CN115902129A - 基于时序分析的食品保质期检测方法、装置、设备及介质 - Google Patents
基于时序分析的食品保质期检测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115902129A CN115902129A CN202211420049.3A CN202211420049A CN115902129A CN 115902129 A CN115902129 A CN 115902129A CN 202211420049 A CN202211420049 A CN 202211420049A CN 115902129 A CN115902129 A CN 115902129A
- Authority
- CN
- China
- Prior art keywords
- food
- index
- quality
- target
- characteristic
- 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.)
- Granted
Links
- 235000013305 food Nutrition 0.000 title claims abstract description 595
- 238000001514 detection method Methods 0.000 title claims abstract description 29
- 238000012300 Sequence Analysis Methods 0.000 title claims abstract description 17
- 244000005700 microbiome Species 0.000 claims abstract description 125
- 230000001953 sensory effect Effects 0.000 claims abstract description 70
- 238000000034 method Methods 0.000 claims abstract description 47
- 230000000813 microbial effect Effects 0.000 claims abstract description 41
- 235000019601 food appearance Nutrition 0.000 claims abstract description 36
- 238000011156 evaluation Methods 0.000 claims abstract description 14
- 238000012731 temporal analysis Methods 0.000 claims description 22
- 238000000700 time series analysis Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 18
- 238000006243 chemical reaction Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 10
- 230000036632 reaction speed Effects 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 2
- 241000209094 Oryza Species 0.000 description 8
- 235000007164 Oryza sativa Nutrition 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 230000006866 deterioration Effects 0.000 description 8
- 235000013312 flour Nutrition 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 235000009566 rice Nutrition 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 235000013622 meat product Nutrition 0.000 description 3
- 241000894006 Bacteria Species 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 235000002864 food coloring agent Nutrition 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000035943 smell Effects 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 230000002378 acidificating effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001580 bacterial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 239000003205 fragrance Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000019198 oils Nutrition 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 244000144977 poultry Species 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
Images
Classifications
-
- 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
- General Preparation And Processing Of Foods (AREA)
Abstract
