CN116542565A - 一种基于比例检测技术的宠物膨化食品管理方法及系统 - Google Patents
一种基于比例检测技术的宠物膨化食品管理方法及系统 Download PDFInfo
- Publication number
- CN116542565A CN116542565A CN202310514960.9A CN202310514960A CN116542565A CN 116542565 A CN116542565 A CN 116542565A CN 202310514960 A CN202310514960 A CN 202310514960A CN 116542565 A CN116542565 A CN 116542565A
- Authority
- CN
- China
- Prior art keywords
- detection
- proportion
- sets
- simulation
- groups
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 305
- 235000013305 food Nutrition 0.000 title claims abstract description 136
- 238000007726 management method Methods 0.000 title claims abstract description 26
- 238000005516 engineering process Methods 0.000 title claims abstract description 17
- 238000004088 simulation Methods 0.000 claims abstract description 96
- 238000007689 inspection Methods 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000005070 sampling Methods 0.000 claims description 36
- 238000004458 analytical method Methods 0.000 claims description 31
- 238000005457 optimization Methods 0.000 claims description 22
- 238000004806 packaging method and process Methods 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 5
- 230000003014 reinforcing effect Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 6
- 238000012545 processing Methods 0.000 abstract description 5
- 238000012797 qualification Methods 0.000 description 6
- 230000006866 deterioration Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 208000019331 Foodborne disease Diseases 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241000282465 Canis Species 0.000 description 1
- 241000282324 Felis Species 0.000 description 1
- 206010016952 Food poisoning Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 235000013372 meat Nutrition 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
- 238000003062 neural network model Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
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
- 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
- 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
- G06Q50/265—Personal security, identity or safety
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Preparation And Processing Of Foods (AREA)
Abstract
