CN116777273A - 一种基于物联网的粮食质量监控方法及系统 - Google Patents
一种基于物联网的粮食质量监控方法及系统 Download PDFInfo
- Publication number
- CN116777273A CN116777273A CN202310721670.1A CN202310721670A CN116777273A CN 116777273 A CN116777273 A CN 116777273A CN 202310721670 A CN202310721670 A CN 202310721670A CN 116777273 A CN116777273 A CN 116777273A
- Authority
- CN
- China
- Prior art keywords
- quality
- produced
- state information
- grain
- quality state
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000004519 manufacturing process Methods 0.000 claims abstract description 123
- 235000013305 food Nutrition 0.000 claims abstract description 88
- 230000007613 environmental effect Effects 0.000 claims description 51
- 238000001514 detection method Methods 0.000 claims description 42
- 238000004422 calculation algorithm Methods 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 10
- 238000013135 deep learning Methods 0.000 claims description 9
- 244000005700 microbiome Species 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 238000005303 weighing Methods 0.000 claims description 6
- 238000009530 blood pressure measurement Methods 0.000 claims description 5
- 238000009529 body temperature measurement Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 5
- 238000004806 packaging method and process Methods 0.000 claims description 5
- 230000006855 networking Effects 0.000 claims 2
- 230000009286 beneficial effect Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 5
- 235000010469 Glycine max Nutrition 0.000 description 4
- 244000068988 Glycine max Species 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 238000009264 composting Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 229910017053 inorganic salt Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于物联网的粮食质量监控方法及系统，该方法包括：通过每一个生产站点内的采集设备采集生产站点内的产出粮食的第一质量状态信息，根据第一质量状态信息计算得到产出粮食的第一质量状态评分，通过检测设备检测产出粮食得到产出粮食的第二质量状态信息，根据第二质量状态信息计算得到产出粮食的第二质量状态评分，根据第一质量状态评分与第二质量状态评分确定出产出粮食最终的第三质量状态评分，第三质量状态评分用于确定产出粮食的食品质量等级。可见，实施本发明能够利用多种设备实时地获取每一个生产站点的粮食的质量状态信息，并通过计算每一个生产站点内产出粮食的质量状态信息得到产出粮食的食品质量等级，有利于提高对各个粮食生产站点内粮食质量监控的效率以及准确性。
Description
技术领域
本发明涉及信息管理技术领域，尤其涉及一种基于物联网的粮食质量监控方法及系统。
背景技术
在实际生活中，粮食在生产与存储后都采用各种不同质量检测方式对粮食进行抽检，而对粮食的质量检测方式往往采用人工质检的手段，例如：定时派出质检员对粮食进行抽样检查，或者对粮食抽取若干样本以后送到相关的质量检测部门的化验室进行质量检测，从而对粮食进行定时的质量监控。而这种人工的质量检测方式往往出现滞后性，且在递送粮食样本的过程中容易对样本造成不可避免的二次污染，无法保证粮食的质量品质，从而导致对粮食质量监控的效率低以及准确性不高的问题。现时提供一种基于物联网的粮食质量监控方法及系统方法及系统，能够实时地对粮食进行质量监控，有利于提高对各个粮食生产站点内粮食质量监控的效率以及准确性。
发明内容
本发明提供了一种基于物联网的粮食质量监控方法及系统，能够有利于提高各个粮食生产站点内粮食质量监控的效率以及准确性。
为了解决上述技术问题，本发明第一方面公开了一种基于物联网的粮食质量监控方法，所述方法包括：
通过每一个生产站点内的采集设备采集所述生产站点内的产出粮食的第一质量状态信息，根据所述第一质量状态信息计算得到所述产出粮食的第一质量状态评分；
通过检测设备检测所述产出粮食得到所述产出粮食的第二质量状态信息，根据所述第二状态信息计算得到所述产出粮食的第二质量状态评分；
根据所述第一质量状态评分与所述第二质量状态评分计算得到所述产出粮食最终的第三质量状态评分，所述第三质量状态评分用于确定所述产出粮食的食品质量等级。