本发明涉及人工智能技术，揭露了一种基于时序分析的食品保质期检测方法、装置、设备以及介质。所述方法包括：根据食品属性确定目标食品的质量、温度和湿度、食品外观、味道特征；根据质量及温度特征确定食品质量损失指标，并构建第一时间点对应的食品质量损失曲线；根据温度特征及湿度特征确定食品微生物生长数量指标，并构建第二时间点对应的微生物生长曲线；从食品质量损失曲线获取最高质量损失值及从微生物生长曲线获取最高微生物生长数量；根据食品外观特征及食品味道特征确定目标食品的食品感官评分指标；根据最高质量损失值、最高微生物生长数量及食品感官评分指标计算目标食品的保质期指标。本发明可以提高食品保质期检测的精准度。
Description
技术领域
本发明涉及人工智能技术领域，尤其涉及一种基于时序分析的食品保质期检测方法、装置、电子设备及计算机可读存储介质。
背景技术
随着人们生活水平的提高，人们在购买食品的过程中会特别关注食品的各项指标，但为了给用户更好的消费体验，提高食品食用的安全性，需要对食品的保质期制定严格的标准，以进行食品保质期的精准检测。
现有的食品保质期检测方法多为通过加速破坏性实验，将食品置于多个外界因素高于正常水平的环境中，促使食品在短于正常的劣变时间内达到劣变终点，经过各种数据分析推算出食品的保质期。但实际应用中，食品的保质期存在着多种可以影响食品保质期的因素，仅考虑单一影响因素，可能导致食品的保质期检测不准确，从而对进行食品保质期检测时的精准度较低。
发明内容
本发明提供一种基于时序分析的食品保质期检测方法、装置及计算机可读存储介质，其主要目的在于解决进行食品保质期检测时的精准度较低的问题。
为实现上述目的，本发明提供的一种基于时序分析的食品保质期检测方法，包括：
获取预设的目标食品，提取所述目标食品的食品属性，根据所述食品属性确定所述目标食品的食品质量指数、食品环境指数及食品感官指数；
提取所述食品质量指数中的质量特征，提取所述食品环境指数中的温度特征和湿度特征，以及提取所述食品感官指数中的食品外观特征、食品味道特征；
根据所述质量特征及所述温度特征确定所述目标食品的品质衰变系数，并根据所述品质衰变系数计算所述目标食品的食品质量损失指标，以及以及获取所述食品质量损失指标对应的第一时间点，根据所述食品质量损失指标与所述第一时间点构建食品质量损失曲线；
根据所述温度特征及所述湿度特征确定所述目标食品的的微生物生长速度，并根据所述微生物生长速度计算所述目标食品食品微生物生长数量指标，以及获取所述微生物生长数量指标对应的第二时间点，根据所述食品微生物生长数量指标与所述第二时间点构建微生物生长曲线；
获取所述食品质量损失曲线中的最高质量损失值，以及获取所述微生物生长曲线中的最高微生物生长数量；
根据所述食品外观特征及所述食品味道特征确定所述目标食品的特征权重，并根据所述特征权重确定所述目标食品的食品感官评分指标；
根据所述最高质量损失值、所述最高微生物生长数量及所述食品感官评分指标计算所述目标食品的保质期指标。
可选地，所述根据所述质量特征及所述温度特征确定所述目标食品的品质衰变系数，并根据所述品质衰变系数计算所述目标食品的食品质量损失指标，包括：
根据所述质量特征确定所述目标食品的食品初始质量；
根据所述温度特征确定所述目标食品的化学反应速度；
将所述食品初始质量和所述化学反应速度输入至预设的化学品质衰变动力学模型，得到品质衰变系数；
利用预设的损失值算法根据所述品质衰变系数计算所述目标食品的食品质量损失指标：
其中，为所述食品质量损失指标，为所述品质衰变系数，为食品化学品质的衰变时间。
可选地，所述根据所述食品质量损失指标与所述第一时间点构建食品质量损失曲线，包括：
获取所述食品质量损失指标中的食品质量损失值；
确定每个所述第一时间点对应的食品质量损失值，得到质量损失对应关系；
根据所述质量损失对应关系构建所述食品质量损失曲线。
可选地，所述根据所述温度特征及所述湿度特征确定所述目标食品的微生物生长速度，并根据所述微生物生长速度计算所述目标食品的食品微生物生长数量指标，包括：
获取所述目标食品的原始微生物数量；
根据所述温度特征和所述湿度特征确定所述目标食品中微生物的生长环境指标；
将所述原始微生物数量、所述生长环境指标及所述微生物生长速度输入至预设的微生物生长动力学模型，得到微生物生长数量指标。
可选地，所述根据所述食品外观特征及所述食品味道特征确定所述目标食品的特征权重，并根据所述特征权重确定所述目标食品的食品感官评分指标，包括：
获取所述食品外观特征和所述食品味道特征的评价次数；
利用预设的层次分析法确定所述食品外观特征的第一权重，以及确定所述食品味道特征的第二权重；
将所述第一权重和所述第二权重作为所述目标食品的特征权重；
将所述特征权重及所述评价次数输入至所述感官评分模型，得到所述目标食品的食品感官评分指标。
可选地，所述利用预设的层次分析法确定所述食品外观特征的第一权重，包括：
利用所述层次分析法构建所述食品外观特征的层次化模型；
根据所述层次化模型确定所述食品外观特征的特征矩阵；
计算所述特征矩阵的权重向量；
对所述权重向量进行归一化处理，得到所述食品外观特征的第一权重。
可选地，所述根据所述最高质量损失值、所述最高微生物生长数量及所述食品感官评分指标计算所述目标食品的保质期指标，包括：
计算所述最高质量损失值、所述最高微生物生长数量及所述食品感官评分指标的指标均值；
将所述指标均值作为所述目标食品的保质期指标。
为了解决上述问题，本发明还提供一种基于时序分析的食品保质期检测装置，所述装置包括：
食品属性提取模块，用于提取目标食品的食品属性，根据所述食品属性确定所述目标食品的食品质量指数、食品环境指数及食品感官指数；
特征提取模块，用于提取所述食品质量指数中的质量特征，提取所述食品环境指数中的温度特征和湿度特征，以及提取所述食品感官指数中的食品外观特征、食品味道特征；
食品质量损失指标确定模块，用于根据所述质量特征及所述温度特征确定所述目标食品的品质衰变系数，并根据所述品质衰变系数计算所述目标食品的食品质量损失指标，以及获取所述食品质量损失指标对应的第一时间点，根据所述食品质量损失指标与所述第一时间点构建食品质量损失曲线；
食品微生物生长数量指标确定模块，用于根据所述温度特征及所述湿度特征确定所述目标食品的的微生物生长速度，并根据所述微生物生长速度计算所述目标食品食品微生物生长数量指标，以及获取所述微生物生长数量指标对应的第二时间点，根据所述食品微生物生长数量指标与所述第二时间点构建微生物生长曲线；