本发明公开了一种基于比例检测技术的宠物膨化食品管理方法及系统,涉及宠物食品加工技术领域,该方法包括:获得多种目标宠物膨化食品类型,由此确定多个模拟检测比例和多个待检测样品集,基于多个模拟检测比例获得多个模拟检测比例集合,并基于该检测比例集合对多个待检测样品集依次进行样品检验,获得多组模拟比例检测结果集合,进而确定多组目标比例寻优区间,进行比例寻优,获得多组优化检测比例,对多种目标宠物膨化食品进行管理。本发明解决了现有技术中宠物膨化食品质量检测效率低、准确率低的技术问题,达到了提高宠物膨化食品质量检测效率和准确率的技术效果。
Description
技术领域
本发明涉及宠物食品加工技术领域,具体涉及一种基于比例检测技术的宠物膨化食品管理方法及系统。
背景技术
宠物膨化食品生产的流通环节比较多,如不注意加强质量管理,保证宠物食品卫生的要求,很容易造成宠物食品污染,从而危害宠物健康,甚至造成生命危险。搞好宠物食品质量检测管理,可以预防、减少食品中毒和食源性疾病的发生,有助于保障宠物健康。
但是目前的宠物膨化食品管理方法单一,质量检测效果差,难以保证宠物食品安全。
发明内容
本申请提供了一种基于比例检测技术的宠物膨化食品管理方法及系统,用于解决现有技术中宠物膨化食品质量检测效率低、准确率低的技术问题。
本申请的第一个方面,提供了一种基于比例检测技术的宠物膨化食品管理方法,所述方法包括:获得多种目标宠物膨化食品类型;根据多种所述目标宠物膨化食品类型确定多个模拟检测比例,其中所述目标宠物膨化食品类型和所述模拟检测比例具有对应关系;根据多种所述目标宠物膨化食品类型获得多个待检测样品集,其中每个待检测样本集中包含N组待检测样品,其中N为大于等于10的整数;基于多个所述模拟检测比例获得多个模拟检测比例集合,其中所述模拟检测比例集合中包含N个模拟检测比例;根据多个所述模拟检测比例集合对多个所述待检测样品集依次进行样品检验,获得多组模拟比例检测结果集合;基于多组所述模拟比例检测结果集合确定多组目标比例寻优区间;基于多组所述目标比例寻优区间进行比例寻优,获得多组优化检测比例;根据多组所述优化检测比例对多种所述目标宠物膨化食品进行管理。
本申请的第二个方面,提供了一种基于比例检测技术的宠物膨化食品管理系统,所述系统包括:宠物膨化食品类型获取模块,所述宠物膨化食品类型获取模块用于获得多种目标宠物膨化食品类型;模拟检测比例确定模块,所述模拟检测比例确定模块用于根据多种所述目标宠物膨化食品类型确定多个模拟检测比例,其中所述目标宠物膨化食品类型和所述模拟检测比例具有对应关系;待检测样品集获取模块,所述待检测样品集获取模块用于根据多种所述目标宠物膨化食品类型获得多个待检测样品集,其中每个待检测样本集中包含N组待检测样品,其中N为大于等于10的整数;模拟检测比例集合获取模块,所述模拟检测比例集合获取模块用于基于多个所述模拟检测比例获得多个模拟检测比例集合,其中所述模拟检测比例集合中包含N个模拟检测比例;模拟比例检测结果获取模块,所述模拟比例检测结果获取模块用于根据多个所述模拟检测比例集合对多个所述待检测样品集依次进行样品检验,获得多组模拟比例检测结果集合;目标比例寻优区间确定模块,所述目标比例寻优区间确定模块用于基于多组所述模拟比例检测结果集合确定多组目标比例寻优区间;优化检测比例获得模块,所述优化检测比例获得模块用于基于多组所述目标比例寻优区间进行比例寻优,获得多组优化检测比例;宠物膨化食品管理模块,所述宠物膨化食品管理模块用于根据多组所述优化检测比例对多种所述目标宠物膨化食品进行管理。
本申请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:
本申请提供的一种基于比例检测技术的宠物膨化食品管理方法,涉及宠物食品加工技术领域,通过获得多种目标宠物膨化食品类型,确定多个模拟检测比例和多个待检测样品集,基于多个模拟检测比例获得多个模拟检测比例集合,对多个待检测样品集依次进行样品检验,获得多组模拟比例检测结果集合,进而确定多组目标比例寻优区间,进行比例寻优,获得多组优化检测比例,对多种目标宠物膨化食品进行管理,解决了现有技术中宠物膨化食品质量检测效率低、准确率低的技术问题,实现了提高宠物膨化食品质量检测效率和准确率的技术效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种基于比例检测技术的宠物膨化食品管理方法流程示意图;
图2为本申请实施例提供的一种基于比例检测技术的宠物膨化食品管理方法中确定多个模拟检测比例的流程示意图;
图3为本申请实施例提供的一种基于比例检测技术的宠物膨化食品管理方法中确定多组目标比例寻优区间的流程示意图;
图4为本申请实施例提供的一种基于比例检测技术的宠物膨化食品管理系统结构示意图。
附图标记说明:宠物膨化食品类型获取模块11,模拟检测比例确定模块12,待检测样品集获取模块13,模拟检测比例集合获取模块14,模拟比例检测结果获取模块15,目标比例寻优区间确定模块16、优化检测比例获得模块17、宠物膨化食品管理模块18。
具体实施方式
本申请提供了一种基于比例检测技术的宠物膨化食品管理方法,用于解决现有技术中宠物膨化食品质量检测效率低、准确率低的技术问题。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整的描述。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
