CN115375194A - 风险预警方法、装置、电子设备及存储介质 - Google Patents
风险预警方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115375194A CN115375194A CN202211299437.0A CN202211299437A CN115375194A CN 115375194 A CN115375194 A CN 115375194A CN 202211299437 A CN202211299437 A CN 202211299437A CN 115375194 A CN115375194 A CN 115375194A
- Authority
- CN
- China
- Prior art keywords
- information
- inspection
- food
- target
- enterprise
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000007689 inspection Methods 0.000 claims abstract description 269
- 235000013305 food Nutrition 0.000 claims abstract description 176
- 230000008520 organization Effects 0.000 claims abstract description 90
- 230000007246 mechanism Effects 0.000 claims abstract description 74
- 238000012795 verification Methods 0.000 claims description 102
- 238000004590 computer program Methods 0.000 claims description 15
- 238000011144 upstream manufacturing Methods 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 6
- 235000014105 formulated food Nutrition 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims 2
- 235000015219 food category Nutrition 0.000 claims 1
- 238000012360 testing method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 6
- 239000000654 additive Substances 0.000 description 5
- 230000000996 additive effect Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 239000002778 food additive Substances 0.000 description 2
- 235000013373 food additive Nutrition 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
-
- 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
- G06Q50/04—Manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种风险预警方法、装置、电子设备及存储介质，涉及大数据技术领域。方法包括：基于第一机构出具的食品检验报告，确定针对目标食品和目标检验项目的第一检验信息；基于第二机构出具的食品检验报告，确定针对目标食品和目标检验项目的第二检验信息；利用第二检验信息校验第一检验信息；在第一检验信息校验不通过的情况下，生成第一预警信息；向目标企业的监管端发送第一预警信息；其中，第一机构和第二机构为不同机构。本申请技术方案便于及时发现食品检验报告中出现的风险问题，有效避免食品企业对出厂检验环节的松懈，提高食品企业的风险意识，也便于监督机构对食品企业的监管。
Description
技术领域
本申请涉及大数据技术领域，尤其涉及一种基于食品检验报告的风险预警方法、装置、电子设备及存储介质。
背景技术
食品生产企业应就其成品出厂检验制定并实施控制规范，保证所生产的食品符合食品安全标准。在食品生产企业和食品经营者交易过程中，食品检验报告是必须往下流转的关键材料。在食品行业存在食品检验报告不规范的现象，但由于食品企业数量众多，情况复杂，监管资源相对有限，难以对食品检验报告做到全面监管和及时预警。
发明内容
本申请实施例提供一种基于食品检验报告的风险预警方法、装置、电子设备及存储介质，以针对食品添加剂的使用不符合食品添加剂使用标准的情况进行预警。
第一方面，本申请实施例提供了一种基于食品检验报告的风险预警方法，包括：
基于第一机构出具的食品检验报告，确定针对目标食品和目标检验项目的第一检验信息；
基于第二机构出具的食品检验报告，确定针对目标食品和目标检验项目的第二检验信息；
利用第二检验信息校验第一检验信息；
在第一检验信息校验不通过的情况下，生成第一预警信息；
