CN116823068A - 一种餐饮食品供应链管理系统 - Google Patents
一种餐饮食品供应链管理系统 Download PDFInfo
- Publication number
- CN116823068A CN116823068A CN202311091176.8A CN202311091176A CN116823068A CN 116823068 A CN116823068 A CN 116823068A CN 202311091176 A CN202311091176 A CN 202311091176A CN 116823068 A CN116823068 A CN 116823068A
- Authority
- CN
- China
- Prior art keywords
- food
- storage
- label
- information
- food supply
- 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 197
- 238000013068 supply chain management Methods 0.000 title claims abstract description 23
- 238000004519 manufacturing process Methods 0.000 claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 230000002159 abnormal effect Effects 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims description 45
- 238000000034 method Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 4
- 239000013598 vector Substances 0.000 claims description 4
- 238000003066 decision tree Methods 0.000 claims description 3
- 230000006866 deterioration Effects 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 6
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 241000894006 Bacteria Species 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
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
- Medical Treatment And Welfare Office Work (AREA)
- General Preparation And Processing Of Foods (AREA)
Abstract
本发明公开了一种餐饮食品供应链管理系统,属于数据处理技术领域,包括食品储存节点匹配单元、食品供应标签生成单元和食品供应标签解析单元;食品储存节点匹配单元用于获取食品的生产信息,并根据食品的生产信息匹配对应的储存节点;食品供应标签生成单元用于获取食品在储存节点的储存信息,生成对应的食品供应标签;食品供应标签解析单元用于对食品供应标签进行解析,剔除食品供应标签异常的食品。该餐饮食品供应链管理系统通过构建标签解析模型对供应标签进行解析,识别并剔除储存异常的食品,保证整个供应链的食品新鲜无变质。
Description
技术领域
本发明属于数据处理技术领域,具体涉及一种餐饮食品供应链管理系统。
背景技术
餐饮食品行业是一个特殊的行业,它关系到日常生活的品质,所以对保质期、卫生条件和存储条件等都有极高的要求,这使得食品供应链有一些特殊的地方,比如对供应链中温湿度的保存条件都要求非常高,对保质期有严格的要求。现有供应链管理系统多采用人工录入和人工实时修改,容易出现差错。
发明内容
本发明为了解决以上问题,提出了一种餐饮食品供应链管理系统。
本发明的技术方案是:一种餐饮食品供应链管理系统包括食品储存节点匹配单元、食品供应标签生成单元和食品供应标签解析单元;
食品储存节点匹配单元用于获取食品的生产信息,并根据食品的生产信息匹配对应的储存节点;
食品供应标签生成单元用于获取食品在储存节点的储存信息,生成对应的食品供应标签;
食品供应标签解析单元用于对食品供应标签进行解析,剔除食品供应标签异常的食品。
进一步地,食品储存节点匹配单元匹配储存节点包括以下步骤:
获取食品的生产信息和各个储存节点的工作信息;
根据食品的生产信息,生成食品的生产残差函数;
根据各个储存节点的工作信息,生成各个储存节点的储存残差函数;