实施例一
如图1所示,本申请提供了一种基于比例检测技术的宠物膨化食品管理方法,所述方法包括:
S100:获得多种目标宠物膨化食品类型;
具体的,通过阅读说明书或询问生产厂家的方式,获取需要进行仓储、质量管理的多个种类的目标宠物膨化食品的类型,示例性的,可以按照不同的宠物类型、加工工艺或产品成分等将目标宠物膨化食品分成多种类型,比如犬科宠物膨化食品、猫科宠物膨化食品,所述目标宠物膨化食品类型可以作为后续进行宠物膨化食品管理的基准参数。
S200:根据多种所述目标宠物膨化食品类型确定多个模拟检测比例,其中所述目标宠物膨化食品类型和所述模拟检测比例具有对应关系;
进一步的,如图2所示,本申请实施例步骤S200还包括:
S210:对多种所述目标宠物膨化食品类型进行产品成分、包装特征、保质期特征分析,获得多个产品成分风险系数、多个包装特征风险系数、多个保质期风险系数;
S220:按照预设风险权重对多个所述产品成分风险系数、多个所述包装特征风险系数、多个所述保质期风险系数进行加权计算,获得多个目标宠物膨化食品风险系数;
S230:基于大数据构建食品风险系数-检测比例对照表;
S240:将多个所述目标宠物膨化食品风险系数输入所述食品风险系数-检测比例对照表进行匹配,获得多个所述模拟检测比例。
具体的,将多种所述目标宠物膨化食品类型从产品成分、包装特征、保质期三个方面进行特征分析,根据食品发生变质的风险程度,设置相应的风险系数,示例性的,不同成分的产品含有的易腐败物质的含量不同,故发生变质的风险不同,比如肉类、奶制品、蔬菜等易腐败物质含量越高,越容易变质,相应的风险系数越大,对产品成分进行特征分析,可以确定多个产品成分风险系数;不同包装的密封性不同,相应的食品变质的风险不同,例如真空包装风险系数小,普通包装风险系数大,对产品的包装特征进行分析,可以确定多个包装特征风险系数;保质期不同的食品,相应的变质风险不同,保质期越长,食品的风险系数越小,对产品的保质期进行分析,可以确定多个包装特征风险系数多个保质期风险系数。
进一步的,根据产品成分、包装特征、保质期三个参数对食品变质风险的影响程度,预设风险权重分配系数,例如,可以设置为3:2:5。按照预设风险权重将多个所述产品成分风险系数、多个所述包装特征风险系数、多个所述保质期风险系数进行加权求和,将得到的加权平均值作为多个目标宠物膨化食品风险系数。
进一步的,基于大数据提取多个历史食品风险系数及其对应的检测比例数据,所述检测比例是指抽检的产品数量占所有产品总数的比例,将多个历史食品风险系数与检测比例数据一一对应排列,构建食品风险系数-检测比例对照表,然后将多个所述目标宠物膨化食品风险系数与所述食品风险系数-检测比例对照表中的食品风险系数一一进行匹配,提取对应的检测比例作为多个所述模拟检测比例,可以作为后续确定产品实际检测比例的基础数据。
S300:根据多种所述目标宠物膨化食品类型获得多个待检测样品集,其中每个待检测样本集中包含N组待检测样品,其中N为大于等于10的整数;
具体而言,根据多种所述目标宠物膨化食品类型选择对应的多个待检测样品集,每一个目标宠物膨化食品类型对应一个待检测样品集,相应的将每个待检测样品集内的样品平均分为N组,至少分为10组,示例性的,某个样品集有12组样品,每组有10000个样品。所述多个待检测样品集可以用作后续的模拟检测。
S400:基于多个所述模拟检测比例获得多个模拟检测比例集合,其中所述模拟检测比例集合中包含N个模拟检测比例;
进一步的,本申请实施例步骤S400还包括:
S410:预设比例扩展范围;
S420:按照所述预设比例扩展范围对多个所述模拟检测比例进行N次扩展,获得多个模拟检测比例集合。
具体而言,根据经验预设一个检测比例扩展范围,按照这个预设的比例扩展范围对多个所述模拟检测比例进行扩展,因为每个模拟检测比例对应一个待检测样本集,每个待检测样本集对应N组待检测样品,故需要进行N次比例扩展,为每组样品分配不同的检测比例,作为一个比例集合,示例性地,预设比例扩展范围为正负30%,某产品的模拟检测比例为1%,对应的检测样本集有10组数据,扩展出的检测比例为0.7%、0.76%、0.84%、0.9%、0.96%、1.02%、1.08%、1.14%、1.2%、1.3%。同理,对多个所述模拟检测比例进行N次扩展,可以得到多个模拟检测比例集合,作为后续进行样品检验的参考比例。
S500:根据多个所述模拟检测比例集合对多个所述待检测样品集依次进行样品检验,获得多组模拟比例检测结果集合;
具体的,根据多个所述模拟检测比例集合确定一个所述待检测样品集内,每组待检测样品对应的模拟检测比例,根据该模拟检测比例从该组待检测样品中抽取相应数量的样品进行质量检测,得到每组样品的质量检测结果,同理,为每个所述待检测样品集的N个小组分配模拟检测比例,为每个所述待检测样品集内的N个小组选择相应数量的样品进行质量检测,得到每个待检测样品集内每个分组的质量检测结果,以此作为多组模拟比例检测结果集合,可以作为后续进行检测比例寻优的基础数据。
S600:基于多组所述模拟比例检测结果集合确定多组目标比例寻优区间;
进一步的,如图3所示,本申请实施例步骤S600还包括:
S610:对多个所述待检测样品集全部进行检测,获得多组实际检测结果集合,其中所述模拟比例检测结果集合与所述实际检测结果集合具有映射关系;