向目标企业的监管端发送第一预警信息；
其中，第一机构和第二机构均包括目标企业、目标企业的上游企业、目标企业的下游企业、目标企业委托的检验机构和抽检机构中的至少一个；第一机构和第二机构为不同机构。
第二方面，本申请实施例提供了一种基于食品检验报告的风险预警装置，包括：
第一检验信息确定模块，用于基于第一机构出具的食品检验报告，确定针对目标食品和目标检验项目的第一检验信息；
第二检验信息确定模块，用于基于第二机构出具的食品检验报告，确定针对目标食品和目标检验项目的第二检验信息；
第一检验信息校验模块，用于利用第二检验信息校验第一检验信息；
第一预警信息生成模块，用于在第一检验信息校验不通过的情况下，生成第一预警信息；
第一预警信息发送模块，用于向目标企业的监管端发送第一预警信息；
其中，第一机构和第二机构均包括目标企业、目标企业的上游企业、目标企业的下游企业、目标企业委托的检验机构和抽检机构中的至少一个；第一机构和第二机构为不同机构。
第三方面，本申请实施例提供一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，处理器在执行计算机程序时实现本申请任一实施例提供的方法。
第四方面，本申请实施例提供一种计算机可读存储介质，计算机可读存储介质内存储有计算机程序，计算机程序被处理器执行时实现本申请任一实施例提供的方法。
与现有技术相比，本申请具有如下优点：
本申请实施例提供的技术方案，针对目标食品和目标检验项目，可以基于第一机构的食品检验报告和第二机构出具的食品检验报告，分别确定第一检验信息和第二检验信息；利用第二检验信息校验所述第一检验信息，如果校验不通过，则说明目标食品在目标检验项目上可能存在风险情况，因此，在第一校验信息不通过的情况下，生成第一预警信息，并向目标企业的监管端发送第一预警信息，以便于及时发现食品检验报告中出现的风险问题，便于对食品企业的监管。
上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本申请进一步的方面、实施方式和特征将会是容易明白的。
附图说明
在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本申请公开的一些实施方式，而不应将其视为是对本申请范围的限制。
图1为本申请实施例提供的基于食品检验报告的风险预警方法的应用场景的示意图；
图2为本申请实施例一提供的基于食品检验报告的风险预警方法的流程图；
图3为本申请实施例提供的新增食品检测（或检验）报告的示例图；
图4为本申请实施例提供的食品检验报告列表的示意图；
图5为本申请实施例一提供的应用示例图；
图6为本申请实施例二提供的基于食品检验报告的风险预警方法的流程图；
图7为本申请实施例提供的基于食品检验报告的风险预警装置的示意图；
图8为用来实现本申请实施例的电子设备的框图。
具体实施方式
在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本申请的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。
为便于理解本申请实施例的技术方案，以下对本申请实施例的相关技术进行说明，以下相关技术作为可选方案与本申请实施例的技术方案可以进行任意结合，其均属于本申请实施例的保护范围。
实施例一
图1为本申请实施例提供的基于食品检验报告的风险预警方法的应用场景的示意图。如图1所示，服务端可以为提供计算服务和应用服务的计算设备，其中，服务端也可以叫业务端，其可以是云服务器。客户端可以是硬件，如手机、个人电脑、平板电脑、可穿戴设备等电子设备，客户端也可以是安装在上述电子设备中的应用程序（Application，APP）。服务端或第二机构客户端通过对接第一机构客户端，可以获取第一机构出具的食品检验报告；服务端或第一机构客户端通过对接第二机构客户端，可以获取第二机构出具的食品检验报告。
针对目标食品和目标检验项目，可以基于第一机构的食品检验报告和第二机构出具的食品检验报告，分别确定第一检验信息和第二检验信息；利用第二检验信息校验所述第一检验信息，如果校验不通过，则说明目标食品在目标检验项目上可能存在风险情况，因此，在第一校验信息不通过的情况下，生成第一预警信息，并向目标企业的监管端发送第一预警信息。其中，目标企业的监管端可以是目标企业的客户端，从而便于目标企业及时发现和处置风险情况；目标企业的监管端也可以是目标企业的监督机构的客户端，从而便于监督机构对目标企业的监管。
图2为本申请实施例提供的基于食品检验报告的风险预警方法的流程图，该方法可以应用于基于食品检验报告的风险预警装置，该装置可以部署于服务端或第一机构客户端或第二机构客户端中。在一些可能的实现方式中，该方法还可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
本实施例中，执行主体可以是服务端或第一机构客户端或第二机构客户端。如图2所示，基于食品检验报告的风险预警方法包括：
步骤S201：基于第一机构出具的食品检验报告，确定针对目标食品和目标检验项目的第一检验信息。
其中，第一机构可以包括目标企业、目标企业的上游企业、目标企业的下游企业、目标企业委托的检验机构和抽检机构中的至少一个。第一机构的数量可以是一个或多个，相应的第一机构出具的食品检验报告可以是一份或多份。
其中，抽检机构可以是政府食品安全监督机构，如国家市场监督管理总局或其下属机构，负责对目标食品进行抽检，并基于抽检结果出具食品检验报告。