构建节点匹配函数,将生产残差函数和储存残差函数输入至节点匹配函数中,生成节点匹配值,并将节点匹配值最大的储存节点作为最终的储存节点。
进一步地,食品的生产残差函数H的表达式为:
;式中,Tm1表示第m个食品的最高适宜储存温度,Tm0表示第m个食品的最低适宜储存温度,Tm表示第m个食品的实际储存温度,Fm1表示第m个食品在最高适宜储存温度的最长储存时长,Fm0表示第m个食品在最低适宜储存温度的最长储存时长,Sm1表示第m个食品的最高适宜储存湿度,Sm0表示第m个食品的最低适宜储存湿度,Sm表示第m个食品的实际储存湿度,Fm3表示第m个食品在最高适宜储存湿度的最长储存时长,Fm2表示第m个食品在最低适宜储存湿度的最长储存时长,M表示食品数量。
上述进一步方案的有益效果是:在本发明中,食品一般储存在一个温度区间和湿度区间适宜的环境,否则食品容易出现腐烂以及细菌繁殖等情况,所以需根据食品的最佳温湿度储存区间和储存时长构建生产残差函数,该生产残差函数可以反映食品对储存环境的需求,便于后续与储存节点进行匹配。
进一步地,储存节点的储存残差函数G的表达式为:
;式中,N表示储存节点的最大可存储食品数量,t1表示储存节点的最高工作温度,t0表示储存节点的最低工作温度,t表示储存节点的实际工作温度,s1表示储存节点的最高工作湿度,s0表示储存节点的最低工作湿度,s表示储存节点的实际工作湿度,e表示指数。
上述进一步方案的有益效果是:在本发明中,储存节点为食品提供一个良好的储存环境,储存节点可工作的温湿度区间以及储存节点可受到的光照强度都可以影响储存节点为食品提供的环境好坏,所以本发明将上述因素输入至储存残差函数中,便于后续步骤与食品进行匹配。
进一步地,节点匹配函数Z的表达式为:
;式中,H表示食品的生产残差函数,G表示储存节点的储存残差函数,α1表示生产残差函数的权重,α2表示储存残差函数的权重。
进一步地,食品供应标签生成单元生成食品供应标签包括以下步骤:
获取食品在储存节点的储存信息,利用决策树算法对储存信息进行分类,得到数值类别的储存信息和文本类别的储存信息;
生成数值类别的储存信息对应的加密系数和文本类别的储存信息对应的加密系数;
根据数值类别的储存信息对应的加密系数和文本类别的储存信息对应的加密系数,生成加密储存信息;
基于加密储存信息,利用深度学习算法生成对应的食品供应标签。
上述进一步方案的有益效果是:在本发明中,储存信息实质上是数据信息和文本信息的结合,其包含了食品在储存节点储存期间的信息。利用神经网络等深度学习算法对文本进行建模和分析,从而实现标签的自动生成。
进一步地,数值类别的储存信息对应的加密系数u的计算公式为:
;式中,p表示随机素数,L表示数值类别的储存信息中数值个数,cl表示第l个数值在储存信息中出现的频率;
文本类别的储存信息对应的加密系数v的计算公式为:
;式中,K表示文本类别的储存信息中单词个数,T表示转置运算,Ck表示第k个单词的词向量,fk表示第k个单词的词频。
上述进一步方案的有益效果是:在本发明中,数值和单词出现的频率可以决定在加密过程中的优先级,出现频率越高表示该单词或该数值可能越重要,因此通过出现频率计算得到的加密系数可以决定加密顺序。
进一步地,加密储存信息的生成方法具体为:将所有加密系数从大到小排列,生成加密顺序序列,按照加密顺序序列,利用RSA加密算法对储存信息进行加密。
进一步地,食品供应标签解析单元剔除食品供应标签异常的食品的具体方法为:将各个食品供应标签输入至标签解析模型中,生成各个食品供应标签对应的标签解析值,将标签解析值低于所有标签解析值均值的食品供应标签剔除。
上述进一步方案的有益效果是:在本发明中,构建的标签解析模型以食品供应标签本身的存储容量和储存信息的加密系数为输入参数,对标签进行解析处理,使得模型更贴近于标签本身。
进一步地,标签解析模型Z的表达式为:
;式中,σ表示食品供应标签的存储容量,u表示数值类别的储存信息对应的加密系数,v表示文本类别的储存信息对应的加密系数,A表示文本类别的储存信息中单词的矩阵。
本发明的有益效果是:
(1)该餐饮食品供应链管理系统通过采集食品的生产信息和储存节点的工作信息,为食品匹配环境最适宜的储存节点,从而避免食品出现因储存条件不当导致变质的情况发生;
(2)该餐饮食品供应链管理系统为储存在储存节点中的食品生成供应标签,且对储存信息进行加密,保证食品储存信息的安全性,避免出现信息泄露的情况;
(3)该餐饮食品供应链管理系统通过构建标签解析模型对供应标签进行解析,识别并剔除储存异常的食品,保证整个供应链的食品新鲜无变质。
附图说明
图1为餐饮食品供应链管理系统的结构图。
具体实施方式
下面结合附图对本发明的实施例作进一步的说明。
如图1所示,本发明提供了一种餐饮食品供应链管理系统,包括食品储存节点匹配单元、食品供应标签生成单元和食品供应标签解析单元;
食品储存节点匹配单元用于获取食品的生产信息,并根据食品的生产信息匹配对应的储存节点;