作为一种可选的实施方式，在本发明第一方面中，所述第一质量状态信息包括：所述产出粮食的物理状态信息、所述产出粮食的生产区域内的环境状态信息；
所述通过每一个生产站点内的采集设备采集当前生产站点内产出粮食的第一质量状态信息，包括：
通过每一个生产站点内的采集设备采集当前生产站点内产出粮食的物理状态信息与所述产出粮食的生产区域内的环境状态信息；
其中，所述物理状态信息包括：所述产出粮食的温度、湿度、重量、色泽、纹理、气味中的至少一种，所述环境状态信息包括：当前所述生产区域内的温度、湿度、气压值、微生物种类以及数量，所述采集设备包括温度测量设备、湿度测量设备、称量设备、摄像设备、气压测量设备、微生物监测设备中的至少一种。
作为一种可选的实施方式，在本发明第一方面中，所述根据所述第一质量状态信息计算得到所述产出粮食的第一质量状态评分，包括：
根据预设的物理状态评分等级匹配所述产出粮食对应的物理状态信息，得到所述物理状态信息对应的物理状态评分；
根据预设的环境状态评分等级匹配所述生产区域对应的环境状态信息，得到所述环境状态信息对应的环境状态评分；
根据预设的评分系数与评分算法，对所述物理状态评分与所述环境状态评分进行计算，得到所述产出粮食的第一质量状态评分。
作为一种可选的实施方式，在本发明第一方面中，所述检测设备包括：质谱仪、色谱仪、光谱仪中的至少一种，所述第二质量状态信息包括：所述产出粮食所包含的有机物种类、对应有机物的含量、无机物种类、对应无机物的含量；
所述根据所述第二质量状态信息计算得到所述产出粮食的第二质量状态评分，包括：
根据预设的第二评分等级匹配所述产出粮食对应的第二质量状态信息，得到所述第二质量状态信息对应的质量评分；
根据预设的评分系数与评分算法，对所述第二质量状态信息对应的质量评分进行计算，得到所述产出粮食的第二质量状态评分。
作为一种可选的实施方式，在本发明第一方面中，在所述根据所述第一质量状态评分与所述第二质量状态评分计算得到所述产出粮食最终的第三质量状态评分之后，所述方法还包括：
判断所述第三质量状态评分是否小于预设的第三评分阈值；
当判断出根据所述第三质量状态评分小于所述第三评分阈值时，确定出所述第三质量状态评分对应的产出粮食为食品质量等级未合格的食品，并向所述生产站点发送所述产出粮食为食品质量等级未合格的食品的提示信息，以使所述生产站点对所述产出粮食进行无公害化的处理操作。
作为一种可选的实施方式，在本发明第一方面中，所述方法还包括：
当判断出根据所述第三质量状态评分大于等于所述第三评分阈值时，确定出所述第三质量状态评分对应的产出粮食为食品质量等级合格的食品，并向所述生产站点发送所述产出粮食为食品质量等级合格的食品的提示信息，以使所述生产站点对所述产出粮食进行包装上市的处理操作。
作为一种可选的实施方式，在本发明第一方面中，所述方法还包括：
记录预设的历史时间内每一批次产出粮食的第一质量状态信息与第二质量状态评分；
根据深度学习算法对所述预设的历史时间内每一批次产出粮食对应的第一质量状态信息、第二质量状态信息以及对应的食品质量等级进行训练，得到所有批次产出粮食对应的第一质量状态信息、对应的第二质量状态信息与对应的食品质量等级的关系模型；
根据所述关系模型确定出与对应食品质量等级的关联度最高的第一质量状态信息与第二质量状态信息，并根据所述与对应食品质量等级的关联度最高的第一质量状态信息与第二质量状态信息调整后续所述采集设备所需采集的第一质量状态信息与所述检测设备所需检测的第二质量状态信息。
本发明第二方面公开了一种基于物联网的粮食质量监控系统，所述系统包括：
采集模块，用于通过每一个生产站点内的采集设备采集当前生产站点内产出粮食的第一质量状态信息；
计算模块，用于根据所述采集模块采集得到的所述第一质量状态信息计算得到所述产出粮食的第一质量状态评分；
检测模块，用于通过检测设备检测所述产出粮食得到所述产出粮食的第二质量状态信息；
所述计算模块，还用于根据所述检测模块检测得到的所述第二质量状态信息计算得到所述产出粮食的第二质量状态评分；
所述计算模块，还用于根据所述第一质量状态评分与所述第二质量状态评分计算得到所述产出粮食最终的第三质量状态评分，所述第三质量状态评分用于确定所述产出粮食的食品质量等级。
作为一种可选的实施方式，在本发明第二方面中，所述第一质量状态信息包括：所述产出粮食的物理状态信息、所述产出粮食的生产区域内的环境状态信息；
所述采集模块通过每一个生产站点内的采集设备采集当前生产站点内产出粮食的第一质量状态信息的具体方式为：
通过每一个生产站点内的采集设备采集当前生产站点内产出粮食的物理状态信息与所述产出粮食的生产区域内的环境状态信息；
其中，所述物理状态信息包括：所述产出粮食的温度、湿度、重量、色泽、纹理、气味中的至少一种，所述环境状态信息包括：当前所述生产区域内的温度、湿度、气压值、微生物种类以及数量，所述采集设备包括温度测量设备、湿度测量设备、称量设备、摄像设备、气压测量设备、微生物监测设备中的至少一种。
作为一种可选的实施方式，在本发明第二方面中，所述计算模块根据所述第一质量状态信息计算得到所述产出粮食的第一质量状态评分的具体方式为：
根据预设的物理状态评分等级匹配所述产出粮食对应的物理状态信息，得到所述物理状态信息对应的物理状态评分；
根据预设的环境状态评分等级匹配所述生产区域对应的环境状态信息，得到所述环境状态信息对应的环境状态评分；
根据预设的评分系数与评分算法，对所述物理状态评分与所述环境状态评分进行计算，得到所述产出粮食的第一质量状态评分。
作为一种可选的实施方式，在本发明第二方面中，所述检测设备包括：质谱仪、色谱仪、光谱仪中的至少一种，所述第二质量状态信息包括：所述产出粮食所包含的有机物种类、对应有机物的含量、无机物种类、对应无机物的含量；
所述计算模块根据所述第二质量状态信息计算得到所述产出粮食的第二质量状态评分的具体方式为：
根据预设的第二评分等级匹配所述产出粮食对应的第二质量状态信息，得到所述第二质量状态信息对应的质量评分；
根据预设的评分系数与评分算法，对所述第二质量状态信息对应的质量评分进行计算，得到所述产出粮食的第二质量状态评分。
作为一种可选的实施方式，在本发明第二方面中，在所述计算模块根据所述第一质量状态评分与所述第二质量状态评分计算得到所述产出粮食最终的第三质量状态评分之后，所述系统还包括：
判断模块，用于判断所述第三质量状态评分是否小于预设的第三评分阈值；