损失值和生长数量获取模块，用于获取所述食品质量损失曲线中的最高质量损失值，以及获取所述微生物生长曲线中的最高微生物生长数量；
食品感官评分指标确定模块，用于根据所述食品外观特征及所述食品味道特征确定所述目标食品的特征权重，并根据所述特征权重确定所述目标食品的食品感官评分指标；
保质期指标计算模块，用于根据所述最高质量损失值、所述最高微生物生长数量及所述食品感官评分指标计算所述目标食品的保质期指标。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的基于时序分析的食品保质期检测方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于时序分析的食品保质期检测方法。
本发明实施例通过获取目标食品的食品质量指数、食品环境指数及食品感官指数，根据食品质量指数中的食品特征及食品环境指数中的温度特征确定目标食品的食品质量损失指标，有利于判断食品质量变坏的程度，进而提高目标食品的保质期检测的精准度；根据温度特征和湿度特征确定目标食品的微生物生长数量指标，有利于判断食品的微生物生长导致食品变质的问题；根据食品外观特征及食品味道特征确定目标食品的食品感官评分指标，有利于根据外部形态判断食品发生变质的可能性；根据质量损失值、微生物生长数量及食品感官评分指标计算目标食品的保质期指标，可实现对食品保质期的检测，进而提高目标食品的保质期检测的精准度。因此本发明提出的基于时序分析的食品保质期检测方法、装置、设备及介质，可以解决进行食品保质期检测时的精准度较低的问题。
附图说明
图1为本发明一实施例提供的基于时序分析的食品保质期检测方法的流程示意图；
图2为本发明一实施例提供的确定食品质量损失指标的流程示意图；
图3为本发明一实施例提供的确定微生物生长数量指标的流程示意图；
图4为本发明一实施例提供的基于时序分析的食品保质期检测装置的功能模块图；
图5为本发明一实施例提供的实现所述基于时序分析的食品保质期检测方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于时序分析的食品保质期检测方法。所述基于时序分析的食品保质期检测方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于时序分析的食品保质期检测方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的基于时序分析的食品保质期检测方法的流程示意图。在本实施例中，所述基于时序分析的食品保质期检测方法包括：
S1、提取目标食品的食品属性，根据所述食品属性确定所述目标食品的食品质量指数、食品环境指数及食品感官指数；
本发明实施例中，可从所述目标食品的说明书中获取所述目标食品的食品属性，如，根据所述目标食品的包装袋表面上的说明来获取所述目标食品的食品属性。其中所述目标食品包括鱼禽蛋乳类食品，粮油米面类食品等，以及所述食品属性包括食品的储存环境、食品的配料及食品的储存方式等。
本发明实施例中，所述食品质量指数是指目标食品的初始质量，所述食品环境指数是指目标食品的温度、湿度、气压及光照等环境因素，所述食品感官指数是指对目标食品的外观、质地、风味、口感、可接收程度等各方面的感官指数。
详细地，本发明实施例中可根据目标食品的不同的食品属性确定所述目标食品的食品质量指数、食品环境指数及食品感官指数。例如，可利用电子称获取所述目标食品的食品质量指数，可利用目标食品的保存环境确定所述目标食品的食品环境指数，以及可通过观察反馈等手段获取所述目标食品的食品感官指数。
示例性地，当所述目标食品是肉类食品，则食品属性为包含丰富的蛋白质和脂肪、属于酸性食物，需要在低温度的环境下进行保存，因此根据肉类食品的食品属性，可以得知肉类食品的初始质量，肉类食品所储存的环境温度指数及肉感食品的味道、色泽、嫩度及保水性等。
S2、提取所述食品质量指数中的质量特征，提取所述食品环境指数中的温度特征和湿度特征，以及提取所述食品感官指数中的食品外观特征、食品味道特征；
本发明实施例中，所述质量特征包括所述目标食品的初始食品质量，所述温度特征和所述湿度特征包括所述目标食品所处的环境温度和湿度值，以及所述食品外观特征是指所述目标食品的形状、色泽等，所述食品味道特征是指所述目标食品的味道。
本发明其中一个实际应用场景中，当所述目标食品是米面类食品时，随着温度升高，米面类食品的质量可能随着温度和湿度的变化会减少，此外米面类食品长时间在高温度下容易产生霉菌，或者在潮湿环境下，米面类食品也会容易产生霉菌，当米面类食品能正常使用的时候可能会有米面的香味，但当米面类食品产生霉菌就会闻到发霉的味道。
S3、根据所述质量特征及所述温度特征确定所述目标食品的品质衰变系数，并根据所述品质衰变系数计算所述目标食品的食品质量损失指标，以及获取所述食品质量损失指标对应的第一时间点，根据所述食品质量损失指标与所述第一时间点构建食品质量损失曲线；
一般来说，温度越高，化学反应的速度越快，这表示食品质量下降的速度越快。此外食品质量损失经常通过测量食品质量指数随时间的变化来确定所述目标食品的食品质量损失指标。
本发明实施例中，参图2所示，所述根据所述质量特征及所述温度特征确定所述目标食品的品质衰变系数，并根据所述品质衰变系数计算所述目标食品的食品质量损失指标，包括：
S21、根据所述质量特征确定所述目标食品的食品初始质量；
S22、根据所述温度特征确定所述目标食品的化学反应速度；
S23、将所述食品初始质量和所述化学反应速度输入至预设的化学品质衰变动力学模型，得到品质衰变系数；
S24、利用预设的损失值算法根据所述品质衰变系数计算所述目标食品的食品质量损失指标：
其中，为所述食品质量损失指标，为所述品质衰变系数，为食品化学品质的衰变时间。
详细地，根据所述质量特征可以通过电子称确定所述目标食品的食品初始质量，以及在不同的温度下，目标食品的化学反应速度也是不同的，例如，在高温度下，目标食品的化学反应速度就会变快；在低温度下，目标食品的化学反应速度就会变慢，因此温度特征与目标食品的化学反应速度成反比关系。
具体地，根据所述化学品质衰变动力学模型确定目标食品的食品化学品质衰变值，当化学反应速度变快，目标食品的食品初始质量的减少时间就会快速减少，所述品质衰变系数就会增大；当化学反应速度变慢，目标食品的食品初始质量的减少时间就会比较缓慢，所述品质衰变系数增加的较缓慢。