示例性地，可以通过对接第一机构客户端获取第一机构出具的食品检验报告。例如：当第一机构是企业时，可以通过对接该企业的企业资源计划（Enterprise ResourcePlanning，ERP）系统，获取第一机构出具的食品检验报告。
图3示出新增食品检测（或检验）报告的示例图。如图3所示，食品检验报告中可以包括执行标准、检测结果、是否为自检检验项目或委托检验检验项目、检验人或委托检验人、检验日期、食品检验报告的签发人和签发日期、等级等信息。
图4示出食品检验报告列表的示意图。如图4所示，食品检验报告还可以对应有入库单号、成品名称、商品条码、生产批次号、登记状态、登记人、登记日期、入库状态等信息。
当第一机构是抽检机构时，可以通过对接该抽检机构的信息公开平台，获取第一机构出具的食品检验报告。例如：抽检机构为国家市场监督管理总局，通过对接国家食品安全抽样检验信息系统，可以获取到抽检机构的食品检验报告。
需要说明的是，当本实施例的方法的执行主体为第一机构客户端时，可以直接获取第一机构出具的食品检验报告，而无需对接第一机构客户端。
第一检验信息可以包括食品品类、商品标识信息、检验时间、检验地点、检验人员、报告签发人员、针对目标检验项目的检验结果值中的至少一项。
示例性地，通过对第一机构出具的食品检验报告进行文字识别（OpticalCharacter Recognition，OCR），并对文字识别结果进行信息提取，得到第一检验信息。
步骤S202：基于第二机构出具的食品检验报告，确定针对目标食品和目标检验项目的第二检验信息。
其中，第二机构可以包括目标企业、目标企业的上游企业、目标企业的下游企业、目标企业委托的检验机构和抽检机构中的至少一个。第二机构的数量可以是一个或多个，相应的第二机构出具的食品检验报告可以是一份或多份。
但是，第二机构和第一机构为不同的机构。例如：当第一机构为目标企业时，第二机构可以是目标企业的上游企业、目标企业的下游企业、目标企业委托的检验机构、抽检机构中的至少一个。
示例性地，可以通过对接第二机构客户端获取第二机构出具的食品检验报告。例如：当第二机构是企业时，可以通过对接该企业的ERP系统，获取第二机构出具的食品检验报告，如图3和图4所示。
当第二机构是抽检机构时，可以通过对接该抽检机构的信息公开平台，获取第二机构出具的食品检验报告。例如：抽检机构为国家市场监督管理总局，通过对接国家食品安全抽样检验信息系统，可以获取到抽检机构的食品检验报告。
需要说明的是，当本实施例的方法的执行主体为第二机构客户端时，可以直接获取第二机构出具的食品检验报告，而无需对接第二机构客户端。
第二检验信息可以包括食品品类、商品标识信息、检验时间、检验地点、检验人员、报告签发人员、针对目标检验项目的检验结果值中的至少一项。
示例性地，通过对第二机构出具的食品检验报告进行OCR识别，并对文字识别结果进行信息提取，得到第二检验信息。
步骤S203：利用第二检验信息校验第一检验信息。
利用第二检验信息校验第一检验信息，可以确定第一校验信息是否异常。如果异常，则说明第一机构出具的食品检验报告可能存在风险。
步骤S204：在第一检验信息校验不通过的情况下，生成第一预警信息。
如果利用第二检验信息校验第一校验信息的校验结果为第一校验信息校验不通过，则生成第一预警信息。第一预警信息用于指示第一机构出具的食品检验报告存在风险。
示例性地，第一预警信息中可以包括第一检验信息与第二检验信息校验不一致的检验信息，如商品标识信息或检验结果值等。当不一致的检验信息为检验结果值时，第一预警信息中还可以包括第一检验信息中的检验结果值与第二检验信息中的检验结果值的差值。
步骤S205：向目标企业的监管端发送第一预警信息。
其中，目标企业的监管端包括目标企业的客户端和/或目标企业的监督机构的客户端。例如：目标企业的监管端可以是目标企业的客户端，从而便于目标企业及时发现和处置风险情况。又如：目标企业的监管端也可以是目标企业的监督机构的客户端，从而便于监督机构对目标企业的监管。
目标企业的监管端也可以是第一机构的客户端，如目标企业的上游企业或下游企业的客户端，从而便于第一机构及时发现自己出具的食品检验报告中所存在的风险，并及时处置。
需要说明的是，当本实施例的方法的执行主体为目标企业的客户端时，在步骤S205中向目标企业的客户端发送第一预警信息具体可实现为：在目标企业的客户端展示第一预警信息，例如通过界面提示或警报形式进行展示。
在一种实施方式中，第一机构包括所述目标企业、目标企业的上游企业、目标企业的下游企业、目标企业委托的检验机构中的至少一个；第二机构为抽检机构。
由于抽检机构通常为政府食品监督机构，因此其出具的食品检验报告更具有权威性。进而利用抽检机构对应的第二检验信息来校验第一检验信息，更能准确定位食品检验报告中的风险。
示例性地，如图5所示，第一机构可以是浙食链中的目标企业，第一机构出具的食品检验报告（也可叫做企业自检报告）可以通过浙食链业务系统自动生成；第一机构可以是该目标企业委托第三方检测机构或检验机构，第一机构出具的食品检验报告可以通过所委托的第三方检测机构获取；第一机构可以是该目标企业的上游企业，第一机构出具的食品检验报告可以通过该上游企业流转得到。进一步地，基于OCR识别技术对企业自检报告进行文字识别，可以得到第一检验信息。
第二机构为抽检机构，如国家市场监督管理总局，第二机构出具的食品检验报告（也可叫做国家监督抽检报告）可通过对接国家食品安全抽样检验信息系统获取。进一步地，基于该系统回落数据可直接得到第二检验信息。