第一确定模块，用于当所述判断模块判断出根据所述第三质量状态评分小于所述第三评分阈值时，确定出所述第三质量状态评分对应的产出粮食为食品质量等级未合格的食品；
发送模块，用于向所述生产站点发送所述第一确定模块确定出的所述产出粮食为食品质量等级未合格的食品的提示信息，以使所述生产站点对所述产出粮食进行无公害化的处理操作。
作为一种可选的实施方式，在本发明第二方面中，所述系统还包括：
所述第一确定模块，还用于当所述判断模块判断出根据所述第三质量状态评分大于等于所述第三评分阈值时，确定出所述第三质量状态评分对应的产出粮食为食品质量等级合格的食品；
所述发送模块，还用于向所述生产站点发送所述第一确定模块确定出的所述产出粮食为食品质量等级合格的食品的提示信息，以使所述生产站点对所述产出粮食进行包装上市的处理操作。
作为一种可选的实施方式，在本发明第二方面中，所述系统还包括：
记录模块，用于记录预设的历史时间内所述采集模块采集到的每一批次产出粮食的第一质量状态信息与所述检测模块检测出的第二质量状态评分；
训练模块，用于根据深度学习算法对所述记录模块记录的所述预设的历史时间内每一批次产出粮食对应的第一质量状态信息、第二质量状态信息以及对应的食品质量等级进行训练，得到所有批次产出粮食对应的第一质量状态信息、对应的第二质量状态信息与对应的食品质量等级的关系模型；
第二确定模块，用于根据所述训练模块训练得到的所述关系模型确定出与对应食品质量等级的关联度最高的第一质量状态信息与第二质量状态信息；
调整模块，用于根据所述第二确定模块确定出的所述与对应食品质量等级的关联度最高的第一质量状态信息与第二质量状态信息调整后续所述采集设备所需采集的第一质量状态信息与所述检测设备所需检测的第二质量状态信息。
本发明第三方面公开了另一种基于物联网的粮食质量监控系统，所述系统包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明第一方面公开的基于物联网的粮食质量监控方法。
本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面公开的基于物联网的粮食质量监控方法。
与现有技术相比，本发明实施例具有以下有益效果：
本发明提供了一种基于物联网的粮食质量监控方法及系统，能够利用采集设备实时地获取每一个生产站点的粮食的第一质量状态信息，以及利用检测设备实时地获取每一个生产站点的粮食的第二质量状态信息，有利于提高对各个粮食生产站点内粮食质量监控的实时性以及准确性；通过计算每一个生产站点内产出粮食的质量状态信息确定出产出粮食的食品质量等级，保证了粮食的品质安全，进一步地提高各个粮食生产站点内粮食质量监控的效率以及准确性。
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地介绍，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是本发明实施例公开的一种基于物联网的粮食质量监控方法的流程示意图；
图2是本发明实施例公开的另一种基于物联网的粮食质量监控方法的流程示意图；
图3是本发明实施例公开的一种基于物联网的粮食质量监控系统的结构示意图；
图4是本发明实施例公开的另一种基于物联网的粮食质量监控系统的结构示意图；
图5是本发明实施例公开的又一种基于物联网的粮食质量监控系统的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，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、产品或端没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种基于物联网的粮食质量监控方法及系统，该方法包括：通过每一个生产站点内的采集设备采集生产站点内的产出粮食的第一质量状态信息，根据第一质量状态信息计算得到产出粮食的第一质量状态评分，通过检测设备检测产出粮食得到产出粮食的第二质量状态信息，根据第二质量状态信息计算得到产出粮食的第二质量状态评分，根据第一质量状态评分与第二质量状态评分确定出产出粮食最终的第三质量状态评分，第三质量状态评分用于确定产出粮食的食品质量等级。可见，实施本发明能够利用采集设备实时地获取每一个生产站点的粮食的第一质量状态信息，以及利用检测设备实时地获取每一个生产站点的粮食的第二质量状态信息，有利于提高对各个粮食生产站点内粮食质量监控的实时性以及准确性；通过计算每一个生产站点内产出粮食的质量状态信息确定出产出粮食的食品质量等级，保证了粮食的品质安全，进一步地提高各个粮食生产站点内粮食质量监控的效率以及准确性。
实施例一
请参阅图1，图1是本发明实施例公开的一种基于物联网的粮食质量监控方法的流程示意图。其中，图1所描述的基于物联网的粮食质量监控方法可以应用于基于物联网的粮食质量监控系统，且该系统可以应用于物联网(例如：粮食生产供应网链等)中。其中，该系统与至少一个粮食生产站点的子系统相连，该系统地PC终端、本地服务器等本地终端设备，也可以应用于云计算机、云服务器等云终端设备，本发明实施例不做限定。如图1所示，该基于物联网的粮食质量监控方法可以包括以下操作：
101、通过每一个生产站点内的采集设备采集当前生产站点内产出粮食的第一质量状态信息，根据第一质量状态信息计算得到产出粮食的第一质量状态评分。
本发明实施例中，可选的，产出粮食可以包括至少一个种类的粮食，该粮食种类可以包括：稻类粮食、麦类粮食、豆类粮食、粗粮类粮食，第一质量状态信息可以包括：产出粮食的物理状态信息、产出粮食的生产区域内的环境状态信息。
本发明实施例中，可选的，通过每一个生产站点内的采集设备采集当前生产站点内产出粮食的第一质量状态信息，可以包括：
通过每一个生产站点内的采集设备采集当前生产站点内产出粮食的物理状态信息与产出粮食的生产区域内的环境状态信息。
其中，物理状态信息可以包括：产出粮食的温度、湿度、重量、色泽、纹理、气味等中的至少一种，环境状态信息可以包括：当前生产区域内的温度、湿度、气压值、微生物种类以及数量，采集设备包括温度测量设备(热红外测温仪、电阻测温仪、热电偶测温仪等)、湿度测量设备、称量设备(压力称重仪等)、摄像设备、气压测量设备、微生物监测设备等中的至少一种。
本发明实施例中，根据第一质量状态信息计算得到产出粮食的第一质量状态评分，可以包括：
