据取用条件确定第二筛查条件，从而构建样品筛查单元进行样品筛查，实现了确保取样食品的取样源头（包括取样数量、取样条件）采集准确，最大程度避免后期对取样食品质检结果的影响，提高了食品检测的准确性的技术效果。
2、通过根据样品待检测时长和样品新鲜度，构建样品效用衰减曲线，可动态掌握样品的新鲜度，从而对样品的取样规则进行动态调整，确保检测过程顺利进行。
3、通过对待检测食品的所需检测仪器进行卫生监测，确保仪器卫生质量过关，不影响后面的样品检测结果，从侧面提高了样品检测结果的准确度。
实施例二
基于与前述实施例中一种食品检测的样品智能化筛查方法同样发明构思，本发明还提供了一种食品检测的样品智能化筛查系统，如图5所示，所述系统包括：
第一采集单元11：所述第一采集单元11用于根据数据采集装置对待检测食品进行数据采集，获得第一待检测食品信息；
第一判断单元12：所述第一判断单元12用于根据所述第一待检测食品信息的存储环境条件，判断实时检测环境条件是否满足所述存储环境条件；
第一生成单元13：所述第一生成单元13用于若所述实时监测环境条件满足所述存储环境条件，基于所述第一待检测食品的检测项目清单，生成第一筛查条件，其中，所述第一筛查条件为样品筛查的数量条件；
第一获得单元14：所述第一获得单元14用于获得所述第一待检测食品的预设检测周期；
第一预测单元15：所述第一预测单元15用于基于所述预设检测周期对所述第一待检测食品信息进行效用衰减预测，生成第一预测结果，其中，所述第一预测结果为第一效用衰减指数；
第二生成单元16：所述第二生成单元16用于根据所述第一预测结果，生成第二筛查条件，其中，所述第二筛查条件为样品筛查的取用条件；
第一构建单元17：所述第一构建单元17用于根据所述第一筛查条件和所述第二筛查条件，构建第一样品筛查单元对所述待检测食品进行筛查取样，生成第一筛查样品。
进一步的，所述系统还包括：
第二构建单元：所述第二构建单元用于基于食品检测大数据，构建第一筛查模型，其中，所述第一筛查模型中的每组数据包括食品类别、检测项目表和取样数量，且所述食品类别、所述检测项目表和所述取样数量对应；
第二获得单元：所述第二获得单元用于获得所述第一待检测食品的品种类别；
第一输入单元：所述第一输入单元用于将所述第一待检测食品的品种类别和所述第一待检测食品的检测项目清单输入所述第一筛查模型中进行匹配，生成所述第一筛查条件。
进一步的，所述系统还包括：
第一分析单元：所述第一分析单元用于通过对所述第一待检测食品的检测项目清单进行分析，确定第一连接检测设备；
第一连接单元：所述第一连接单元用于通过连接食品检测设备的管理系统，对所述第一连接检测设备的使用状态进行实时数据监测，生成设备占用率；
第一计算单元：所述第一计算单元用于根据所述设备占用率进行待检测时长计算，获得第一预检测等待周期，其中，所述第一预检测等待周期为进行样品检测前等待的时长。
进一步的，所述系统还包括：
第三构建单元：所述第三构建单元用于以所述第一预检测等待周期和所述第一待检测食品信息为基础，构建第一变化曲线，其中，所述第一变化曲线表示所述第一待检测食品的效用随所述第一预检测等待周期的增加而变化的程度；
第三获得单元：所述第三获得单元用于根据所述第一变化曲线进行斜率计算，获得均值衰减指数；
第四获得单元：所述第四获得单元用于获得所述预设检测周期，其中，所述预设检测周期为至检测完毕所需时长；
第二预测单元：所述第二预测单元用于根据所述均值衰减指数和所述预设检测周期进行效用衰减预测，获得所述第一预测结果。
进一步的，所述系统还包括：
第二判断单元：所述第二判断单元用于通过构建特殊食品库，判断所述第一待检测食品是否为特殊食品；
第一更新单元：所述第一更新单元用于若所述第一待检测食品为特殊食品，对所述第一待检测食品的检测项目清单进行更新，基于更新后的检测项目清单，生成第三筛查条件；