S620:根据多组所述实际检测结果集合对多组所述模拟比例检测结果集合进行判断;
S630:当所述模拟比例检测结果集合中的检测结果满足对应映射的所述实际检测结果集合时,将所述模拟比例检测结果对应的模拟检测比例进行提取,获得多组模拟检测比例集合;
S640:对多组所述模拟检测比例集合中每组模拟检测比例集合进行极值提取,根据极值提取结果确定多组所述目标比例寻优区间。
具体的,将多个所述待检测样品集内的每个小组所有样品全部进行检测,得到每个小组的实际检测结果,也就是每组样品的实际产品合格率,以此作为多组实际检测结果集合,所述实际检测结果与上述获得的模拟比例检测结果使用同一组待检测样本,因此具有映射关系。将上述获得的来自同一个待检测样本集的模拟比例检测结果与实际检测结果进行比较,判断每个分组的模拟比例检测结果是否满足对应映射的实际检测结果,判断原理是,当模拟比例检测合格率小于或等于实际检测合格率时,说明抽取的样品数量足够,可以检测出问题产品的占比,提取相应的能够满足实际检测结果的模拟检测比例,示例性地,当模拟检测比例为0.84%、0.9%、0.96%、1.02%的小组的检测结果分别为95%、92%、90%、85%时,实际检测结果显示产品合格率为93%,那么模拟检测比例为0.9%、0.96%、1.02%的小组的检测结果均小于实际检测结果,满足要求,提取该组模拟检测比例集合的最小值0.9%,最大值1.02%,可以确定该样品集的检测比例寻优区间为0.9%~1.02%。同理,提取多组模拟检测比例集合中每组模拟检测比例集合满足要求的极值,可以确定多组所述目标比例寻优区间,所述目标比例寻优区间可以用来获得多组优化检测比例。
S700:基于多组所述目标比例寻优区间进行比例寻优,获得多组优化检测比例;
进一步的,本申请实施例步骤S700还包括:
S710:基于多组所述实际检测结果集合设定多组标准检测分析结果;
S720:在多组所述目标比例寻优区间设定第一寻优比例;
S730:将所述第一寻优比例输入食品检测分析模型,获得第一检测分析结果;
S740:基于所述第一检测分析结果和所述标准检测分析结果确定第一寻优方向;
S750:根据所述第一寻优方向缩小所述目标比例寻优区间,获得第二比例寻优区间;
S760:根据所述第二比例寻优区间设定第二寻优比例;
S770:以此类推进行迭代寻优,当迭代寻优次数满足预设寻优次数或目标检测分析结果时,停止寻优,获得多组所述优化检测比例。
具体的,将每个待检测数据集的多组所述实际检测结果集合内的所有检测结果进行平均值计算,将实际检测结果的平均值作为标准检测分析结果,作为后续进行检测比例寻优的参考值。在多组所述目标比例寻优区间内设定一个检测比例,以此作为第一寻优比例,比如设定寻优区间的1/4位置的检测比例为第一寻优比例。
进一步的,获取多个过去的食品检测比例数据和相应的检测结果数据,以此作为构建数据,并使用均匀随机抽样的方式将数据标注和划分为训练数据集、验证数据集和测试数据集,基于BP神经网络模型的架构,使用训练数据集、验证数据集和测试数据集进行模型训练,直至收敛,得到食品检测分析模型。BP神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络,无需事先确定输入输出之间映射关系的数学方程,仅通过自身的训练学习某种规则,在给定输入值时得到最接近期望输出值的结果。
进一步的,将所述第一寻优比例输入所述食品检测分析模型,由所述食品检测分析模型输出相应的检测结果,以此作为第一检测分析结果,将所述第一检测分析结果和对应的标准检测分析结果进行比较,判断第一检测分析结果是否趋近对应的标准检测分析结果,若满足要求,说明第一寻优比例的选择方向正确,以该方向作为第一寻优方向,根据第一寻优方向缩小目标比例寻优区间,继续向该方向寻优,若不满足,则向反方向寻优,举例而言,第一寻优比例在寻优区间的1/4位置,若满足要求,则继续在0~1/4的范围内寻优,若不满足,则在1/4~1的位置寻优。将根据第一寻优方向缩小的目标比例寻优区间作为第二比例寻优区间,在所述第二比例寻优区间内设定第二寻优比例,以此类推进行迭代寻优,由专业人员根据精度需求预设一个寻优次数,比如100次,当迭代寻优次数满足预设寻优次数或检测结果满足目标检测分析结果时,停止寻优,将最后一次的寻优检测比例作为所述优化检测比例,可以用来进行目标宠物膨化食品的检测管理。
S800:根据多组所述优化检测比例对多种所述目标宠物膨化食品进行管理。
具体而言,根据上述获得的多组所述优化检测比例分别确定每个类型的目标宠物膨化食品的最佳检测比例,使用该检测比例抽取相应数量的样品,对每个类型的目标宠物膨化食品进行质量检测,可以提高目标宠物膨化食品的质量检测效率和准确率。
进一步的,本申请实施例还包括步骤S900,步骤S900还包括:
S910:获得目标宠物膨化食品的抽检时间窗口;
S920:根据所述抽检时间窗口对多种所述目标宠物膨化食品的抽检样品进行检测,获得多个抽检样品检测结果;
S930:当多个所述抽检样品检测结果不满足预设抽检样品安全阈值时,生成抽检预警信息;
S940:根据所述抽检预警信息对多组所述优化检测比例进行加强。