根据预设的物理状态评分等级匹配产出粮食对应的物理状态信息，得到物理状态信息对应的物理状态评分。
根据预设的环境状态评分等级匹配生产区域对应的环境状态信息，得到环境状态信息对应的环境状态评分。
根据预设的评分系数与评分算法，对物理状态评分与环境状态评分进行计算，得到产出粮食的第一质量状态评分。
其中，预设的物理状态评分等级可以理解为：当产出粮食的物理状态信息包括湿度时，将对应的湿度值划分为四个区间等级进行评分，该四个区间等级可以包括：100分(湿度值为51％～80％)、80分(湿度值为26％～50％)、60分(湿度值为10％～25％)、0分(湿度值为>80％或<10％)。预设的环境状态评分等级可以理解为：当生产区域的环境状态信息包括温度时，将对应的温度值划分为四个区间等级进行评分，该四个区间等级可以包括：100分(温度值为18℃～26℃)、80分(温度值为27℃～32℃)、60分(温度值为10℃～17℃)、0分(温度值为>32℃或<10℃)，本发明实施例不做限定。
本发明实施例中，可选的，预设的评分系数可以表示为每一个物理状态评分对应的评分系数与每一个环境状态评分对应的评分系数。设物理状态信息对应的物理状态评分的个数为m，环境状态信息对应的环境状态评分的个数为n，每一个物理状态评分为am，每一个环境状态评分为bn，每一个物理状态评分对应的评分系数为sm，每一个环境状态评分对应的评分系数为tn，则第一质量状态评分的具体计算方式可以表示为：
其中，物理状态评分对应的评分系数sm之和、环境状态评分对应的评分系数为tn之和等于1。
这样采集第一质量状态信息的采集设备种类越丰富，越提高粮食质量监控的效率以及准确性；并且根据产出粮食对应的物理状态信息、生产区域对应的环境状态信息、预设的评分系数与评分算法计算得到产出粮食的第一质量状态评分，有利于进一步地提高粮食质量监控的准确性。
102、通过检测设备检测产出粮食得到产出粮食的第二质量状态信息，根据第二质量状态信息计算得到产出粮食的第二质量状态评分。
本发明实施例中，可选的，检测设备可以包括：质谱仪、色谱仪、光谱仪中的至少一种，第二质量状态信息可以包括：产出粮食所包含的有机物种类(糖类、蛋白质、脂肪、维生素等)、对应有机物的含量、无机物种类(微量元素对应的无机盐等)、对应无机物的含量等中的至少一种。
本发明实施例中，根据第二质量状态信息计算得到产出粮食的第二质量状态评分，可以包括：
根据预设的第二评分等级匹配产出粮食对应的第二质量状态信息，得到第二质量状态信息对应的质量评分。
根据预设的评分系数与评分算法，对第二质量状态信息对应的质量评分进行计算，得到产出粮食的第二质量状态评分。
其中，预设的第二评分等级可以理解为：当产出粮食的第二质量状态信息包括蛋白质的含量时，将对应蛋白质的含量值划分为四个区间等级进行评分，该四个区间等级可以包括：100分(含量为4.5g/100g～6g/100g)、80分(含量为3g/100g～4.4g/100g)、60分(含量为2g/100g～2.9/100g)、0分(含量<2g/100g)，本发明实施例不做限定。
本发明实施例中，可选的，预设的评分系数可以表示为每一个质量评分对应的评分系数。设第二质量状态信息对应的质量评分的个数为i，每一个第二质量状态信息对应的质量评分为ci，每一个质量评分对应的评分系数为ki，则第二质量状态评分的具体计算方式可以表示为：
其中，评分系数ki之和等于1。
这样检测第二质量状态信息的检测设备种类越丰富，越提高粮食质量监控的效率以及准确性；并且根据第二质量状态信息、预设的评分系数与评分算法计算得到产出粮食的第二质量状态评分，有利于进一步地提高粮食质量监控的准确性。
103、根据第一质量状态评分与第二质量状态评分计算得到产出粮食最终的第三质量状态评分。
本发明实施例中，可选的，第三质量状态评分用于确定产出粮食的食品质量等级。
本发明实施例中，可选的，可以通过第一质量状态评分、第二质量状态评分对应的评分系数计算第一质量状态评分与第二质量状态评分的加权平均值，得到产出粮食最终的第三质量状态评分。
第三质量状态评分的具体计算方式可以表示为：
其中，第一评分系数与第二评分系数之和等于1。
这样根据第一质量状态评分与第二质量状态评分计算得到产出粮食最终的第三质量状态评分，并根据第三质量状态评分确定产出粮食的食品质量等级，保证了粮食出产的品质安全，从而有利于进一步地提高粮食质量监控的准确性。
在一个可选的实施例中，在执行步骤102之后，该方法还可以包括以下操作：
判断第三质量状态评分是否小于预设的第三评分阈值(例如80分)。
当判断出根据第三质量状态评分小于第三评分阈值时，确定出第三质量状态评分对应的产出粮食为食品质量等级未合格的食品，并向生产站点发送产出粮食为食品质量等级未合格的食品的提示信息，以使生产站点对产出粮食进行无公害化的处理操作，其中，无公害化处理可以包括填埋处理、焚烧处理、堆肥处理等中的至少一种。
在该可选的实施例中，可选的，该方法还可以包括以下操作：
当判断出根据第三质量状态评分大于等于第三评分阈值时，确定出第三质量状态评分对应的产出粮食为食品质量等级合格的食品，并向生产站点发送产出粮食为食品质量等级合格的食品的提示信息，以使生产站点对产出粮食进行包装上市的处理操作。
可见，该可选的实施例能够根据第三质量状态评分判断出产出粮食是否为食品质量合格的食品，当判断出产出粮食合格时，发送提示信息以使生产站点对产出粮食进行包装上市，当判断出产出粮食不合格时，发送提示信息以使生产站点对产出粮食进行无公害化处理，有利提高粮食质量监控的准确性。
可见，实施图1所描述的方法能够利用采集设备实时地获取每一个生产站点的粮食的第一质量状态信息，以及利用检测设备实时地获取每一个生产站点的粮食的第二质量状态信息，有利于提高对各个粮食生产站点内粮食质量监控的实时性以及准确性；通过计算每一个生产站点内产出粮食的质量状态信息确定出产出粮食的食品质量等级，保证了粮食的品质安全，进一步地提高各个粮食生产站点内粮食质量监控的效率以及准确性。
实施例二
请参阅图2，图2本发明实施例公开的一种基于物联网的粮食质量监控方法的流程示意图。其中，图2描述的基于物联网的粮食质量监控方法可以应用于基于物联网的粮食质量监控系统，且该系统可以应用于物联网(例如：粮食生产供应网链等)中。其中，该系统与至少一个粮食生产站点的子系统相连，该系统地PC终端、本地服务器等本地终端设备，也可以应用于云计算机、云服务器等云终端设备，本发明实施例不做限定。如图1所示，该基于物联网的粮食质量监控方法可以包括以下操作：