第四构建单元：所述第四构建单元用于根据所述第二筛查条件和所述第三筛选条件，构建第二筛查单元对所述待检测食品进行筛查取样。
进一步的，所述系统还包括：
第一确定单元：所述第一确定单元用于根据所述第一待检测食品的品种类别，确定第一取样方式；
第三生成单元：所述第三生成单元用于通过对所述第一取样方式进行分析，生成取样仪器清单；
第一检测单元：所述第一检测单元用于通过对所述取样仪器清单中的所有仪器进行卫生检测，获得第一仪器检测结果；
第一发送单元：所述第一发送单元用于当所述第一仪器检测结果为检测通过时，将所述检测通过信息发送至所述第一样品筛查单元中触发第一取样指令。
进一步的，所述系统还包括：
第一过滤单元：所述第一过滤单元用于根据所述第一取样指令，对所述第一待检测食品进行过滤，获得第一过滤检测食品；
第五获得单元：所述第五获得单元用于根据所述第一待检测食品信息，获得第一抽样规则；
第四生成单元：所述第四生成单元用于将所述第一过滤检测食品作为样品抽样基础，按照所述第一抽样规则进行抽样，生成所述第一筛查样品。
前述图1实施例一中的一种食品检测的样品智能化筛查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食品检测的样品智能化筛查系统，通过前述对一种食品检测的样品智能化筛查方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种食品检测的样品智能化筛查系统的实施方法，所以为了说明书的简洁，在此不再详述。
实施例三
下面参考图6来描述本申请实施例的计算机设备。该计算机设备可以是应用版本管理服务器或终端，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种应用包的处理方法。
在该计算机设备是终端时，该计算机设备还可以包括显示屏和输入装置。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各方法实施例中的步骤。
本申请实施例提供一种食品检测的样品智能化筛查方法，其中，所述方法应用于一种食品检测的样品智能化筛查系统，所述系统与一数据采集装置通信连接，所述方法包括：根据所述数据采集装置对待检测食品进行数据采集，获得第一待检测食品信息；根据所述第一待检测食品信息的存储环境条件，判断实时检测环境条件是否满足所述存储环境条件；若所述实时监测环境条件满足所述存储环境条件，基于所述第一待检测食品的检测项目清单，生成第一筛查条件，其中，所述第一筛查条件为样品筛查的数量条件；获得所述第一待检测食品的预设检测周期；基于所述预设检测周期对所述第一待检测食品信息进行效用衰减预测，生成第一预测结果，其中，所述第一预测结果为第一效用衰减指数；根据所述第一预测结果，生成第二筛查条件，其中，所述第二筛查条件为样品筛查的取用条件；根据所述第一筛查条件和所述第二筛查条件，构建第一样品筛查单元对所述待检测食品进行筛查取样，生成第一筛查样品。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是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非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-Only Memory，ROM）、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic Random Access Memory，DRAM）等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (7)