具体的,调查相关部门对目标宠物膨化食品的抽检频率,比如为5天抽检一次,根据该抽检频率,对多种所述目标宠物膨化食品的抽检样品进行定期检测,得到多个抽检样品检测结果,为每种类型的目标宠物膨化食品分别预设一个抽检样品的安全阈值,也就是最低产品合格率,当多个所述抽检样品检测结果不满足预设抽检样品安全阈值时,说明当前的样品抽检比例无法满足抽检要求,则生成抽检预警信息发送至检测中心,根据所述抽检预警信息加大相应的多组优化检测比例,以满足抽检的产品合格率要求。
综上所述,本申请实施例至少具有如下技术效果:
本申请通过获得多种目标宠物膨化食品类型,确定多个模拟检测比例和多个待检测样品集,基于多个模拟检测比例获得多个模拟检测比例集合,对多个待检测样品集依次进行样品检验,获得多组模拟比例检测结果集合,进而确定多组目标比例寻优区间,进行比例寻优,获得多组优化检测比例,对多种目标宠物膨化食品进行管理。
达到了提高宠物膨化食品质量检测效率和准确率的技术效果。
实施例二
基于与前述实施例中一种基于比例检测技术的宠物膨化食品管理方法相同的发明构思,如图4所示,本申请提供了一种基于比例检测技术的宠物膨化食品管理系统,本申请实施例中的系统与方法实施例基于同样的发明构思。其中,所述系统包括:
宠物膨化食品类型获取模块11,所述宠物膨化食品类型获取模块用于获得多种目标宠物膨化食品类型;
模拟检测比例确定模块12,所述模拟检测比例确定模块用于根据多种所述目标宠物膨化食品类型确定多个模拟检测比例,其中所述目标宠物膨化食品类型和所述模拟检测比例具有对应关系;
待检测样品集获取模块13,所述待检测样品集获取模块用于根据多种所述目标宠物膨化食品类型获得多个待检测样品集,其中每个待检测样本集中包含N组待检测样品,其中N为大于等于10的整数;
模拟检测比例集合获取模块14,所述模拟检测比例集合获取模块用于基于多个所述模拟检测比例获得多个模拟检测比例集合,其中所述模拟检测比例集合中包含N个模拟检测比例;
模拟比例检测结果获取模块15,所述模拟比例检测结果集合获取模块用于根据多个所述模拟检测比例集合对多个所述待检测样品集依次进行样品检验,获得多组模拟比例检测结果集合;
目标比例寻优区间确定模块16,所述目标比例寻优区间确定模块用于基于多组所述模拟比例检测结果集合确定多组目标比例寻优区间;
优化检测比例获得模块17,所述优化检测比例获得模块用于基于多组所述目标比例寻优区间进行比例寻优,获得多组优化检测比例;
宠物膨化食品管理模块18,所述目标宠物膨化食品管理模块用于根据多组所述优化检测比例对多种所述目标宠物膨化食品进行管理。
进一步的,所述系统还包括:
风险系数获得模块,所述风险系数获得模块用于对多种所述目标宠物膨化食品类型进行产品成分、包装特征、保质期特征分析,获得多个产品成分风险系数、多个包装特征风险系数、多个保质期风险系数;
目标宠物膨化食品风险系数获得模块,所述目标宠物膨化食品风险系数获得模块用于按照预设风险权重对多个所述产品成分风险系数、多个所述包装特征风险系数、多个所述保质期风险系数进行加权计算,获得多个目标宠物膨化食品风险系数;
比例对照表构建模块,所述比例对照表构建模块用于基于大数据构建食品风险系数-检测比例对照表;
模拟检测比例获得模块,所述模拟检测比例获得模块用于将多个所述目标宠物膨化食品风险系数输入所述食品风险系数-检测比例对照表进行匹配,获得多个所述模拟检测比例;
进一步的,所述系统还包括:
模拟检测比例集合获得模块,所述模拟检测比例集合获得模块用于按照所述预设比例扩展范围对多个所述模拟检测比例进行N次扩展,获得多个模拟检测比例集合;
实际检测结果集合获得模块,所述实际检测结果集合获得模块用于对多个所述待检测样品集全部进行检测,获得多组实际检测结果集合,其中所述模拟比例检测结果集合与所述实际检测结果集合具有映射关系;
检测结果判断模块,所述检测结果判断模块用于根据多组所述实际检测结果集合对多组所述模拟比例检测结果集合进行判断;
模拟检测比例集合获得模块,所述模拟检测比例集合获得模块用于当所述模拟比例检测结果集合中的检测结果满足对应映射的所述实际检测结果集合时,将所述模拟比例检测结果对应的模拟检测比例进行提取,获得多组模拟检测比例集合;
目标比例寻优区间提取模块,所述目标比例寻优区间提取模块用于对多组所述模拟检测比例集合中每组模拟检测比例集合进行极值提取,根据极值提取结果确定多组所述目标比例寻优区间;
进一步的,所述系统还包括:
标准检测分析结果设定模块,所述标准检测分析结果设定模块用于基于多组所述实际检测结果集合设定多组标准检测分析结果;
第一寻优比例设定模块,所述第一寻优比例设定模块用于在多组所述目标比例寻优区间设定第一寻优比例;
第一检测分析结果获得模块,所述第一检测分析结果获得模块用于将所述第一寻优比例输入食品检测分析模型,获得第一检测分析结果;
第一寻优方向确定模块,所述第一寻优方向确定模块用于基于所述第一检测分析结果和所述标准检测分析结果确定第一寻优方向;
第二比例寻优区间获得模块,所述第二比例寻优区间获得模块用于根据所述第一寻优方向缩小所述目标比例寻优区间,获得第二比例寻优区间;
第二寻优比例设定模块,所述第二寻优比例设定模块用于根据所述第二比例寻优区间设定第二寻优比例;
优化检测比例获得模块,所述优化检测比例获得模块用于以此类推进行迭代寻优,当迭代寻优次数满足预设寻优次数或目标检测分析结果时,停止寻优,获得多组所述优化检测比例;
进一步的,所述系统还包括:
抽检时间窗口获得模块,所述抽检时间窗口获得模块用于获得目标宠物膨化食品的抽检时间窗口;