201、通过每一个生产站点内的采集设备采集当前生产站点内产出粮食的第一质量状态信息，根据第一质量状态信息计算得到产出粮食的第一质量状态评分。
202、通过检测设备检测产出粮食得到产出粮食的第二质量状态信息，根据第二质量状态信息计算得到产出粮食的第二质量状态评分。
203、根据第一质量状态评分与第二质量状态评分计算得到产出粮食最终的第三质量状态评分。
204、记录预设的历史时间内每一批次产出粮食的第一质量状态信息与第二质量状态评分。
205、根据深度学习算法对预设的历史时间内每一批次产出粮食对应的第一质量状态信息、第二质量状态信息以及对应的食品质量等级进行训练，得到所有批次产出粮食对应的第一质量状态信息、对应的第二质量状态信息与对应的食品质量等级的关系模型。
本发明实施例中，深度学习算法可以采用前馈神经网络算法(FNN)、卷积神经网络算法(CNN)、循环神经网络算法(RNN)等中的至少一种。
本发明实施例中，可选的，还可以根据该关系模型预测出与不同食品质量等级的产出粮食对应关联度最高的第一质量状态信息或第二质量状态信息，能够为粮食质量监控做参照模型。
206、根据关系模型确定出与对应食品质量等级的关联度最高的第一质量状态信息与第二质量状态信息，并根据与对应食品质量等级的关联度最高的第一质量状态信息与第二质量状态信息调整后续采集设备所需采集的第一质量状态信息与检测设备所需检测的第二质量状态信息。
本发明实施例中，可选的，当所需采集检测的产出粮食为大豆时，可以根据关系模型确定出与对应食品质量等级的关联度(影响度)最高的第一质量状态信息为大豆的单位重量，第二质量状态信息为大豆的蛋白质含量，后续可以针对性地调整所需采集与检测的粮食信息，着重采集大豆的单位重量信息与蛋白质含量信息。
本发明实施例中，需要说明的是，针对步骤201-203的相关描述，请参阅实施例一中针对步骤101-103的详细描述，本发明实施例不再赘述。
可见，本发明实施例还能够根据深度学习算法训练得到产出粮食对应的第一质量状态信息、对应的第二质量状态信息与对应的食品质量等级的关系模型，以及利用关系模型确定出与对应食品质量等级的关联度最高的第一质量状态信息与第二质量状态信息，能够对粮食有针对性地进行精确化的质量监控，并根据第一质量状态信息与第二质量状态信息调整粮食信息采集与检测的方式，使粮食信息采集与检测更具灵活性，保证了粮食的品质安全，从而进一步地提高粮食质量监控的效率与准确性。
可见，实施图2所描述的方法能够利用采集设备实时地获取每一个生产站点的粮食的第一质量状态信息，以及利用检测设备实时地获取每一个生产站点的粮食的第二质量状态信息，有利于提高对各个粮食生产站点内粮食质量监控的实时性以及准确性；通过计算每一个生产站点内产出粮食的质量状态信息确定出产出粮食的食品质量等级，有利于提高各个粮食生产站点内粮食质量监控的效率以及准确性；以及，还根据深度学习算法训练得到产出粮食对应的第一质量状态信息、对应的第二质量状态信息与对应的食品质量等级的关系模型，以及利用关系模型确定出与对应食品质量等级的关联度最高的第一质量状态信息与第二质量状态信息，能够对粮食有针对性地进行精确化的质量监控，并根据第一质量状态信息与第二质量状态信息调整粮食信息采集与检测的方式，使粮食信息采集与检测更具灵活性，从而进一步地提高粮食质量监控的效率与准确性。
实施例三
请参阅图3，图3本发明实施例公开的一种基于物联网的粮食质量监控系统的结构示意图。其中，图3描述的基于物联网的粮食质量监控系统可以执行上述基于物联网的粮食质量监控方法，且该系统可以应用于物联网(例如：粮食生产供应网链等)中。其中，该系统与至少一个粮食生产站点的子系统相连，该系统地PC终端、本地服务器等本地终端设备，也可以应用于云计算机、云服务器等云终端设备，本发明实施例不做限定。如图3所示，该系统可以包括：采集模块301、计算模块302、检测模块303，其中：
采集模块301，用于通过每一个生产站点内的采集设备采集当前生产站点内产出粮食的第一质量状态信息。
计算模块302，用于根据采集模块301采集得到的第一质量状态信息计算得到产出粮食的第一质量状态评分。
检测模块303，用于通过检测设备检测产出粮食得到产出粮食的第二质量状态信息。
计算模块302，还用于根据检测模块303检测得到的第二质量状态信息计算得到产出粮食的第二质量状态评分。
计算模块302，还用于根据第一质量状态评分与第二质量状态评分计算得到产出粮食最终的第三质量状态评分，第三质量状态评分用于确定产出粮食的食品质量等级。
可见，实施图3的基于物联网的粮食质量监控系统能够利用采集设备实时地获取每一个生产站点的粮食的第一质量状态信息，以及利用检测设备实时地获取每一个生产站点的粮食的第二质量状态信息，有利于提高对各个粮食生产站点内粮食质量监控的实时性以及准确性；通过计算每一个生产站点内产出粮食的质量状态信息确定出产出粮食的食品质量等级，保证了粮食产出的品质安全，进一步地提高各个粮食生产站点内粮食质量监控的效率以及准确性。
在一个可选的实施例中，第一质量状态信息包括：产出粮食的物理状态信息、产出粮食的生产区域内的环境状态信息。以及，如图4所示，采集模块301通过每一个生产站点内的采集设备采集当前生产站点内产出粮食的第一质量状态信息的具体方式为：
通过每一个生产站点内的采集设备采集当前生产站点内产出粮食的物理状态信息与产出粮食的生产区域内的环境状态信息。
其中，物理状态信息包括：产出粮食的温度、湿度、重量、色泽、纹理、气味中的至少一种，环境状态信息包括：当前生产区域内的温度、湿度、气压值、微生物种类以及数量，采集设备包括温度测量设备、湿度测量设备、称量设备、摄像设备、气压测量设备、微生物监测设备中的至少一种。
可见，实施图4的基于物联网的粮食质量监控系统能够通过采集设备采集产出粮食对应的物理状态信息、生产区域对应的环境状态信息，且信息越详细，越有利于提高粮食质量监控的效率以及准确性。
在另一个可选的实施例中，如图4所示，计算模块302根据第一质量状态信息计算得到产出粮食的第一质量状态评分的具体方式为：
根据预设的物理状态评分等级匹配产出粮食对应的物理状态信息，得到物理状态信息对应的物理状态评分。
根据预设的环境状态评分等级匹配生产区域对应的环境状态信息，得到环境状态信息对应的环境状态评分。
根据预设的评分系数与评分算法，对物理状态评分与环境状态评分进行计算，得到产出粮食的第一质量状态评分。