利用算法模型，针对目标食品和目标检验项目，对第一校验信息和第二校验信息进行比对分析，即利用第二检验信息校验第一检验信息，在第一检验信息校验不通过的情况下，生成第一预警信息，进而实现风险预警。监管端（或监管系统）基于第一预警信息可以及时发现和处置企业自检报告中的风险问题。
示例性地，算法模型可以是统计分析比对的算法模型，也可以是基于深度学习的食品检验报告校验预警模型。例如：算法模型是食品检验报告校验预警模型，将第一机构出具的食品检验报告和第二机构出具的食品检验报告输入食品检验报告校验预警模型，食品检验报告校验预警模型分别提取第一校验信息和第二校验信息，并可以得到第一检验信息是否校验通过的结果。其中，食品检验报告校验预警模型的训练样本可以是海量的食品检验报告样本。
在一种实施方式中，第一检验信息和第二检验信息属于相同类型的信息，从而可以方便校验和比对。
在一种实施方式中，第一检验信息和第二检验信息均包括食品品类、商品标识信息、检验时间、检验地点、检验人员和报告签发人员中的至少一项；利用第二检验信息校验第一检验信息，包括：确定第一检验信息与第二检验信息是否一致；在不一致的情况下，确定第一检验信息的校验不通过。
其中，“一致”可以理解为检验信息的实际内容相同。例如：分别对第一检验信息和第二检验信息进行结构化处理，从而使得第一检验信息和第二检验信息的数据格式相同，比对结构化处理后的第一检验信息和第二检验信息的内容是否相同。在相同的情况下，确定第一检验信息与第二检验信息一致，即对第一检验信息的校验通过；在不相同的情况下，确定第一检验信息与第二检验信息不一致，即对第一检验信息的校验不通过。
在一种实施方式中，第一检验信息和第二检验信息均为针对目标检验项目的检验结果值，利用第二检验信息校验第一检验信息，包括：确定第一检验信息的检验结果值与第二检验信息的检验结果值的差值；在差值小于预设阈值范围的情况下，确定第一检验信息的校验不通过，其中，预设阈值范围与目标检验项目相对应。
当第一检验信息和第二检验信息均为针对目标检验项目的检验结果值时，可以计算第一检验信息的检验结果值和第二检验信息的检验结果值之间的差值；在差值小于预设阈值范围的情况下，确定第一检验信息的校验不通过；在差值大于等于预设阈值范围的情况下，确定第一检验信息的校验通过。
其中，预设阈值范围与目标检验项目相对应。例如：目标检验项目为添加剂含量，则预设阈值范围与添加剂含量的单位和数值相对应设置。
基于本实施例的方法，针对目标食品和目标检验项目，可以基于第一机构的食品检验报告和第二机构出具的食品检验报告，分别确定第一检验信息和第二检验信息；利用第二检验信息校验所述第一检验信息，如果校验不通过，则说明目标食品在目标检验项目上可能存在风险情况，因此，在第一校验信息不通过的情况下，生成第一预警信息，并向目标企业的监管端发送第一预警信息，以便于食品企业及时发现和处置食品检验报告中出现的风险问题，有效避免食品企业对出厂检验环节的松懈，提高食品企业的风险意识，也便于监督机构对食品企业的监管，提高社会公众对食品企业的关注和信心。
实施例二
图1为本申请实施例提供的基于食品检验报告的风险预警方法的应用场景的示意图。如图1所示，服务端或第二机构客户端通过对接第一机构客户端，可以获取第一机构出具的食品检验报告；服务端或第一机构客户端通过对接第二机构客户端，可以获取第二机构出具的食品检验报告。
针对目标食品和第一检验项目，可以基于第一机构的食品检验报告确定出第三检验信息；针对目标食品和第二检验项目，可以基于第二机构的食品检验报告确定出第四检验信息；利用第四检验信息校验所述第三检验信息，从而利用相关联的第一检验项目和第二检验项目的食品检验报告，进行交叉校验；如果校验不通过，则说明目标食品在第一检验项目和/或第二校验项目上可能存在风险情况，因此，在第四校验信息不通过的情况下，生成第二预警信息，并向目标企业的监管端发送第二预警信息。
其中，目标企业的监管端可以是目标企业的客户端，从而便于目标企业及时发现和处置风险情况；目标企业的监管端也可以是目标企业的监督机构的客户端，从而便于监督机构对目标企业的监管。
图6为本申请实施例提供的基于食品检验报告的风险预警方法的流程图，该方法可以应用于基于食品检验报告的风险预警装置，该装置可以部署于服务端或第一机构客户端或第二机构客户端中。在一些可能的实现方式中，该方法还可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
本实施例中，执行主体可以是服务端或第一机构客户端或第二机构客户端。如图6所示，基于食品检验报告的风险预警方法包括：
步骤S601：基于第一机构出具的食品检验报告，确定针对目标食品和第一检验项目的第三检验信息；
步骤S602：基于第二机构出具的食品检验报告，确定针对目标食品和第二检验项目的第四检验信息；其中，第二检验项目为第一检验项目的关联检验项目；
步骤S603：利用第四检验信息校验第三检验信息；
步骤S604：在第三检验信息校验不通过的情况下，生成第二预警信息；
步骤S605：向目标企业的监管端发送第二预警信息。
其中，第一机构的食品检验报告的获取方式和第二机构的食品检验报告的获取方式可参见实施例一，在此不再赘述。
第一检验项目和第二检验项目为关联检验项目。例如：第一检验项目与第二检验项目有相同类型的检验结果，如均包括对同一添加剂含量的检验结果值。又如：第一检验项目的检验结果与第二检验项目的检验结果相关联，如第一检验项目的检验结果中包括添加剂A的添加量；第二检验项目的检验结果中包括添加剂A的残留量。