1.一种食品检测的样品智能化筛查方法，其特征在于，所述方法应用于一种食品检测的样品智能化筛查系统，所述系统与一数据采集装置通信连接，所述方法包括：
根据所述数据采集装置对待检测食品进行数据采集，获得第一待检测食品信息；
根据所述第一待检测食品信息的存储环境条件，判断实时检测环境条件是否满足所述存储环境条件；
若所述实时监测环境条件满足所述存储环境条件，基于所述第一待检测食品的检测项目清单，生成第一筛查条件，其中，所述第一筛查条件为样品筛查的数量条件；
获得所述第一待检测食品的预设检测周期；
基于所述预设检测周期对所述第一待检测食品信息进行效用衰减预测，生成第一预测结果，其中，所述第一预测结果为第一效用衰减指数；
根据所述第一预测结果，生成第二筛查条件，其中，所述第二筛查条件为样品筛查的取用条件；
根据所述第一筛查条件和所述第二筛查条件，构建第一样品筛查单元对所述待检测食品进行筛查取样，生成第一筛查样品；
通过对所述第一待检测食品的检测项目清单进行分析，确定第一连接检测设备；
通过连接食品检测设备的管理系统，对所述第一连接检测设备的使用状态进行实时数据监测，生成设备占用率；
根据所述设备占用率进行待检测时长计算，获得第一预检测等待周期，其中，所述第一预检测等待周期为进行样品检测前等待的时长；
以所述第一预检测等待周期和所述第一待检测食品信息为基础，构建第一变化曲线，其中，所述第一变化曲线表示所述第一待检测食品的效用随所述第一预检测等待周期的增加而变化的程度；
根据所述第一变化曲线进行斜率计算，获得均值衰减指数；
获得所述预设检测周期，其中，所述预设检测周期为至检测完毕所需时长；
根据所述均值衰减指数和所述预设检测周期进行效用衰减预测，获得所述第一预测结果。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
基于食品检测大数据，构建第一筛查模型，其中，所述第一筛查模型中的每组数据包括食品类别、检测项目表和取样数量，且所述食品类别、所述检测项目表和所述取样数量对应；
获得所述第一待检测食品的品种类别；
将所述第一待检测食品的品种类别和所述第一待检测食品的检测项目清单输入所述第一筛查模型中进行匹配，生成所述第一筛查条件。
3.如权利要求1所述的方法，其特征在于，所述方法还包括：
通过构建特殊食品库，判断所述第一待检测食品是否为特殊食品；
若所述第一待检测食品为特殊食品，对所述第一待检测食品的检测项目清单进行更新，基于更新后的检测项目清单，生成第三筛查条件；
根据所述第二筛查条件和所述第三筛选条件，构建第二筛查单元对所述待检测食品进行筛查取样。
4.如权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述第一待检测食品的品种类别，确定第一取样方式；
通过对所述第一取样方式进行分析，生成取样仪器清单；
通过对所述取样仪器清单中的所有仪器进行卫生检测，获得第一仪器检测结果；
当所述第一仪器检测结果为检测通过时，将所述检测通过信息发送至所述第一样品筛查单元中触发第一取样指令。
5.如权利要求4所述的方法，其特征在于，所述方法还包括：
根据所述第一取样指令，对所述第一待检测食品进行过滤，获得第一过滤检测食品；
根据所述第一待检测食品信息，获得第一抽样规则；
将所述第一过滤检测食品作为样品抽样基础，按照所述第一抽样规则进行抽样，生成所述第一筛查样品。
6.一种食品检测的样品智能化筛查系统，其特征在于，所述系统包括：
第一采集单元：所述第一采集单元用于根据数据采集装置对待检测食品进行数据采集，获得第一待检测食品信息；
第一判断单元：所述第一判断单元用于根据所述第一待检测食品信息的存储环境条件，判断实时检测环境条件是否满足所述存储环境条件；
第一生成单元：所述第一生成单元用于若所述实时监测环境条件满足所述存储环境条件，基于所述第一待检测食品的检测项目清单，生成第一筛查条件，其中，所述第一筛查条件为样品筛查的数量条件；
第一获得单元：所述第一获得单元用于获得所述第一待检测食品的预设检测周期；
第一预测单元：所述第一预测单元用于基于所述预设检测周期对所述第一待检测食品信息进行效用衰减预测，生成第一预测结果，其中，所述第一预测结果为第一效用衰减指数；
第二生成单元：所述第二生成单元用于根据所述第一预测结果，生成第二筛查条件，其中，所述第二筛查条件为样品筛查的取用条件；
第一构建单元：所述第一构建单元用于根据所述第一筛查条件和所述第二筛查条件，构建第一样品筛查单元对所述待检测食品进行筛查取样，生成第一筛查样品；
第一分析单元：所述第一分析单元用于通过对所述第一待检测食品的检测项目清单进行分析，确定第一连接检测设备；
第一连接单元：所述第一连接单元用于通过连接食品检测设备的管理系统，对所述第一连接检测设备的使用状态进行实时数据监测，生成设备占用率；
第一计算单元：所述第一计算单元用于根据所述设备占用率进行待检测时长计算，获得第一预检测等待周期，其中，所述第一预检测等待周期为进行样品检测前等待的时长；
第三构建单元：所述第三构建单元用于以所述第一预检测等待周期和所述第一待检测食品信息为基础，构建第一变化曲线，其中，所述第一变化曲线表示所述第一待检测食品的效用随所述第一预检测等待周期的增加而变化的程度；
第三获得单元：所述第三获得单元用于根据所述第一变化曲线进行斜率计算，获得均值衰减指数；
第四获得单元：所述第四获得单元用于获得所述预设检测周期，其中，所述预设检测周期为至检测完毕所需时长；
第二预测单元：所述第二预测单元用于根据所述均值衰减指数和所述预设检测周期进行效用衰减预测，获得所述第一预测结果。
7.一种食品检测的样品智能化筛查设备，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，其特征在于，所述处理器执行所述程序时实现权利要求1-5任一项所述方法的步骤。
CN202111449464.7A 2021-12-01 2021-12-01 一种食品检测的样品智能化筛查方法及系统 Active CN114418270B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111449464.7A CN114418270B (zh) 2021-12-01 2021-12-01 一种食品检测的样品智能化筛查方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111449464.7A CN114418270B (zh) 2021-12-01 2021-12-01 一种食品检测的样品智能化筛查方法及系统