进一步地，所述化学品质衰变动力学模型中包含食品温度反应敏感指标，即环境温度越高，食品劣化的速度就越快，在化学品质衰变动力学模型中需要掌握食品变量时间和食品化学反应速度对食品质量指数的影响，所述化学品质衰变动力学模型中主要用来反映食品质量的衰变过程。当所述品质衰变系数随着时间变化越来越大，所述食品质量损失指标也会越来越大；当所述品质衰变系数随着时间变化缓慢或几乎不变化，所述食品质量损失指标也会变化的很缓慢。
本发明实施例中，所述食品质量损失曲线是指食品质量的损失值随着时间变化的曲线，根据所述食品质量损失曲线可以确定所述目标食品随着时间的不断增加，所述目标食品的质量变化，当所述目标食品的质量损失值达到最大时，目标食品的保质期可能就会到达极限日期。
本发明实施例中，所述根据所述食品质量损失指标与所述第一时间点构建食品质量损失曲线，包括：
获取所述食品质量损失指标中的食品质量损失值；
确定每个所述第一时间点对应的食品质量损失值，得到质量损失对应关系；
根据所述质量损失对应关系构建所述食品质量损失曲线。
详细地，每个时间点都会对应目标食品的质量变化，根据每个时间点对应的食品质量损失值，可以得到时间点与食品质量损失值的对应关系，将不同时间点对应的食品质量损失值进行曲线相连，得到食品质量损失曲线。
示例性地，当只测试五天内目标食品的食品质量损失值的变化，即当所述时间点为第一天，所述食品质量损失值为2；当所述时间点为第二天，所述食品质量损失值为5；当所述时间点为第5天，所述食品质量损失值为15，根据所述时间点对应的食品质量损失值可以构建食品质量损失曲线。
S4、根据所述温度特征及所述湿度特征确定所述目标食品微生物生长速度，并根据所述微生物生长速度计算所述目标食品的食品微生物生长数量指标，以及获取所述微生物生长数量指标对应的第二时间点，根据所述食品微生物生长数量指标与所述第二时间点构建微生物生长曲线；
本发明实施例中，所述湿度特征是指所述目标食品所处环境的湿度值，根据所述目标食品的食品微生物生长数量指标确定所述目标食品的微生物增长指数，根据微生物增长指数确定所述目标食品保质期的食用时间，以及所述微生物生长动力学模型是有效验证微生物生长趋势，使用合理科学研究来评估食品地潜在风险，所述微生物生长动力学模型是从微生物中的分子或酶、细胞组成或微生物种群等在微生物生长环境指标条件下描述微生物生长、底物消耗和产物形成的动力学特征，利用所述微生物生长动力学模型可以根据微生物的增长速度，原始微生物数量，得到微生物随着时间的增长率，根据增长率可以得到微生物生长数量指标。
本发明实施例中，参图3所示，根据所述温度特征及所述湿度特征确定所述目标食品的微生物生长速度，并根据所述微生物生长速度计算所述目标食品的食品微生物生长数量指标，包括：
S31、获取所述目标食品的原始微生物数量；
S32、根据所述温度特征和所述湿度特征确定所述目标食品中微生物的生长环境指标；
S33、将所述原始微生物数量、所述生长环境指标及所述微生物生长速度输入至预设的微生物生长动力学模型，得到微生物生长数量指标。
详细地，可利用比浊法获取所述目标食品的原始微生物数量，其中所述比浊法是根据菌悬液的透光量间接地测定微生物的数量。
具体地，根据所述温度特征和所述湿度特征可以确定所述目标食品中微生物的生长环境指标，例如，当温度特征为低温，湿度特征为干燥，则目标食品中的微生物生长环境是不易于微生物生长的，则微生物增长速度指标就会变慢；当温度特征为高温，湿度特征为潮湿，则目标食品中的微生物生长环境是易于微生物生长的，则微生物增长速度就会变快。
进一步地，根据所述原始微生物数量、所述生长环境指标及所述微生物增长速度可以得到微生物生长数量指标，当生长环境指标易于生存，微生物增长速度较快，则微生物生长数量就会变多；当生长环境指标不易于生存，微生物增长速度较慢，则微生物生长数量就会减少。
本发明实施例中，所述微生物生长曲线是指所述目标食品中微生物的生长数量随着时间的不断变化，对于易受微生物作用而变质的食品而言，微生物的活菌含量决定食品的保质期，当主要腐败微生物活菌含量达到或是超过其最小腐败水平时，目标食品就不符合食用标准。
本发明实施例中，所述根据所述食品微生物生长数量指标与所述第二时间点构建微生物生长曲线与S3中所述根据所述食品质量损失指标与所述第一时间点构建食品质量损失曲线步骤一致，在此不再赘述。
S5、获取所述食品质量损失曲线中的最高质量损失值，以及获取所述微生物生长曲线中的最高微生物生长数量；
本发明实施例中，所述最高质量损失值是所述目标食品在一段时间内质量损失值最高的点，所述最高微生物生长数量是至在一段时间内微生物生长最多的点，根据所述最高质量损失值和所述最高微生物生长数量可以确定所述目标食品的保质期日期极限。
示例性地，当所述最高质量损失值对应的时间点为第十天，所述最高微生物生长数量对应的时间点为第八天，则选取时间点短的时间为保质期，即选取最高微生物生长数量对应的时间点为第八天作为食品的保质期日期极限， 则目标食品的保质期日期极限为八天。
S6、根据所述食品外观特征及所述食品味道特征确定所述目标食品的特征权重，并根据所述特征权重确定所述目标食品的食品感官评分指标；
本发明实施例中，所述感官评分模型是指根据人的味觉、触觉、视觉、嗅觉和听觉对所述目标食品进行评价评分，感官涉及人的五大感官器官，通过多多方面对所述目标食品进行评价评分，即评分指标越高，表示所述目标食品即将到达保质期的极限日期，因此当评分等级越低，表示所述目标食品的感官感觉就会较好。
本发明实施例中，所述根据所述食品外观特征及所述食品味道特征确定所述目标食品的特征权重，并根据所述特征权重确定所述目标食品的食品感官评分指标，包括：
获取所述食品外观特征和所述食品味道特征的评价次数；
利用预设的层次分析法确定所述食品外观特征的第一权重，以及确定所述食品味道特征的第二权重；
将所述第一权重和所述第二权重作为所述目标食品的特征权重；
将所述特征权重及所述评价次数输入至所述感官评分模型，得到所述目标食品的食品感官评分指标。
详细地，所述层次分析法是将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法，是一种层次权重决策分析方法。
示例性地，当所述食品外观特征的评价次数为10次，所述食品味道特征的评价次数为15次，所述第一权重为0.5，所述第二权重为0.8，将所述第一权重、所述第二权重及所述评价次数输入至所述感官评分模型，可以确定所述目标食品的食品感官评分指标为10*0.5+15*0.8=17，即所述目标食品的食品感官评分指标为17。