食品供应标签生成单元用于获取食品在储存节点的储存信息,生成对应的食品供应标签;
食品供应标签解析单元用于对食品供应标签进行解析,剔除食品供应标签异常的食品。
在本发明实施例中,食品储存节点匹配单元匹配储存节点包括以下步骤:
获取食品的生产信息和各个储存节点的工作信息;
根据食品的生产信息,生成食品的生产残差函数;
根据各个储存节点的工作信息,生成各个储存节点的储存残差函数;
构建节点匹配函数,将生产残差函数和储存残差函数输入至节点匹配函数中,生成节点匹配值,并将节点匹配值最大的储存节点作为最终的储存节点。
食品的生产信息包括食品数量、食品最佳储存温度区间、食品储存湿度和食品存储时长等。储存节点的工作信息包括储存节点可以容纳的最大食品数量、最高工作温度、最低工作温度、最高工作湿度、最低工作湿度、实时工作温度和实时工作湿度。
在本发明实施例中,食品的生产残差函数H的表达式为:
;式中,Tm1表示第m个食品的最高适宜储存温度,Tm0表示第m个食品的最低适宜储存温度,Tm表示第m个食品的实际储存温度,Fm1表示第m个食品在最高适宜储存温度的最长储存时长,Fm0表示第m个食品在最低适宜储存温度的最长储存时长,Sm1表示第m个食品的最高适宜储存湿度,Sm0表示第m个食品的最低适宜储存湿度,Sm表示第m个食品的实际储存湿度,Fm3表示第m个食品在最高适宜储存湿度的最长储存时长,Fm2表示第m个食品在最低适宜储存湿度的最长储存时长,M表示食品数量。
在本发明中,食品一般储存在一个温度区间和湿度区间适宜的环境,否则食品容易出现腐烂以及细菌繁殖等情况,所以需根据食品的最佳温湿度储存区间和储存时长构建生产残差函数,该生产残差函数可以反映食品对储存环境的需求,便于后续与储存节点进行匹配。
在本发明实施例中,储存节点的储存残差函数G的表达式为:
;式中,N表示储存节点的最大可存储食品数量,t1表示储存节点的最高工作温度,t0表示储存节点的最低工作温度,t表示储存节点的实际工作温度,s1表示储存节点的最高工作湿度,s0表示储存节点的最低工作湿度,s表示储存节点的实际工作湿度,e表示指数。
在本发明中,储存节点为食品提供一个良好的储存环境,储存节点可工作的温湿度区间以及储存节点可受到的光照强度都可以影响储存节点为食品提供的环境好坏,所以本发明将上述因素输入至储存残差函数中,便于后续步骤与食品进行匹配。
在本发明实施例中,节点匹配函数Z的表达式为:
;式中,H表示食品的生产残差函数,G表示储存节点的储存残差函数,α1表示生产残差函数的权重,α2表示储存残差函数的权重。α1+α2=1。
在本发明实施例中,食品供应标签生成单元生成食品供应标签包括以下步骤:
获取食品在储存节点的储存信息,利用决策树算法对储存信息进行分类,得到数值类别的储存信息和文本类别的储存信息;
生成数值类别的储存信息对应的加密系数和文本类别的储存信息对应的加密系数;
根据数值类别的储存信息对应的加密系数和文本类别的储存信息对应的加密系数,生成加密储存信息;
基于加密储存信息,利用深度学习算法生成对应的食品供应标签。
在本发明中,储存信息实质上是数据信息和文本信息的结合,其包含了食品在储存节点储存期间的信息。利用神经网络等深度学习算法对文本进行建模和分析,从而实现标签的自动生成。
在本发明实施例中,数值类别的储存信息对应的加密系数u的计算公式为:
;式中,p表示随机素数,L表示数值类别的储存信息中数值个数,cl表示第l个数值在储存信息中出现的频率;
文本类别的储存信息对应的加密系数v的计算公式为:
;式中,K表示文本类别的储存信息中单词个数,T表示转置运算,Ck表示第k个单词的词向量,fk表示第k个单词的词频。
在本发明中,数值和单词出现的频率可以决定在加密过程中的优先级,出现频率越高表示该单词或该数值可能越重要,因此通过出现频率计算得到的加密系数可以决定加密顺序。
在本发明实施例中,加密储存信息的生成方法具体为:将所有加密系数从大到小排列,生成加密顺序序列,按照加密顺序序列,利用RSA加密算法对储存信息进行加密。
RSA加密算法是一种典型的非对称加密算法,它基于大数的因式分解数学难题,也是应用最广泛的非对称加密算法,其通过两个密钥(公私钥)来实现对数据的加密和解密。
在本发明实施例中,食品供应标签解析单元剔除食品供应标签异常的食品的具体方法为:将各个食品供应标签输入至标签解析模型中,生成各个食品供应标签对应的标签解析值,将标签解析值低于所有标签解析值均值的食品供应标签剔除。
在本发明中,构建的标签解析模型以食品供应标签本身的存储容量和储存信息的加密系数为输入参数,对标签进行解析处理,使得模型更贴近于标签本身。
在本发明实施例中,标签解析模型Z的表达式为:
;式中,σ表示食品供应标签的存储容量,u表示数值类别的储存信息对应的加密系数,v表示文本类别的储存信息对应的加密系数,A表示文本类别的储存信息中单词的矩阵。根据文本类别的储存信息中单词的词向量生成单词的矩阵。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (10)