Publications (2)

Publication Number Publication Date
CN114418270A CN114418270A (zh) 2022-04-29
CN114418270B true CN114418270B (zh) 2023-05-23

Family

ID=81265516

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111449464.7A Active CN114418270B (zh) 2021-12-01 2021-12-01 一种食品检测的样品智能化筛查方法及系统

Country Status (1)

Country Link
CN (1) CN114418270B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110689518A (zh) * 2019-08-15 2020-01-14 平安科技（深圳）有限公司 宫颈细胞图像筛查方法、装置、计算机设备及存储介质
CN112967225A (zh) * 2021-01-29 2021-06-15 绍兴隆芙力智能科技发展有限公司 一种基于人工智能的自动检测系统、方法、设备及介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2013205019B2 (en) * 2011-01-21 2015-12-10 Labrador Diagnostics Llc Systems and methods for sample use maximization
CN106501294B (zh) * 2016-09-22 2018-05-08 大连工业大学 原位检测鹌鹑蛋加热凝固过程中温度点和时间点的方法
US10935535B2 (en) * 2017-08-09 2021-03-02 Fremonta Corporation Method and apparatus for applying aggregating sampling to food items

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110689518A (zh) * 2019-08-15 2020-01-14 平安科技（深圳）有限公司 宫颈细胞图像筛查方法、装置、计算机设备及存储介质
CN112967225A (zh) * 2021-01-29 2021-06-15 绍兴隆芙力智能科技发展有限公司 一种基于人工智能的自动检测系统、方法、设备及介质

Also Published As

Publication number Publication date
CN114418270A (zh) 2022-04-29

Similar Documents

Publication Publication Date Title
KR101811270B1 (ko) 화물을 검사하는 방법 및 그 시스템
US7925461B2 (en) Quality control system, analyzer, and quality control method
CN112115897B (zh) 多指针仪表报警检测方法、装置、计算机设备及存储介质
KR20130118822A (ko) 자동 결함 분류에서 분류기 준비 및 유지
KR102265525B1 (ko) 인공지능 기반의 피부 진단 방법 및 시스템
JP2019083055A (ja) 複合的ダイアディック又はマルチプルなカウンターパーティ関係を発見するために使用される多次元再帰的学習プロセス及びシステム
JPH08504522A (ja) 境界ピクセル・パラメータの規則正しいシーケンスを用いた物体を識別するための方法及び装置
CN113409284A (zh) 电路板故障检测方法、装置、设备以及存储介质
CN116416884A (zh) 一种显示器模组的测试装置及其测试方法
CN114418270B (zh) 一种食品检测的样品智能化筛查方法及系统
Soares et al. Gage R&R studies in measurement system analysis: A systematic literature review
Hammami et al. Statistical properties of parasite density estimators in malaria
JPWO2020065890A1 (ja) 情報処理装置、情報処理方法、およびプログラム
KR20220128105A (ko) 미세 먼지 농도 모니터링 방법 및 그 장치
CN105807016B (zh) 脂肪酸的检验方法、装置及终端
CN114814092A (zh) 基于bp神经网络的ip指标测量方法
Zhu et al. Rapid freshness prediction of crab based on a portable electronic nose system
CN114165430A (zh) 基于边缘计算的机泵健康监测方法、系统、设备及介质
US12014291B2 (en) System and method for processing distorted or inaccurate input data obtained from an environment
Vidhya et al. Milk quality prediction using supervised machine learning technique
JP7481691B2 (ja) 品質評価装置、教師データの作成方法、品質評価処理プログラムおよび品質評価方法
Juannata et al. Electronic Nose and Neural Network Algorithm for Multiclass Classification of Meat Quality
CN118332505B (zh) 基于多模态融合的生理信号数据处理方法、系统及装置
CN117787332B (zh) 一种基于算法模型的数据运算效率提升方法及系统
CN214408682U (zh) 用于卷烟主流烟气的空芯波导二维红外光谱检测系统

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