本发明实施例中，所述利用预设的层次分析法确定所述食品外观特征的第一权重，包括：
利用所述层次分析法构建所述食品外观特征的层次化模型；
根据所述层次化模型确定所述食品外观特征的特征矩阵；
计算所述特征矩阵的权重向量；
对所述权重向量进行归一化处理，得到所述食品外观特征的第一权重。
详细地，利用层次分析法就是对指标进行权重赋值，所述特征矩阵反映的是指标的重要程度，例如，在所述食品外观特征中包含食品形状、食品颜色，食品光泽度，在特征权重中将食品形状、食品颜色及食品光泽度的重要程度表现出来，进而将根据特征矩阵计算特征矩阵的权重向量，最终得到所述食品外观特征的第一权重。
S7、根据所述最高质量损失值、所述最高微生物生长数量及所述食品感官评分指标计算所述目标食品的保质期指标。
本发明实施例中，所述食品保质期指标是由食品主要品质指标降低的速率及降低至某一临界水平的时间所决定的。
本发明实施例中，所述根据所述最高质量损失值、所述最高微生物生长数量及所述食品感官评分指标计算所述目标食品的保质期指标，包括：
计算所述最高质量损失值、所述最高微生物生长数量及所述食品感官评分指标的指标均值；
将所述指标均值作为所述目标食品的保质期指标。
详细地，所述保质期指标保质期指标越低，表示所述目标食品保存的较好，处在可食用范围内，当所述保质期指标越高，表示所述目标食品即将到达保质期极限日期，例如，当保质期指标为10-30，表示所述目标食品在可食用范围；当保质期指标为30-60，表示所述目标食品的保质期即将到达；当保质期指标为30-100，表示所述目标食品的保质期已经到达，所述目标食品不能食用。
示例性地，当所述最高质量损失值为15，所述最高微生物生长数量为20，以及所述食品感官评分指标为25，则可得知指标均值为20，则所述目标食品的保质期指标为20，则表示目标食品还处在可食用范围。
本发明实施例通过获取目标食品的食品质量指数、食品环境指数及食品感官指数，根据食品质量指数中的食品特征及食品环境指数中的温度特征确定目标食品的食品质量损失指标，有利于判断食品质量变坏的程度，进而提高目标食品的保质期检测的精准度；根据温度特征和湿度特征确定目标食品的微生物生长数量指标，有利于判断食品的微生物生长导致食品变质的问题；根据食品外观特征及食品味道特征确定目标食品的食品感官评分指标，有利于根据外部形态判断食品发生变质的可能性；根据质量损失值、微生物生长数量及食品感官评分指标计算目标食品的保质期指标，可实现对食品保质期的检测，进而提高目标食品的保质期检测的精准度。因此本发明提出的基于时序分析的食品保质期检测方法、装置、设备及介质，可以解决进行食品保质期检测时的精准度较低的问题。
如图4所示，是本发明一实施例提供的基于时序分析的食品保质期检测装置的功能模块图。
本发明所述基于时序分析的食品保质期检测装置100可以安装于电子设备中。根据实现的功能，所述基于时序分析的食品保质期检测装置100可以包括食品属性提取模块101、特征提取模块102、食品质量损失指标确定模块103、食品微生物生长数量指标确定模块104、损失值和生长数量获取模块105、食品感官评分指标确定模块106及保质期指标计算模块107。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述食品属性提取模块101，用于，提取目标食品的食品属性，根据所述食品属性确定所述目标食品的食品质量指数、食品环境指数及食品感官指数；
所述特征提取模块102，用于提取所述食品质量指数中的质量特征，提取所述食品环境指数中的温度特征和湿度特征，以及提取所述食品感官指数中的食品外观特征、食品味道特征；
所述食品质量损失指标确定模块103，用于根据所述质量特征及所述温度特征确定所述目标食品的品质衰变系数，并根据所述品质衰变系数计算所述目标食品的食品质量损失指标，以及获取所述食品质量损失指标对应的第一时间点，根据所述食品质量损失指标与所述第一时间点构建食品质量损失曲线；
所述食品微生物生长数量指标确定模块104，用于根据所述温度特征及所述湿度特征确定所述目标食品的的微生物生长速度，并根据所述微生物生长速度计算所述目标食品食品微生物生长数量指标，以及获取所述微生物生长数量指标对应的第二时间点，根据所述食品微生物生长数量指标与所述第二时间点构建微生物生长曲线；
所述损失值和生长数量获取模块105，用于获取所述食品质量损失曲线中的最高质量损失值，以及获取所述微生物生长曲线中的最高微生物生长数量；
所述食品感官评分指标确定模块106，用于根据所述食品外观特征及所述食品味道特征确定所述目标食品的特征权重，并根据所述特征权重确定所述目标食品的食品感官评分指标；
所述保质期指标计算模块107，用于根据所述最高质量损失值、所述最高微生物生长数量及所述食品感官评分指标计算所述目标食品的保质期指标。
详细地，本发明实施例中所述基于时序分析的食品保质期检测装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于时序分析的食品保质期检测方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图5所示，是本发明一实施例提供的实现基于时序分析的食品保质期检测方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于时序分析的食品保质期检测程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心（ControlUnit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块（例如执行基于时序分析的食品保质期检测程序等），以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡（Smart Media Card， SMC）、安全数字（Secure Digital，SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于时序分析的食品保质期检测程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准（peripheral componentinterconnect，简称PCI）总线或扩展工业标准结构（extended industry standardarchitecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图中仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图中示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于时序分析的食品保质期检测程序是多个指令的组合，在所述处理器10中运行时，可以实现：