需要说明的是，当本实施例的方法的执行主体为目标企业的客户端时，在步骤S605中向目标企业的客户端发送第二预警信息具体可实现为：在目标企业的客户端展示第二预警信息，例如通过界面提示或警报形式进行展示。
由于第一检验项目和第二检验项目为关联检验项目，因此，第三检验信息和第四检验信息具有相关性，利用第四检验信息校验第三检验信息即可进行交叉校验，可从与实施例一不同的维度对食品检验报告进行校验，提高校验结果准确性。
示例性地，可以利用算法模型执行步骤S601至步骤S603的方法。其中，算法模型是基于深度学习的食品检验报告校验预警模型。将第一机构出具的食品检验报告和第二机构出具的食品检验报告输入食品检验报告校验预警模型，食品检验报告校验预警模型分别提取第三校验信息和第四校验信息，并输出第三检验信息是否校验通过的结果。其中，食品检验报告校验预警模型的训练样本可以是海量的食品检验报告样本。
基于本实施例的方法，针对目标食品和第一检验项目，可以基于第一机构的食品检验报告确定出第三检验信息；针对目标食品和第二检验项目，可以基于第二机构的食品检验报告确定出第四检验信息；利用第四检验信息校验所述第三检验信息，从而利用相关联的第一检验项目和第二检验项目的食品检验报告，进行交叉校验；如果校验不通过，则说明目标食品在第一检验项目和/或第二校验项目上可能存在风险情况，因此，在第四校验信息不通过的情况下，生成第二预警信息，并向目标企业的监管端发送第二预警信息，以便于食品企业及时发现和处置食品检验报告中出现的风险问题，有效避免食品企业对出厂检验环节的松懈，提高食品企业的风险意识，也便于监督机构对食品企业的监管，提高社会公众对食品企业的关注和信心。
实施例三
与本申请实施例提供的方法的应用场景以及方法相对应地，本申请实施例还提供一种基于食品检验报告的风险预警装置。如图7所示，该基于食品检验报告的风险预警装置可以包括：
第一检验信息确定模块701，用于基于第一机构出具的食品检验报告，确定针对目标食品和目标检验项目的第一检验信息；
第二检验信息确定模块702，用于基于第二机构出具的食品检验报告，确定针对目标食品和目标检验项目的第二检验信息；
第一检验信息校验模块703，用于利用第二检验信息校验第一检验信息；
第一预警信息生成模块704，用于在第一检验信息校验不通过的情况下，生成第一预警信息；
第一预警信息发送模块705，用于向目标企业的监管端发送第一预警信息；
其中，第一机构和第二机构均包括目标企业、目标企业的上游企业、目标企业的下游企业、目标企业委托的检验机构、抽检机构中的至少一个；第一机构和第二机构为不同机构。
在一种实施方式中，第一机构包括目标企业、目标企业的上游企业、目标企业的下游企业、目标企业委托的检验机构中的至少一个；第二机构为抽检机构。
在一种实施方式中，第一检验信息和第二检验信息属于相同类型的信息。
在一种实施方式中，第一检验信息和第二检验信息均包括食品品类、商品标识信息、检验时间、检验地点、检验人员和报告签发人员中的至少一项；第一检验信息校验模块703具体用于：确定第一检验信息与第二检验信息是否一致；在不一致的情况下，确定第一检验信息的校验不通过。
在一种实施方式中，第一检验信息和第二检验信息均包括针对目标检验项目的检验结果值，第一检验信息校验模块703具体用于：确定第一检验信息的检验结果值与第二检验信息的检验结果值的差值；在差值小于预设阈值范围的情况下，确定第一检验信息的校验不通过，其中，预设阈值范围与目标检验项目相对应。
在一种实施方式中，目标企业的监管端包括目标企业的客户端和/或目标企业的监督机构的客户端。
在一种实施方式中，该风险预警装置还包括：
第三检验信息确定模块，用于基于第一机构出具的食品检验报告，确定针对目标食品和第一检验项目的第三检验信息；
第四检验信息确定模块，用于基于第二机构出具的食品检验报告，确定针对目标食品和第二检验项目的第四检验信息；其中，第二检验项目为第一检验项目的关联检验项目；
第三检验信息校验模块，用于利用第四检验信息校验第三检验信息；
第二预警信息生成模块，用于在第三检验信息校验不通过的情况下，生成第二预警信息；
第二预警信息发送模块，用于向目标企业的监管端发送第二预警信息。
本申请实施例各装置中的各模块的功能可以参见上述方法中的对应描述，并具备相应的有益效果，在此不再赘述。
需要说明的是，本申请各实施例中的各种信息和数据的获取、存储和应用等，均得到了相关授权或符合相关法律法规的规定，且不违背公序良俗。
图8为用来实现本申请实施例的电子设备的框图。如图8所示，该电子设备包括：存储器801和处理器802，存储器801内存储有可在处理器802上运行的计算机程序。处理器802执行该计算机程序时实现上述实施例中的方法。存储器801和处理器802的数量可以为一个或多个。
该电子设备还包括：
通信接口803，用于与外界设备进行通信，进行数据交互传输。
如果存储器801、处理器802和通信接口803独立实现，则存储器801、处理器802和通信接口803可以通过总线相互连接并完成相互间的通信。该总线可以是工业标准体系结构（Industry Standard Architecture，ISA）总线、外部设备互连（Peripheral ComponentInterconnect，PCI）总线或扩展工业标准体系结构（Extended Industry StandardArchitecture，EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