可见，实施图4的基于物联网的粮食质量监控系统能够根据产出粮食对应的物理状态信息、生产区域对应的环境状态信息、预设的评分系数与评分算法计算得到产出粮食的第一质量状态评分，有利于进一步地提高粮食质量监控的准确性。
在又一种可选的实施例中，检测设备包括：质谱仪、色谱仪、光谱仪中的至少一种，第二质量状态信息包括：产出粮食所包含的有机物种类、对应有机物的含量、无机物种类、对应无机物的含量。
以及，如图4所示，计算模块302根据第二质量状态信息计算得到产出粮食的第二质量状态评分的具体方式为：
根据预设的第二评分等级匹配产出粮食对应的第二质量状态信息，得到第二质量状态信息对应的质量评分。
根据预设的评分系数与评分算法，对第二质量状态信息对应的质量评分进行计算，得到产出粮食的第二质量状态评分。
可见，实施图4的基于物联网的粮食质量监控系统能够通过检测设备检测第二质量状态信息，且信息越详细，越提高粮食质量监控的效率以及准确性；还能够根据第二质量状态信息、预设的评分系数与评分算法计算得到产出粮食的第二质量状态评分，保证了粮食的品质安全，有利于进一步地提高粮食质量监控的准确性。
在又一种可选的实施例中，如图4所示，在计算模块302根据第一质量状态评分与第二质量状态评分计算得到产出粮食最终的第三质量状态评分之后，该系统还包括：
判断模块304，用于判断计算模块302计算得到的第三质量状态评分是否小于预设的第三评分阈值；
第一确定模块305，用于当判断模块304判断出根据第三质量状态评分小于第三评分阈值时，确定出第三质量状态评分对应的产出粮食为食品质量等级未合格的食品。
发送模块306，用于向生产站点发送第一确定模块305确定出的产出粮食为食品质量等级未合格的食品的提示信息，以使生产站点对产出粮食进行无公害化的处理操作。
可见，实施图4的基于物联网的粮食质量监控系统能够根据第三质量状态评分判断出产出粮食是否为食品质量合格的食品，当判断出产出粮食不合格时，发送提示信息以使生产站点对产出粮食进行无公害化处理，有利提高粮食质量监控的准确性。
在又一种可选的实施例中，如图4所示，该系统还包括：
第一确定模块305，还用于当判断模块304判断出根据第三质量状态评分大于等于第三评分阈值时，确定出第三质量状态评分对应的产出粮食为食品质量等级合格的食品。
发送模块306，还用于向生产站点发送第一确定模块305确定出的产出粮食为食品质量等级合格的食品的提示信息，以使生产站点对产出粮食进行包装上市的处理操作。
可见，实施图4的基于物联网的粮食质量监控系统能够根据第三质量状态评分判断出产出粮食是否为食品质量合格的食品，当判断出产出粮食合格时，发送提示信息以使生产站点对产出粮食进行包装上市，有利提高粮食质量监控的准确性。
在又一种可选的实施例中，如图4所示，该系统还包括：
记录模块307，用于记录预设的历史时间内采集模块301采集到的每一批次产出粮食的第一质量状态信息与检测模块303检测出的第二质量状态评分。
训练模块308，用于根据深度学习算法对记录模块307记录的预设的历史时间内每一批次产出粮食对应的第一质量状态信息、第二质量状态信息以及对应的食品质量等级进行训练，得到所有批次产出粮食对应的第一质量状态信息、对应的第二质量状态信息与对应的食品质量等级的关系模型。
第二确定模块309，用于根据训练模块308训练得到的关系模型确定出与对应食品质量等级的关联度最高的第一质量状态信息与第二质量状态信息。
调整模块310，用于根据第二确定模块309确定出的与对应食品质量等级的关联度最高的第一质量状态信息与第二质量状态信息调整后续采集设备所需采集的第一质量状态信息与检测设备所需检测的第二质量状态信息。
可见，实施图4的基于物联网的粮食质量监控系统能够根据深度学习算法训练得到产出粮食对应的第一质量状态信息、对应的第二质量状态信息与对应的食品质量等级的关系模型，以及利用关系模型确定出与对应食品质量等级的关联度最高的第一质量状态信息与第二质量状态信息，能够对粮食有针对性地进行精确化的质量监控，并根据第一质量状态信息与第二质量状态信息调整粮食信息采集与检测的方式，使粮食信息采集与检测更具灵活性，保证了粮食产出的品安全，从而进一步地提高粮食质量监控的效率与准确性。
实施例四
请参阅图5，图5是本发明实施例公开的又一种基于物联网的粮食质量监控系统的结构示意图。如图5所示，该基于物联网的粮食质量监控系统可以包括：
存储有可执行程序代码的存储器401；
与存储器401耦合的处理器402；
处理器402调用存储器401中存储的可执行程序代码，执行本发明实施例一或本发明实施例二所描述的基于物联网的粮食质量监控方法中的步骤。
实施例五
本发明实施例公开了一种计算机存储介质，该计算机存储介质存储有计算机指令，该计算机指令被调用时，用于执行本发明实施例一或本发明实施例二所描述的基于物联网的粮食质量监控方法中的步骤。
实施例六
本发明实施例公开了一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行实施例一或实施例二中所描述的基于物联网的粮食质量监控方法中的步骤。
以上所描述的系统实施例仅是示意性的，其中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模块，即可以位于一个地方，或者也可以分布到多个网络模块上。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。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory，EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是：本发明实施例公开的一种基于物联网的粮食质量监控方法及系统所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。
Claims (10)
1.一种基于物联网的粮食质量监控方法，其特征在于，所述方法包括：
通过每一个生产站点内的采集设备采集当前生产站点内产出粮食的第一质量状态信息，根据所述第一质量状态信息计算得到所述产出粮食的第一质量状态评分；
通过检测设备检测所述产出粮食得到所述产出粮食的第二质量状态信息，根据所述第二质量状态信息计算得到所述产出粮食的第二质量状态评分；
根据所述第一质量状态评分与所述第二质量状态评分计算得到所述产出粮食最终的第三质量状态评分，所述第三质量状态评分用于确定所述产出粮食的食品质量等级。