提取目标食品的食品属性，根据所述食品属性确定所述目标食品的食品质量指数、食品环境指数及食品感官指数；
提取所述食品质量指数中的质量特征，提取所述食品环境指数中的温度特征和湿度特征，以及提取所述食品感官指数中的食品外观特征、食品味道特征；
根据所述质量特征及所述温度特征确定所述目标食品的品质衰变系数，并根据所述品质衰变系数计算所述目标食品的食品质量损失指标，以及获取所述食品质量损失指标对应的第一时间点，根据所述食品质量损失指标与所述第一时间点构建食品质量损失曲线；
根据所述温度特征及所述湿度特征确定所述目标食品的的微生物生长速度，并根据所述微生物生长速度计算所述目标食品食品微生物生长数量指标，以及获取所述微生物生长数量指标对应的第二时间点，根据所述食品微生物生长数量指标与所述第二时间点构建微生物生长曲线；
获取所述食品质量损失曲线中的最高质量损失值，以及获取所述微生物生长曲线中的最高微生物生长数量；
根据所述食品外观特征及所述食品味道特征确定所述目标食品的特征权重，并根据所述特征权重确定所述目标食品的食品感官评分指标；
根据所述最高质量损失值、所述最高微生物生长数量及所述食品感官评分指标计算所述目标食品的保质期指标。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
提取目标食品的食品属性，根据所述食品属性确定所述目标食品的食品质量指数、食品环境指数及食品感官指数；
提取所述食品质量指数中的质量特征，提取所述食品环境指数中的温度特征和湿度特征，以及提取所述食品感官指数中的食品外观特征、食品味道特征；
根据所述质量特征及所述温度特征确定所述目标食品的品质衰变系数，并根据所述品质衰变系数计算所述目标食品的食品质量损失指标，以及获取所述食品质量损失指标对应的第一时间点，根据所述食品质量损失指标与所述第一时间点构建食品质量损失曲线；
根据所述温度特征及所述湿度特征确定所述目标食品的的微生物生长速度，并根据所述微生物生长速度计算所述目标食品食品微生物生长数量指标，以及获取所述微生物生长数量指标对应的第二时间点，根据所述食品微生物生长数量指标与所述第二时间点构建微生物生长曲线；获取所述食品质量损失曲线中的最高质量损失值，以及获取所述微生物生长曲线中的最高微生物生长数量；
根据所述食品外观特征及所述食品味道特征确定所述目标食品的特征权重，并根据所述特征权重确定所述目标食品的食品感官评分指标；
根据所述最高质量损失值、所述最高微生物生长数量及所述食品感官评分指标计算所述目标食品的保质期指标。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，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单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于时序分析的食品保质期检测方法，其特征在于，所述方法包括：
提取目标食品的食品属性，根据所述食品属性确定所述目标食品的食品质量指数、食品环境指数及食品感官指数；
提取所述食品质量指数中的质量特征，提取所述食品环境指数中的温度特征和湿度特征，以及提取所述食品感官指数中的食品外观特征、食品味道特征；
根据所述质量特征及所述温度特征确定所述目标食品的品质衰变系数，并根据所述品质衰变系数计算所述目标食品的食品质量损失指标，以及获取所述食品质量损失指标对应的第一时间点，根据所述食品质量损失指标与所述第一时间点构建食品质量损失曲线；
根据所述温度特征及所述湿度特征确定所述目标食品的微生物生长速度，并根据所述微生物生长速度计算所述目标食品的食品微生物生长数量指标，以及获取所述微生物生长数量指标对应的第二时间点，根据所述食品微生物生长数量指标与所述第二时间点构建微生物生长曲线；
获取所述食品质量损失曲线中的最高质量损失值，以及获取所述微生物生长曲线中的最高微生物生长数量；
根据所述食品外观特征及所述食品味道特征确定所述目标食品的特征权重，并根据所述特征权重确定所述目标食品的食品感官评分指标；
根据所述最高质量损失值、所述最高微生物生长数量及所述食品感官评分指标计算所述目标食品的保质期指标。
2.如权利要求1所述的基于时序分析的食品保质期检测方法，其特征在于，所述根据所述质量特征及所述温度特征确定所述目标食品的品质衰变系数，并根据所述品质衰变系数计算所述目标食品的食品质量损失指标，包括：
根据所述质量特征确定所述目标食品的食品初始质量；
根据所述温度特征确定所述目标食品的化学反应速度；
将所述食品初始质量和所述化学反应速度输入至预设的化学品质衰变动力学模型，得到品质衰变系数；
利用预设的损失值算法根据所述品质衰变系数计算所述目标食品的食品质量损失指标：
其中，为所述食品质量损失指标，为所述品质衰变系数，为食品化学品质的衰变时间。
3.如权利要求1所述的基于时序分析的食品保质期检测方法，其特征在于，所述根据所述食品质量损失指标与所述第一时间点构建食品质量损失曲线，包括：
获取所述食品质量损失指标中的食品质量损失值；
确定每个所述第一时间点对应的食品质量损失值，得到质量损失对应关系；
根据所述质量损失对应关系构建所述食品质量损失曲线。
4.如权利要求1所述的基于时序分析的食品保质期检测方法，其特征在于，所述根据所述温度特征及所述湿度特征确定所述目标食品的微生物生长速度，并根据所述微生物生长速度计算所述目标食品的食品微生物生长数量指标，包括：
获取所述目标食品的原始微生物数量；
根据所述温度特征和所述湿度特征确定所述目标食品中微生物的生长环境指标；
将所述原始微生物数量、所述生长环境指标及所述微生物生长输入至预设的微生物生长动力学模型，得到微生物生长数量指标。
5.如权利要求1所述的基于时序分析的食品保质期检测方法，其特征在于，所述根据所述食品外观特征及所述食品味道特征确定所述目标食品的特征权重，并根据所述特征权重确定所述目标食品的食品感官评分指标，包括：