可选地，在具体实现上，如果存储器801、处理器802及通信接口803集成在一块芯片上，则存储器801、处理器802及通信接口803可以通过内部接口完成相互间的通信。
本申请实施例提供了一种计算机可读存储介质，其存储有计算机程序，该程序被处理器执行时实现本申请实施例中提供的方法。
本申请实施例还提供了一种芯片，该芯片包括，包括处理器，用于从存储器中调用并运行存储器中存储的指令，使得安装有芯片的通信设备执行本申请实施例提供的方法。
本申请实施例还提供了一种芯片，包括：输入接口、输出接口、处理器和存储器，输入接口、输出接口、处理器以及存储器之间通过内部连接通路相连，处理器用于执行存储器中的代码，当代码被执行时，处理器用于执行申请实施例提供的方法。
应理解的是，上述处理器可以是中央处理器（Central Processing Unit，CPU），还可以是其他通用处理器、数字信号处理器（Digital Signal Processing，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（FieldProgrammable gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体 管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者是任何常规的处理器等。值得说明的是，处理器可以是支持进阶精简指令集机器（Advanced RISC Machines，ARM）架构的处理器。
可选地，上述存储器可以包括只读存储器和随机存取存储器，还可以包括非易失性随机存取存储器。该存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以包括只读存储器（Read-Only Memory，ROM）、可编程只读存储器（Programmable ROM，PROM）、可擦除可编程只读存储器（ErasablePROM，EPROM）、电可擦除可编程只读存储器（Electrically EPROM，EEPROM）或闪存。易失性存储器可以包括随机存取存储器（Random Access Memory，RAM），其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用。例如：静态随机存取存储器（StaticRAM，SRAM）、动态随机存取存储器（Dynamic Random Access Memory，DRAM）、同步动态随机存取存储器（Synchronous DRAM，SDRAM）、双倍数据速率同步动态随机存取存储器（DoubleData Rate SDRAM，DDR SDRAM）、增强型同步动态随机存取存储器（Enhanced SDRAM，ESDRAM）、同步连接动态随机存取存储器（Sync Link DRAM，SLDRAM）和直接内存总线随机存取存储器（Direct Rambus RAM，DRRAM）。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本申请的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包括于本申请的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分。并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如：可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。
应理解的是，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。上述实施例方法的全部或部分步骤是可以通过程序来指令相关的硬件完成，该程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。上述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。该存储介质可以是只读存储器，磁盘或光盘等。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于食品检验报告的风险预警方法，包括：
基于第一机构出具的食品检验报告，确定针对目标食品和目标检验项目的第一检验信息；
基于第二机构出具的食品检验报告，确定针对所述目标食品和所述目标检验项目的第二检验信息；
利用所述第二检验信息校验所述第一检验信息；
在所述第一检验信息校验不通过的情况下，生成第一预警信息；
向目标企业的监管端发送所述第一预警信息；
其中，所述第一机构和所述第二机构均包括所述目标企业、所述目标企业的上游企业、所述目标企业的下游企业、所述目标企业委托的检验机构和抽检机构中的至少一个；所述第一机构和所述第二机构为不同机构。
2.根据权利要求1所述的风险预警方法，其中，所述第一机构包括所述目标企业、所述目标企业的上游企业、所述目标企业的下游企业和所述目标企业委托的检验机构中的至少一个；所述第二机构为所述抽检机构。
3.根据权利要求1所述的风险预警方法，其中，所述第一检验信息和第二检验信息属于相同类型的信息。
4.根据权利要求3所述的风险预警方法，其中，所述第一检验信息和所述第二检验信息均包括食品品类、商品标识信息、检验时间、检验地点、检验人员和报告签发人员中的至少一项；利用所述第二检验信息校验所述第一检验信息，包括：
确定所述第一检验信息与所述第二检验信息是否一致；