抽检样品检测结果获得模块,所述抽检样品检测结果获得模块用于根据所述抽检时间窗口对多种所述目标宠物膨化食品的抽检样品进行检测,获得多个抽检样品检测结果;
抽检预警信息生成模块,所述抽检预警信息生成模块用于当多个所述抽检样品检测结果不满足预设抽检样品安全阈值时,生成抽检预警信息;
优化检测比例加强模块,所述优化检测比例加强模块用于根据所述抽检预警信息对多组所述优化检测比例进行加强。
需要说明的是,上述本申请实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其他实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
本说明书和附图仅仅是本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (7)
1.一种基于比例检测技术的宠物膨化食品管理方法,其特征在于,所述方法包括:
获得多种目标宠物膨化食品类型;
根据多种所述目标宠物膨化食品类型确定多个模拟检测比例,其中所述目标宠物膨化食品类型和所述模拟检测比例具有对应关系;
根据多种所述目标宠物膨化食品类型获得多个待检测样品集,其中每个待检测样本集中包含N组待检测样品,其中N为大于等于10的整数;
基于多个所述模拟检测比例获得多个模拟检测比例集合,其中所述模拟检测比例集合中包含N个模拟检测比例;
根据多个所述模拟检测比例集合对多个所述待检测样品集依次进行样品检验,获得多组模拟比例检测结果集合;
基于多组所述模拟比例检测结果集合确定多组目标比例寻优区间;
基于多组所述目标比例寻优区间进行比例寻优,获得多组优化检测比例;
根据多组所述优化检测比例对多种所述目标宠物膨化食品进行管理。
2.如权利要求1所述的方法,其特征在于,所述根据多种所述目标宠物膨化食品类型确定多个模拟检测比例,还包括:
对多种所述目标宠物膨化食品类型进行产品成分、包装特征、保质期特征分析,获得多个产品成分风险系数、多个包装特征风险系数、多个保质期风险系数;
按照预设风险权重对多个所述产品成分风险系数、多个所述包装特征风险系数、多个所述保质期风险系数进行加权计算,获得多个目标宠物膨化食品风险系数;
基于大数据构建食品风险系数-检测比例对照表;
将多个所述目标宠物膨化食品风险系数输入所述食品风险系数-检测比例对照表进行匹配,获得多个所述模拟检测比例。
3.如权利要求1所述的方法,其特征在于,所述基于多个所述模拟检测比例获得多个模拟检测比例集合,还包括:
预设比例扩展范围;
按照所述预设比例扩展范围对多个所述模拟检测比例进行N次扩展,获得多个模拟检测比例集合。
4.如权利要求1所述的方法,其特征在于,所述基于多组所述模拟比例检测结果集合确定多组目标比例寻优区间,还包括:
对多个所述待检测样品集全部进行检测,获得多组实际检测结果集合,其中所述模拟比例检测结果集合与所述实际检测结果集合具有映射关系;
根据多组所述实际检测结果集合对多组所述模拟比例检测结果集合进行判断;
当所述模拟比例检测结果集合中的检测结果满足对应映射的所述实际检测结果集合时,将所述模拟比例检测结果对应的模拟检测比例进行提取,获得多组模拟检测比例集合;
对多组所述模拟检测比例集合中每组模拟检测比例集合进行极值提取,根据极值提取结果确定多组所述目标比例寻优区间。
5.如权利要求4所述的方法,其特征在于,所述基于多组所述目标比例寻优区间进行比例寻优,获得多组优化检测比例,还包括:
基于多组所述实际检测结果集合设定多组标准检测分析结果;
在多组所述目标比例寻优区间设定第一寻优比例;
将所述第一寻优比例输入食品检测分析模型,获得第一检测分析结果;
基于所述第一检测分析结果和所述标准检测分析结果确定第一寻优方向;
根据所述第一寻优方向缩小所述目标比例寻优区间,获得第二比例寻优区间;
根据所述第二比例寻优区间设定第二寻优比例;
以此类推进行迭代寻优,当迭代寻优次数满足预设寻优次数或目标检测分析结果时,停止寻优,获得多组所述优化检测比例。
6.如权利要求1所述的方法,其特征在于,所述方法还包括:
获得目标宠物膨化食品的抽检时间窗口;
根据所述抽检时间窗口对多种所述目标宠物膨化食品的抽检样品进行检测,获得多个抽检样品检测结果;
当多个所述抽检样品检测结果不满足预设抽检样品安全阈值时,生成抽检预警信息;
根据所述抽检预警信息对多组所述优化检测比例进行加强。
7.一种基于比例检测技术的宠物膨化食品管理系统,其特征在于,所述系统包括:
宠物膨化食品类型获取模块,所述宠物膨化食品类型获取模块用于获得多种目标宠物膨化食品类型;
模拟检测比例确定模块,所述模拟检测比例确定模块用于根据多种所述目标宠物膨化食品类型确定多个模拟检测比例,其中所述目标宠物膨化食品类型和所述模拟检测比例具有对应关系;
待检测样品集获取模块,所述待检测样品集获取模块用于根据多种所述目标宠物膨化食品类型获得多个待检测样品集,其中每个待检测样本集中包含N组待检测样品,其中N为大于等于10的整数;
模拟检测比例集合获取模块,所述模拟检测比例集合获取模块用于基于多个所述模拟检测比例获得多个模拟检测比例集合,其中所述模拟检测比例集合中包含N个模拟检测比例;
模拟比例检测结果获取模块,所述模拟比例检测结果集合获取模块用于根据多个所述模拟检测比例集合对多个所述待检测样品集依次进行样品检验,获得多组模拟比例检测结果集合;