2.根据权利要求1所述的基于物联网的粮食质量监控方法，其特征在于，所述第一质量状态信息包括：所述产出粮食的物理状态信息、所述产出粮食的生产区域内的环境状态信息；
所述通过每一个生产站点内的采集设备采集当前生产站点内产出粮食的第一质量状态信息，包括：
通过每一个生产站点内的采集设备采集当前生产站点内产出粮食的物理状态信息与所述产出粮食的生产区域内的环境状态信息；
其中，所述物理状态信息包括：所述产出粮食的温度、湿度、重量、色泽、纹理、气味中的至少一种，所述环境状态信息包括：当前所述生产区域内的温度、湿度、气压值、微生物种类以及数量，所述采集设备包括温度测量设备、湿度测量设备、称量设备、摄像设备、气压测量设备、微生物监测设备中的至少一种。
3.根据权利要求2所述的基于物联网的粮食质量监控方法，其特征在于，所述根据所述第一质量状态信息计算得到所述产出粮食的第一质量状态评分，包括：
根据预设的物理状态评分等级匹配所述产出粮食对应的物理状态信息，得到所述物理状态信息对应的物理状态评分；
根据预设的环境状态评分等级匹配所述生产区域对应的环境状态信息，得到所述环境状态信息对应的环境状态评分；
根据预设的评分系数与评分算法，对所述物理状态评分与所述环境状态评分进行计算，得到所述产出粮食的第一质量状态评分。
4.根据权利要求1所述的基于物联网的粮食质量监控方法，其特征在于，所述检测设备包括：质谱仪、色谱仪、光谱仪中的至少一种，所述第二质量状态信息包括：所述产出粮食所包含的有机物种类、对应有机物的含量、无机物种类、对应无机物的含量；
所述根据所述第二质量状态信息计算得到所述产出粮食的第二质量状态评分，包括：
根据预设的第二评分等级匹配所述产出粮食对应的第二质量状态信息，得到所述第二质量状态信息对应的质量评分；
根据预设的评分系数与评分算法，对所述第二质量状态信息对应的质量评分进行计算，得到所述产出粮食的第二质量状态评分。
5.根据权利要求1-4任一项所述的基于物联网的粮食质量监控方法，其特征在于，在所述根据所述第一质量状态评分与所述第二质量状态评分计算得到所述产出粮食最终的第三质量状态评分之后，所述方法还包括：
判断所述第三质量状态评分是否小于预设的第三评分阈值；
当判断出根据所述第三质量状态评分小于所述第三评分阈值时，确定出所述第三质量状态评分对应的产出粮食为食品质量等级未合格的食品，并向所述生产站点发送所述产出粮食为食品质量等级未合格的食品的提示信息，以使所述生产站点对所述产出粮食进行无公害化的处理操作。
6.根据权利要求5所述的基于物联网的粮食质量监控方法，其特征在于，所述方法还包括：
当判断出根据所述第三质量状态评分大于等于所述第三评分阈值时，确定出所述第三质量状态评分对应的产出粮食为食品质量等级合格的食品，并向所述生产站点发送所述产出粮食为食品质量等级合格的食品的提示信息，以使所述生产站点对所述产出粮食进行包装上市的处理操作。
7.根据权利要求1或6所述的基于物联网的粮食质量监控方法，其特征在于，所述还方法包括：
记录预设的历史时间内每一批次产出粮食的第一质量状态信息与第二质量状态评分；
根据深度学习算法对所述预设的历史时间内每一批次产出粮食对应的第一质量状态信息、第二质量状态信息以及对应的食品质量等级进行训练，得到所有批次产出粮食对应的第一质量状态信息、对应的第二质量状态信息与对应的食品质量等级的关系模型；
根据所述关系模型确定出与对应食品质量等级的关联度最高的第一质量状态信息与第二质量状态信息，并根据所述与对应食品质量等级的关联度最高的第一质量状态信息与第二质量状态信息调整后续所述采集设备所需采集的第一质量状态信息与所述检测设备所需检测的第二质量状态信息。
8.一种基于物联网的粮食质量监控系统，其特征在于，所述系统包括：
采集模块，用于通过每一个生产站点内的采集设备采集当前生产站点内产出粮食的第一质量状态信息；
计算模块，用于根据所述采集模块采集得到的所述第一质量状态信息计算得到所述产出粮食的第一质量状态评分；
检测模块，用于通过检测设备检测所述产出粮食得到所述产出粮食的第二质量状态信息；
所述计算模块，还用于根据所述检测模块检测得到的所述第二质量状态信息计算得到所述产出粮食的第二质量状态评分；
所述计算模块，还用于根据所述第一质量状态评分与所述第二质量状态评分计算得到所述产出粮食最终的第三质量状态评分，所述第三质量状态评分用于确定所述产出粮食的食品质量等级。
9.一种基于物联网的粮食质量监控系统，其特征在于，所述系统包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-7任一项所述的基于物联网的粮食质量监控系统。
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-7任一项所述的基于物联网的粮食质量监控方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310721670.1A CN116777273A (zh) | 2023-06-16 | 2023-06-16 | 一种基于物联网的粮食质量监控方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310721670.1A CN116777273A (zh) | 2023-06-16 | 2023-06-16 | 一种基于物联网的粮食质量监控方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116777273A true CN116777273A (zh) | 2023-09-19 |
Family
ID=87992448
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310721670.1A Pending CN116777273A (zh) | 2023-06-16 | 2023-06-16 | 一种基于物联网的粮食质量监控方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116777273A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107219827A (zh) * | 2017-05-02 | 2017-09-29 | 华中农业大学 | 稻米食品全产业链信息系统、建立方法及应用 |