1.一种餐饮食品供应链管理系统,其特征在于,包括食品储存节点匹配单元、食品供应标签生成单元和食品供应标签解析单元;
所述食品储存节点匹配单元用于获取食品的生产信息,并根据食品的生产信息匹配对应的储存节点;
所述食品供应标签生成单元用于获取食品在储存节点的储存信息,生成对应的食品供应标签;
所述食品供应标签解析单元用于对食品供应标签进行解析,剔除食品供应标签异常的食品。
2.根据权利要求1所述的餐饮食品供应链管理系统,其特征在于,所述食品储存节点匹配单元匹配储存节点包括以下步骤:
获取食品的生产信息和各个储存节点的工作信息;
根据食品的生产信息,生成食品的生产残差函数;
根据各个储存节点的工作信息,生成各个储存节点的储存残差函数;
构建节点匹配函数,将生产残差函数和储存残差函数输入至节点匹配函数中,生成节点匹配值,并将节点匹配值最大的储存节点作为最终的储存节点。
3.根据权利要求2所述的餐饮食品供应链管理系统,其特征在于,所述食品的生产残差函数H的表达式为:;
式中,Tm1表示第m个食品的最高适宜储存温度,Tm0表示第m个食品的最低适宜储存温度,Tm表示第m个食品的实际储存温度,Fm1表示第m个食品在最高适宜储存温度的最长储存时长,Fm0表示第m个食品在最低适宜储存温度的最长储存时长,Sm1表示第m个食品的最高适宜储存湿度,Sm0表示第m个食品的最低适宜储存湿度,Sm表示第m个食品的实际储存湿度,Fm3表示第m个食品在最高适宜储存湿度的最长储存时长,Fm2表示第m个食品在最低适宜储存湿度的最长储存时长,M表示食品数量。
4.根据权利要求2所述的餐饮食品供应链管理系统,其特征在于,所述储存节点的储存残差函数G的表达式为:
;
式中,N表示储存节点的最大可存储食品数量,t1表示储存节点的最高工作温度,t0表示储存节点的最低工作温度,t表示储存节点的实际工作温度,s1表示储存节点的最高工作湿度,s0表示储存节点的最低工作湿度,s表示储存节点的实际工作湿度,e表示指数。
5.根据权利要求2所述的餐饮食品供应链管理系统,其特征在于,所述节点匹配函数Z的表达式为:
;
式中,H表示食品的生产残差函数,G表示储存节点的储存残差函数,α1表示生产残差函数的权重,α2表示储存残差函数的权重。
6.根据权利要求1所述的餐饮食品供应链管理系统,其特征在于,所述食品供应标签生成单元生成食品供应标签包括以下步骤:
获取食品在储存节点的储存信息,利用决策树算法对储存信息进行分类,得到数值类别的储存信息和文本类别的储存信息;
生成数值类别的储存信息对应的加密系数和文本类别的储存信息对应的加密系数;
根据数值类别的储存信息对应的加密系数和文本类别的储存信息对应的加密系数,生成加密储存信息;
基于加密储存信息,利用深度学习算法生成对应的食品供应标签。
7.根据权利要求6所述的餐饮食品供应链管理系统,其特征在于,所述数值类别的储存信息对应的加密系数u的计算公式为:
;
式中,p表示随机素数,L表示数值类别的储存信息中数值个数,cl表示第l个数值在储存信息中出现的频率;
所述文本类别的储存信息对应的加密系数v的计算公式为:
;
式中,K表示文本类别的储存信息中单词个数,T表示转置运算,Ck表示第k个单词的词向量,fk表示第k个单词的词频。
8.根据权利要求6所述的餐饮食品供应链管理系统,其特征在于,所述加密储存信息的生成方法具体为:将所有加密系数从大到小排列,生成加密顺序序列,按照加密顺序序列,利用RSA加密算法对储存信息进行加密。
9.根据权利要求1所述的餐饮食品供应链管理系统,其特征在于,所述食品供应标签解析单元剔除食品供应标签异常的食品的具体方法为:将各个食品供应标签输入至标签解析模型中,生成各个食品供应标签对应的标签解析值,将标签解析值低于所有标签解析值均值的食品供应标签剔除。
10.根据权利要求9所述的餐饮食品供应链管理系统,其特征在于,所述标签解析模型Z的表达式为:
;
式中,σ表示食品供应标签的存储容量,u表示数值类别的储存信息对应的加密系数,v表示文本类别的储存信息对应的加密系数,A表示文本类别的储存信息中单词的矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311091176.8A CN116823068B (zh) | 2023-08-29 | 2023-08-29 | 一种餐饮食品供应链管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311091176.8A CN116823068B (zh) | 2023-08-29 | 2023-08-29 | 一种餐饮食品供应链管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116823068A true CN116823068A (zh) | 2023-09-29 |
CN116823068B CN116823068B (zh) | 2023-11-07 |
Family