目标比例寻优区间确定模块,所述目标比例寻优区间确定模块用于基于多组所述模拟比例检测结果集合确定多组目标比例寻优区间;
优化检测比例获得模块,所述优化检测比例获得模块用于基于多组所述目标比例寻优区间进行比例寻优,获得多组优化检测比例;
宠物膨化食品管理模块,所述目标宠物膨化食品管理模块用于根据多组所述优化检测比例对多种所述目标宠物膨化食品进行管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310514960.9A CN116542565B (zh) | 2023-05-09 | 2023-05-09 | 一种基于比例检测技术的宠物膨化食品管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310514960.9A CN116542565B (zh) | 2023-05-09 | 2023-05-09 | 一种基于比例检测技术的宠物膨化食品管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116542565A true CN116542565A (zh) | 2023-08-04 |
CN116542565B CN116542565B (zh) | 2024-04-16 |
Family
ID=87451806
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310514960.9A Active CN116542565B (zh) | 2023-05-09 | 2023-05-09 | 一种基于比例检测技术的宠物膨化食品管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116542565B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117151657A (zh) * | 2023-10-30 | 2023-12-01 | 南通顺裕包装材料有限公司 | 一种塑料包装材料管理方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109978354A (zh) * | 2019-03-14 | 2019-07-05 | 黄惠珠 | 一种基于保质期的食品抽查方法及其系统 |
CN111950621A (zh) * | 2020-08-10 | 2020-11-17 | 中国平安人寿保险股份有限公司 | 基于人工智能的目标数据检测方法、装置、设备及介质 |
US20220043000A1 (en) * | 2020-08-04 | 2022-02-10 | Abbott Laboratories | Methods and kits for detecting sars-cov-2 protein in a sample |
CN114674997A (zh) * | 2022-03-29 | 2022-06-28 | 创材深造(苏州)科技有限公司 | 一种测试合金粉末成分组合的算法 |
CN115034303A (zh) * | 2022-06-08 | 2022-09-09 | 郑晓宁 | 一种食品有害物质定向检测方法及系统 |
CN115169743A (zh) * | 2022-08-11 | 2022-10-11 | 上海依蕴宠物用品有限公司 | 一种基于宠物差异化分析的饲料配方优化方法及系统 |
CN115274131A (zh) * | 2022-07-06 | 2022-11-01 | 新疆大学 | 一种基于大数据的物流系统流行性传染病防疫优化方法 |
CN115953436A (zh) * | 2023-02-19 | 2023-04-11 | 上海依蕴宠物用品有限公司 | 一种孕期宠物行为智能评估预警方法及系统 |
-
2023
- 2023-05-09 CN CN202310514960.9A patent/CN116542565B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109978354A (zh) * | 2019-03-14 | 2019-07-05 | 黄惠珠 | 一种基于保质期的食品抽查方法及其系统 |
US20220043000A1 (en) * | 2020-08-04 | 2022-02-10 | Abbott Laboratories | Methods and kits for detecting sars-cov-2 protein in a sample |
CN111950621A (zh) * | 2020-08-10 | 2020-11-17 | 中国平安人寿保险股份有限公司 | 基于人工智能的目标数据检测方法、装置、设备及介质 |
CN114674997A (zh) * | 2022-03-29 | 2022-06-28 | 创材深造(苏州)科技有限公司 | 一种测试合金粉末成分组合的算法 |
CN115034303A (zh) * | 2022-06-08 | 2022-09-09 | 郑晓宁 | 一种食品有害物质定向检测方法及系统 |