| US20190041374A1 (en) * | 2017-08-03 | 2019-02-07 | Central South University Of Forestry And Technology | Rapid screening method of processing raw rice for rice products |
| CN110414859A (zh) * | 2019-08-05 | 2019-11-05 | 吉林大学 | 一种基于物联网技术的优质稻谷收储作业5t管理系统及其评价方法 |
| CN113706002A (zh) * | 2021-08-20 | 2021-11-26 | 华中农业大学 | 一种基于食品安全知识库的监管平台、方法及存储介质 |
| CN115829321A (zh) * | 2022-11-22 | 2023-03-21 | 成都市食品检验研究院 | 一种食品企业加工过程风险智能化处置系统 |
| US20230186080A1 (en) * | 2022-09-30 | 2023-06-15 | Intel Corporation | Neural feature selection and feature interaction learning |
-
2023
- 2023-06-16 CN CN202310721670.1A patent/CN116777273A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107219827A (zh) * | 2017-05-02 | 2017-09-29 | 华中农业大学 | 稻米食品全产业链信息系统、建立方法及应用 |
| US20190041374A1 (en) * | 2017-08-03 | 2019-02-07 | Central South University Of Forestry And Technology | Rapid screening method of processing raw rice for rice products |
| CN110414859A (zh) * | 2019-08-05 | 2019-11-05 | 吉林大学 | 一种基于物联网技术的优质稻谷收储作业5t管理系统及其评价方法 |
| CN113706002A (zh) * | 2021-08-20 | 2021-11-26 | 华中农业大学 | 一种基于食品安全知识库的监管平台、方法及存储介质 |
| US20230186080A1 (en) * | 2022-09-30 | 2023-06-15 | Intel Corporation | Neural feature selection and feature interaction learning |
| CN115829321A (zh) * | 2022-11-22 | 2023-03-21 | 成都市食品检验研究院 | 一种食品企业加工过程风险智能化处置系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114170513B (zh) | 一种草地贪夜蛾的虫情监测方法、系统及存储介质 | |
| CN111767802B (zh) | 一种对象异常状态的检测方法和装置 | |
| CN110456026B (zh) | 一种土壤墒情监测方法及装置 | |
| CN109273096A (zh) | 一种基于机器学习的药品风险分级评估方法 | |
| CN112288597A (zh) | 一种基于层次聚类和直方图算法的能耗在线异常检测方法 | |
| CN111414586A (zh) | 一种环境监测方法及系统 | |
| CN115342859A (zh) | 一种多功能粮情检测系统及检测方法 | |
| CN115454176A (zh) | 一种基于物联网的智慧农业大棚通风控制系统 | |
| CN117073768A (zh) | 肉牛养殖管理系统及其方法 | |
| CN114608741A (zh) | 一种基于大数据的压力传感器采集系统 | |
| CN116843236A (zh) | 一种基于人工智能的食品存储监管系统 | |
| CN113791650A (zh) | 一种臭氧浓度的调节方法及系统 | |
| CN117954126B (zh) | 基于多传感数据融合的兽药在线监测系统及方法 | |
| CN115034303A (zh) | 一种食品有害物质定向检测方法及系统 | |
| CN117332904A (zh) | 一种基于数字孪生系统的输配电线路树障预测方法及装置 | |
| CN116777273A (zh) | 一种基于物联网的粮食质量监控方法及系统 | |
| CN116189896B (zh) | 一种基于云端的糖尿病健康数据预警方法及系统 | |
| CN116452358B (zh) | 基于物联网的智慧农业管理系统 | |
| CN115361424A (zh) | 一种基于物联网数据分析的医疗设备监控方法和系统 | |
| CN115777560A (zh) | 一种基于机器视觉分析技术的母猪智能化饲喂系统 | |
| CN115359050A (zh) | 家畜采食量异常检测方法及装置 | |
| US20230074474A1 (en) | Parameter adjustment apparatus, inference apparatus, parameter adjustment method, and computer-readable storage medium storing a parameter adjustment program | |
| CN113958463A (zh) | 风机叶片在线监测方法、系统及装置 | |
| CN112907096A (zh) | 一种重金属污染风险评估系统 | |
| Abdulla et al. | Deep learning and IoT for Monitoring Tomato Plant. |
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 |