ID=88139513
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311091176.8A Active CN116823068B (zh) | 2023-08-29 | 2023-08-29 | 一种餐饮食品供应链管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116823068B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117829698A (zh) * | 2024-03-06 | 2024-04-05 | 成都运荔枝科技有限公司 | 一种食品供应链调度管理系统 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009149437A (ja) * | 2007-11-28 | 2009-07-09 | Ishino Seisakusho Co Ltd | 飲食物容器の搬送管理システム |
CN102938114A (zh) * | 2012-09-20 | 2013-02-20 | 华东理工大学 | 基于rfid的冷链物流食品安全跟踪系统及其数据验证方法 |
CN109099967A (zh) * | 2018-07-25 | 2018-12-28 | 梧州市兴能农业科技有限公司 | 一种鲜食葡萄冷链物流的智能监控系统 |
KR20190123926A (ko) * | 2018-04-25 | 2019-11-04 | 박선민 | 식품 모니터링 방법 및 식품 이력 정보 위변조 방지 방법 |
CN111666269A (zh) * | 2020-05-29 | 2020-09-15 | 华中农业大学 | 食品安全大数据自动编码与全链条溯源体系 |
CN112214637A (zh) * | 2020-10-13 | 2021-01-12 | 广州飞柯科技有限公司 | 一种应用于智慧社区的数据存储方法 |
CN112906735A (zh) * | 2021-01-13 | 2021-06-04 | 淮阴工学院 | 一种食用菌环境大数据检测系统 |
CN112947642A (zh) * | 2021-02-04 | 2021-06-11 | 内蒙古工业大学 | 一种果蔬仓库多变量控制系统及方法 |
CN113435909A (zh) * | 2021-06-28 | 2021-09-24 | 广州盈救网络信息科技有限公司 | 基于食品安全的溯源及品质监控服务系统及方法 |
US20210366590A1 (en) * | 2020-05-21 | 2021-11-25 | Annie Mafotsing Soh | Rapid wearable data-driven bioelectronics device and platform for food freshness monitoring |
CN114119045A (zh) * | 2021-11-12 | 2022-03-01 | 中电智能技术南京有限公司 | 基于标识解析的数字冷链监测溯源方法及系统和使用方法 |
CN114819862A (zh) * | 2022-06-27 | 2022-07-29 | 中国信息通信研究院 | 冷链物流追溯服务方法、系统与存储介质 |
CN115564280A (zh) * | 2022-10-19 | 2023-01-03 | 安徽省凯杰机械制造有限公司 | 一种基于物联网的粮仓测虫用数据管理系统 |
CN116308068A (zh) * | 2023-05-17 | 2023-06-23 | 成都运荔枝科技有限公司 | 一种适用于仓库冷链食品的库房环境智能管控系统 |
CN116342152A (zh) * | 2023-05-30 | 2023-06-27 | 深圳市红禾谷生物科技有限公司 | 一种农产品的源产销信息追溯方法和系统 |
CN116384708A (zh) * | 2023-06-02 | 2023-07-04 | 国艺天成建设工程技术有限公司 | 一种基于数据分析的工程施工材料供应链管理系统 |
CN116432213A (zh) * | 2022-09-07 | 2023-07-14 | 北京工商大学 | 一种基于多链区块链的粮食供应链数据隐私保护方法 |
CN116452099A (zh) * | 2023-06-13 | 2023-07-18 | 成都运荔枝科技有限公司 | 一种基于大数据的冷链食品运输智能管理系统 |
-
2023
- 2023-08-29 CN CN202311091176.8A patent/CN116823068B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009149437A (ja) * | 2007-11-28 | 2009-07-09 | Ishino Seisakusho Co Ltd | 飲食物容器の搬送管理システム |