获取所述食品外观特征和所述食品味道特征的评价次数；
利用预设的层次分析法确定所述食品外观特征的第一权重，以及确定所述食品味道特征的第二权重；
将所述第一权重和所述第二权重作为所述目标食品的特征权重；
将所述特征权重及所述评价次数输入至所述感官评分模型，得到所述目标食品的食品感官评分指标。
6.如权利要求5中所述的基于时序分析的食品保质期检测方法，其特征在于，所述利用预设的层次分析法确定所述食品外观特征的第一权重，包括：
利用所述层次分析法构建所述食品外观特征的层次化模型；
根据所述层次化模型确定所述食品外观特征的特征矩阵；
计算所述特征矩阵的权重向量；
对所述权重向量进行归一化处理，得到所述食品外观特征的第一权重。
7.如权利要求1中所述的基于时序分析的食品保质期检测方法，其特征在于，所述根据所述最高质量损失值、所述最高微生物生长数量及所述食品感官评分指标计算所述目标食品的保质期指标，包括：
计算所述最高质量损失值、所述最高微生物生长数量及所述食品感官评分指标的指标均值；
将所述指标均值作为所述目标食品的保质期指标。
8.一种基于时序分析的食品保质期检测装置，其特征在于，所述装置包括：
食品属性提取模块，用于提取目标食品的食品属性，根据所述食品属性确定所述目标食品的食品质量指数、食品环境指数及食品感官指数；
特征提取模块，用于提取所述食品质量指数中的质量特征，提取所述食品环境指数中的温度特征和湿度特征，以及提取所述食品感官指数中的食品外观特征、食品味道特征；
食品质量损失指标确定模块，用于根据所述质量特征及所述温度特征确定所述目标食品的品质衰变系数，并根据所述品质衰变系数计算所述目标食品的食品质量损失指标，以及获取所述食品质量损失指标对应的第一时间点，根据所述食品质量损失指标与所述第一时间点构建食品质量损失曲线；
食品微生物生长数量指标确定模块，用于根据所述温度特征及所述湿度特征确定所述目标食品的的微生物生长速度，并根据所述微生物生长速度计算所述目标食品食品微生物生长数量指标，以及获取所述微生物生长数量指标对应的第二时间点，根据所述食品微生物生长数量指标与所述第二时间点构建微生物生长曲线；
损失值和生长数量获取模块，用于获取所述食品质量损失曲线中的最高质量损失值，以及获取所述微生物生长曲线中的最高微生物生长数量；
食品感官评分指标确定模块，用于根据所述食品外观特征及所述食品味道特征确定所述目标食品的特征权重，并根据所述特征权重确定所述目标食品的食品感官评分指标；
保质期指标计算模块，用于根据所述最高质量损失值、所述最高微生物生长数量及所述食品感官评分指标计算所述目标食品的保质期指标。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的基于时序分析的食品保质期检测方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于时序分析的食品保质期检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211420049.3A CN115902129B (zh) | 2022-11-14 | 2022-11-14 | 基于时序分析的食品保质期检测方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211420049.3A CN115902129B (zh) | 2022-11-14 | 2022-11-14 | 基于时序分析的食品保质期检测方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115902129A true CN115902129A (zh) | 2023-04-04 |
| CN115902129B CN115902129B (zh) | 2023-07-21 |
Family
ID=86495014
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211420049.3A Active CN115902129B (zh) | 2022-11-14 | 2022-11-14 | 基于时序分析的食品保质期检测方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115902129B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020151075A1 (en) * | 2001-04-11 | 2002-10-17 | Natali Chen | Food freshness indicator |
| CN102222164A (zh) * | 2011-05-30 | 2011-10-19 | 中国标准化研究院 | 一种食品感官质量评价方法及系统 |
| CN104034854A (zh) * | 2014-03-19 | 2014-09-10 | 淮阴工学院 | 一种调味龙虾的货架期预测方法 |
| CN104360031A (zh) * | 2014-10-29 | 2015-02-18 | 中国农业大学 | 一种无损实时评定食物有效期的方法和装置 |
| WO2015122864A1 (en) * | 2014-02-12 | 2015-08-20 | Aromsa Besi̇n Aroma Ve Katki Maddeleri̇ Sanayi̇ Ve Ti̇caret Anoni̇m Şi̇rketi̇ | Accelerated shelf life calculation method |
| CN112381364A (zh) * | 2020-10-30 | 2021-02-19 | 浪潮云信息技术股份公司 | 一种食品质量抽检的综合评价方法 |
| CN114742783A (zh) * | 2022-04-02 | 2022-07-12 | 中检溯源江苏技术服务有限公司 | 基于神经网络模型的食品检测方法和装置 |
| CN115325768A (zh) * | 2022-07-13 | 2022-11-11 | 青岛海尔智慧厨房电器有限公司 | 一种食品新鲜度的确定方法、装置、电子设备及存储介质 |
-
2022