在不一致的情况下，确定所述第一检验信息的校验不通过。
5.根据权利要求3所述的风险预警方法，其中，所述第一检验信息和所述第二检验信息均包括针对所述目标检验项目的检验结果值，利用所述第二检验信息校验所述第一检验信息，包括：
确定所述第一检验信息的检验结果值与所述第二检验信息的检验结果值的差值；
在所述差值小于预设阈值范围的情况下，确定所述第一检验信息的校验不通过，其中，所述预设阈值范围与所述目标检验项目相对应。
6.根据权利要求1所述的风险预警方法，其中，所述目标企业的监管端包括所述目标企业的客户端和/或所述目标企业的监督机构的客户端。
7.根据权利要求1至6任一项所述的风险预警方法，还包括：
基于所述第一机构出具的食品检验报告，确定针对所述目标食品和第一检验项目的第三检验信息；
基于所述第二机构出具的食品检验报告，确定针对所述目标食品和第二检验项目的第四检验信息；其中，所述第二检验项目为所述第一检验项目的关联检验项目；
利用所述第四检验信息校验所述第三检验信息；
在所述第三检验信息校验不通过的情况下，生成第二预警信息；
向所述目标企业的监管端发送所述第二预警信息。
8.一种基于食品检验报告的风险预警装置，包括：
第一检验信息确定模块，用于基于第一机构出具的食品检验报告，确定针对目标食品和目标检验项目的第一检验信息；
第二检验信息确定模块，用于基于第二机构出具的食品检验报告，确定针对所述目标食品和所述目标检验项目的第二检验信息；
第一检验信息校验模块，用于利用所述第二检验信息校验所述第一检验信息；
第一预警信息生成模块，用于在所述第一检验信息校验不通过的情况下，生成第一预警信息；
第一预警信息发送模块，用于向目标企业的监管端发送所述第一预警信息；
其中，所述第一机构和所述第二机构均包括所述目标企业、所述目标企业的上游企业、所述目标企业的下游企业、所述目标企业委托的检验机构和抽检机构中的至少一个；所述第一机构和所述第二机构为不同机构。
9.一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器在执行所述计算机程序时实现权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211299437.0A CN115375194A (zh) | 2022-10-24 | 2022-10-24 | 风险预警方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211299437.0A CN115375194A (zh) | 2022-10-24 | 2022-10-24 | 风险预警方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115375194A true CN115375194A (zh) | 2022-11-22 |
Family
ID=84073337
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211299437.0A Pending CN115375194A (zh) | 2022-10-24 | 2022-10-24 | 风险预警方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115375194A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110580628A (zh) * | 2019-08-17 | 2019-12-17 | 江苏省食品药品监督信息中心 | 一种食品生产企业电子追溯集成与风险预警系统及方法 |
| CN111241595A (zh) * | 2020-01-15 | 2020-06-05 | 阳光易购(湖南)科技有限公司 | 基于区块链的食品安全监管方法、终端及存储介质 |
| CN113283768A (zh) * | 2021-06-01 | 2021-08-20 | 平安国际智慧城市科技股份有限公司 | 食品检测项目提取方法、装置、设备及存储介质 |
| WO2021232588A1 (zh) * | 2020-05-21 | 2021-11-25 | 平安国际智慧城市科技股份有限公司 | 食品安全风险评估方法、装置、设备及存储介质 |
| CN114295814A (zh) * | 2021-12-28 | 2022-04-08 | 广州机械科学研究院有限公司 | 一种油液检测的阈值生成方法及系统 |
| CN114511155A (zh) * | 2022-02-22 | 2022-05-17 | 中国检验检疫科学研究院 | 一种多尺度关联融合的食品安全风险预测预警方法 |
| CN115034564A (zh) * | 2022-05-13 | 2022-09-09 | 北京市科学技术研究院 | 食品安全风险响应处置方法、电子设备和存储介质 |
-
2022
- 2022-10-24 CN CN202211299437.0A patent/CN115375194A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110580628A (zh) * | 2019-08-17 | 2019-12-17 | 江苏省食品药品监督信息中心 | 一种食品生产企业电子追溯集成与风险预警系统及方法 |