CN102938114A (zh) * | 2012-09-20 | 2013-02-20 | 华东理工大学 | 基于rfid的冷链物流食品安全跟踪系统及其数据验证方法 |
KR20190123926A (ko) * | 2018-04-25 | 2019-11-04 | 박선민 | 식품 모니터링 방법 및 식품 이력 정보 위변조 방지 방법 |
CN109099967A (zh) * | 2018-07-25 | 2018-12-28 | 梧州市兴能农业科技有限公司 | 一种鲜食葡萄冷链物流的智能监控系统 |
US20210366590A1 (en) * | 2020-05-21 | 2021-11-25 | Annie Mafotsing Soh | Rapid wearable data-driven bioelectronics device and platform for food freshness monitoring |
CN111666269A (zh) * | 2020-05-29 | 2020-09-15 | 华中农业大学 | 食品安全大数据自动编码与全链条溯源体系 |
CN112214637A (zh) * | 2020-10-13 | 2021-01-12 | 广州飞柯科技有限公司 | 一种应用于智慧社区的数据存储方法 |
CN112906735A (zh) * | 2021-01-13 | 2021-06-04 | 淮阴工学院 | 一种食用菌环境大数据检测系统 |
CN112947642A (zh) * | 2021-02-04 | 2021-06-11 | 内蒙古工业大学 | 一种果蔬仓库多变量控制系统及方法 |
CN113435909A (zh) * | 2021-06-28 | 2021-09-24 | 广州盈救网络信息科技有限公司 | 基于食品安全的溯源及品质监控服务系统及方法 |
CN114119045A (zh) * | 2021-11-12 | 2022-03-01 | 中电智能技术南京有限公司 | 基于标识解析的数字冷链监测溯源方法及系统和使用方法 |
CN114819862A (zh) * | 2022-06-27 | 2022-07-29 | 中国信息通信研究院 | 冷链物流追溯服务方法、系统与存储介质 |
CN116432213A (zh) * | 2022-09-07 | 2023-07-14 | 北京工商大学 | 一种基于多链区块链的粮食供应链数据隐私保护方法 |
CN115564280A (zh) * | 2022-10-19 | 2023-01-03 | 安徽省凯杰机械制造有限公司 | 一种基于物联网的粮仓测虫用数据管理系统 |
CN116308068A (zh) * | 2023-05-17 | 2023-06-23 | 成都运荔枝科技有限公司 | 一种适用于仓库冷链食品的库房环境智能管控系统 |
CN116342152A (zh) * | 2023-05-30 | 2023-06-27 | 深圳市红禾谷生物科技有限公司 | 一种农产品的源产销信息追溯方法和系统 |
CN116384708A (zh) * | 2023-06-02 | 2023-07-04 | 国艺天成建设工程技术有限公司 | 一种基于数据分析的工程施工材料供应链管理系统 |
CN116452099A (zh) * | 2023-06-13 | 2023-07-18 | 成都运荔枝科技有限公司 | 一种基于大数据的冷链食品运输智能管理系统 |
Non-Patent Citations (3)
Title |
---|
LIXING WANG 等: "A ratio frequency identification and sensor-based system for the transportation of food", JOURNAL OF FOOD ENGINEERING, vol. 101, no. 1, pages 120 - 129, XP027165504 * |
姜方桃 等: "疫情期间食品冷链物流应急策略研究", 全国流通经济, no. 25, pages 19 - 21 * |
赵长青 等: "食品冷链运输中温度监控与预警系统", 微计算机信息, vol. 26, no. 17, pages 27 - 28 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117829698A (zh) * | 2024-03-06 | 2024-04-05 | 成都运荔枝科技有限公司 | 一种食品供应链调度管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116823068B (zh) | 2023-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116823068B (zh) | 一种餐饮食品供应链管理系统 | |