CN115274131A (zh) * | 2022-07-06 | 2022-11-01 | 新疆大学 | 一种基于大数据的物流系统流行性传染病防疫优化方法 |
CN115169743A (zh) * | 2022-08-11 | 2022-10-11 | 上海依蕴宠物用品有限公司 | 一种基于宠物差异化分析的饲料配方优化方法及系统 |
CN115953436A (zh) * | 2023-02-19 | 2023-04-11 | 上海依蕴宠物用品有限公司 | 一种孕期宠物行为智能评估预警方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117151657A (zh) * | 2023-10-30 | 2023-12-01 | 南通顺裕包装材料有限公司 | 一种塑料包装材料管理方法及系统 |
CN117151657B (zh) * | 2023-10-30 | 2024-01-23 | 南通顺裕包装材料有限公司 | 一种塑料包装材料管理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116542565B (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116542565B (zh) | 一种基于比例检测技术的宠物膨化食品管理方法及系统 | |
Sabilla et al. | Estimating gas concentration using artificial neural network for electronic nose | |
CN117196353B (zh) | 基于大数据的环境污染评估与监测方法及系统 | |
CN112485652B (zh) | 基于改进正余弦算法的模拟电路单故障诊断方法 | |
CN111291895A (zh) | 组合特征评估模型的样本生成和训练方法及装置 | |
CN111832727B (zh) | 跨数据、信息、知识模态与量纲的本质识别方法及组件 | |
CN115204536A (zh) | 楼宇设备故障预测方法、装置、设备及存储介质 | |
Phate et al. | Classification and weighing of sweet lime (Citrus limetta) for packaging using computer vision system | |
Vidyarthi et al. | Stack ensembled model to measure size and mass of almond kernels | |
Sedghi et al. | Digital analysis of egg surface area and volume: Effects of longitudinal axis, maximum breadth and weight | |
CN113554716A (zh) | 基于知识蒸馏的瓷砖色差检测方法及装置 | |
Tan et al. | Feasibility study of beef quality assessment using computer vision and Deep Neural Network (DNN) algorithm | |
CN112100452A (zh) | 数据处理的方法、装置、设备及计算机可读存储介质 | |
CN111026075A (zh) | 一种基于误差匹配的中低压燃气调压器故障检测方法 | |
CN115759263A (zh) | 一种基于因果推断的策略效果评估方法及装置 | |
CN114139408A (zh) | 一种电力变压器健康状态评估方法 | |
Milanzi et al. | Data representativeness: issues and solutions | |
Li et al. | ANN-integrated electronic nose and zNoseTM system for apple quality evaluation | |
CN113553902A (zh) | 一种智能果蔬精准识别方法、系统、计算机设备及应用 | |
WO2021158951A1 (en) | Systems and methods for identifying food processing and prescribing a diet | |
CN112766739A (zh) | 一种基于bwm-e模型的肉制品中重金属污染评价方法 | |
CN113130073A (zh) | 利用自动化机制挑选影响力指标的方法及电子装置 | |
Kato et al. | Snack food texture estimation by neural network | |
KR102407886B1 (ko) | 각종 센서에서 수집한 데이터를 기반으로 신규 공정변수에 따라 결과를 도출하는 소프트센서 분석측정 시스템 | |
CN116150604B (zh) | 变压器故障诊断方法、装置及电子设备 |
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 |