- 2022-11-14 CN CN202211420049.3A patent/CN115902129B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020151075A1 (en) * | 2001-04-11 | 2002-10-17 | Natali Chen | Food freshness indicator |
| CN102222164A (zh) * | 2011-05-30 | 2011-10-19 | 中国标准化研究院 | 一种食品感官质量评价方法及系统 |
| WO2015122864A1 (en) * | 2014-02-12 | 2015-08-20 | Aromsa Besi̇n Aroma Ve Katki Maddeleri̇ Sanayi̇ Ve Ti̇caret Anoni̇m Şi̇rketi̇ | Accelerated shelf life calculation method |
| CN104034854A (zh) * | 2014-03-19 | 2014-09-10 | 淮阴工学院 | 一种调味龙虾的货架期预测方法 |
| CN104360031A (zh) * | 2014-10-29 | 2015-02-18 | 中国农业大学 | 一种无损实时评定食物有效期的方法和装置 |
| CN112381364A (zh) * | 2020-10-30 | 2021-02-19 | 浪潮云信息技术股份公司 | 一种食品质量抽检的综合评价方法 |
| CN114742783A (zh) * | 2022-04-02 | 2022-07-12 | 中检溯源江苏技术服务有限公司 | 基于神经网络模型的食品检测方法和装置 |
| CN115325768A (zh) * | 2022-07-13 | 2022-11-11 | 青岛海尔智慧厨房电器有限公司 | 一种食品新鲜度的确定方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115902129B (zh) | 2023-07-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Smed et al. | The consequences of unemployment on diet composition and purchase behaviour: a longitudinal study from Denmark | |
| Krebs-Smith et al. | Update of the healthy eating index: HEI-2015 | |
| CN114496264B (zh) | 基于多维数据的健康指数分析方法、装置、设备及介质 | |
| CN114841270A (zh) | 商品抽样模型的构建方法及计算机可读存储介质 | |
| CN113936274B (zh) | 食物营养成分分析方法、装置、电子设备及可读存储介质 | |
| CN110706783B (zh) | 食谱推荐方法、装置、计算设备及计算机存储介质 | |
| Wijaya et al. | Seafood quality detection using electronic nose and machine learning algorithms with hyperparameter optimization | |
| CN116402399B (zh) | 基于人工智能与电子商城的业务数据处理方法及系统 | |
| Singh et al. | An error corrected almost ideal demand system for crustaceans in the United States | |
| Zhang et al. | Information fusion enabled system for monitoring the vitality of live crabs during transportation | |
| CN115902129B (zh) | 基于时序分析的食品保质期检测方法、装置、设备及介质 | |
| CN116090666A (zh) | 基于环境和时序的物资需求预测方法、装置、设备和介质 | |
| CN115617089A (zh) | 基于传感器状态变化的温度控制方法、装置、设备及介质 | |
| CN114841526A (zh) | 一种高风险用户的检测方法、计算设备及可读存储介质 | |
| Gutium | Quantifying the comparative advantage of domestic goods on the internal market | |
| CN118096104A (zh) | 一种用于提醒食品保质期的系统及方法 | |
| CN115316340B (zh) | 基于生化指标的牦牛犏牛育肥方法、装置、设备及介质 | |
| Gil* et al. | Non-stationarity and the import demand for virgin olive oil in the European Union | |
| CN116805239A (zh) | 一种基于大数据的生鲜商品安全智能检测管理方法及系统 | |
| CN114613471A (zh) | 基于人工智能的饮食方案生成方法、装置、设备及介质 | |
| CN111308027B (zh) | 生食品质的确定方法、装置、系统和计算机可读存储介质 | |
| CN115325768A (zh) | 一种食品新鲜度的确定方法、装置、电子设备及存储介质 | |
| CN112200369A (zh) | 基于神经网络的预测方法及装置 | |
| Learn | Estimating demand for livestock products at the farm level | |
| Nguyen et al. | The welfare impacts of Covid-19 on the US salmon sector |
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 |