CN111754345B (zh) | 一种基于改进随机森林的比特币地址分类方法 | |
US20180322416A1 (en) | Feature extraction and classification method based on support vector data description and system thereof | |
Wu et al. | Privacy-preservation for stochastic gradient descent application to secure logistic regression | |
Carrillo-Ureta et al. | Genetic algorithms for optimal control of beer fermentation | |
US20100076799A1 (en) | System and method for using classification trees to predict rare events | |
Pop et al. | A hybrid based genetic algorithm for solving a capacitated fixed-charge transportation problem | |
Nallathambi et al. | Prediction of electricity consumption based on DT and RF: An application on USA country power consumption | |
CN104834651A (zh) | 一种提供高频问题回答的方法和装置 | |
Li et al. | Supervised massive data analysis for telecommunication customer churn prediction | |
CN102495876A (zh) | 一种基于非负局部坐标分解的聚类方法 | |
Zutty et al. | Multiple objective vector-based genetic programming using human-derived primitives | |
CN114218174B (zh) | 基于区块链的工业互联网数据存储方法、系统及存储介质 | |
Zhong et al. | Survival analysis as a classification problem | |
CN114417388A (zh) | 基于纵向联邦学习的电力负荷预测方法、系统、设备及介质 | |
Brooks et al. | Information and entropy in a simple evolution model | |
KR102460730B1 (ko) | 스마트 haccp 관리 시스템 | |
Ollech et al. | A random forest-based approach to combining and ranking seasonality tests | |
Pal et al. | A genetic algorithm-based fuzzy goal programming approach for solving fractional bilevel programming problems | |
CN116168767A (zh) | 一种噬菌体的生长环境监测与评估方法及系统 | |
Kato et al. | Conic programming for multitask learning | |
Simpson et al. | Optimal scheduling of canned food plants including simultaneous sterilization | |
WO2021140742A1 (ja) | 運転管理支援装置及び運転管理支援方法 | |
Gatica et al. | An aggregation approach for capacity planning under uncertainty for the pharmaceutical industry | |
Liu et al. | Research on Power Marketing Data Sharing Framework Based on Semi-supervised Vertical Federated Learning |
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 |