| CN111241595A (zh) * | 2020-01-15 | 2020-06-05 | 阳光易购(湖南)科技有限公司 | 基于区块链的食品安全监管方法、终端及存储介质 |
| WO2021232588A1 (zh) * | 2020-05-21 | 2021-11-25 | 平安国际智慧城市科技股份有限公司 | 食品安全风险评估方法、装置、设备及存储介质 |
| CN113283768A (zh) * | 2021-06-01 | 2021-08-20 | 平安国际智慧城市科技股份有限公司 | 食品检测项目提取方法、装置、设备及存储介质 |
| CN114295814A (zh) * | 2021-12-28 | 2022-04-08 | 广州机械科学研究院有限公司 | 一种油液检测的阈值生成方法及系统 |
| CN114511155A (zh) * | 2022-02-22 | 2022-05-17 | 中国检验检疫科学研究院 | 一种多尺度关联融合的食品安全风险预测预警方法 |
| CN115034564A (zh) * | 2022-05-13 | 2022-09-09 | 北京市科学技术研究院 | 食品安全风险响应处置方法、电子设备和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 本书编委会: "《食品安全标准应用实务》", 31 January 2017, 北京：中国医药科技出版社 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111240994B (zh) | 漏洞处理方法、装置、电子设备及可读存储介质 | |
| CN110874778A (zh) | 异常订单检测方法及装置 | |
| CN110569197B (zh) | 一种用于软件可信性评估的可信证据分析与度量方法 | |
| US10657028B2 (en) | Method for replicating production behaviours in a development environment | |
| US20230259436A1 (en) | Systems and methods for monitoring application health in a distributed architecture | |
| CN115375336B (zh) | 目标对象交易凭证的管理方法、电子设备及存储介质 | |
| Indrasti et al. | Determinants affecting the auditor’s ability of fraud detection: internal and external factors (empirical study at the public accounting firm in Tangerang and South Jakarta Region in 2019) | |
| CN111045935B (zh) | 版本自动审核方法、装置、设备及存储介质 | |
| Malhotra et al. | An empirical comparison of machine learning techniques for software defect prediction | |
| CN115952081A (zh) | 一种软件测试方法、装置、存储介质及设备 | |
| CN111782464A (zh) | 一种网页动态异常监控方法及系统 | |
| KR102304231B1 (ko) | 계층 구조를 이용한 컴플라이언스 관리 체계 지원 시스템 및 그 방법 | |
| CN115375194A (zh) | 风险预警方法、装置、电子设备及存储介质 | |
| CN111277465A (zh) | 一种异常数据报文检测方法、装置及电子设备 | |
| CN115375197B (zh) | 目标对象风险的确定方法、电子设备及存储介质 | |
| CN115080827B (zh) | 一种敏感数据处理方法及装置 | |
| CN111444093B (zh) | 项目开发过程质量的确定方法、装置、计算机设备 | |
| KR102304237B1 (ko) | 인프라 자산 취약점 자동 진단을 통한 컴플라이언스 관리 시스템 및 그 방법 | |
| US20220245475A1 (en) | Automatically evaluating application architecture through architecture-as-code | |
| CN113656003A (zh) | 一种软件包管理方法及相关设备 | |
| TW202219789A (zh) | 資料處理方法、裝置、設備及介質 | |
| CN113986764A (zh) | 数据核对测试方法及装置、电子设备、存储介质 | |
| Ahamad et al. | Criticality Analysis for Safety–Critical Systems Using FMEA | |
| CN117035124A (zh) | 油气生产复杂系统信息物理攻击识别方法、装置及设备 | |
| CN117932564A (zh) | 一种依赖库风险检查方法、装置、设备及存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221122 |