CN116843236A - 一种基于人工智能的食品存储监管系统 - Google Patents
一种基于人工智能的食品存储监管系统 Download PDFInfo
- Publication number
- CN116843236A CN116843236A CN202311118380.4A CN202311118380A CN116843236A CN 116843236 A CN116843236 A CN 116843236A CN 202311118380 A CN202311118380 A CN 202311118380A CN 116843236 A CN116843236 A CN 116843236A
- Authority
- CN
- China
- Prior art keywords
- food
- target
- supervision area
- target supervision
- area
- 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
- 235000013305 food Nutrition 0.000 title claims abstract description 164
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 17
- 230000002159 abnormal effect Effects 0.000 claims abstract description 40
- 238000007405 data analysis Methods 0.000 claims abstract description 21
- 239000007789 gas Substances 0.000 claims description 39
- 230000008859 change Effects 0.000 claims description 31
- 238000012544 monitoring process Methods 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 19
- 238000000034 method Methods 0.000 claims description 19
- 230000001105 regulatory effect Effects 0.000 claims description 17
- 230000007613 environmental effect Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 14
- 235000016709 nutrition Nutrition 0.000 claims description 12
- 230000006866 deterioration Effects 0.000 claims description 9
- 230000035764 nutrition Effects 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 8
- 235000013365 dairy product Nutrition 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 6
- 235000013399 edible fruits Nutrition 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 235000013372 meat Nutrition 0.000 claims description 6
- 235000013311 vegetables Nutrition 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000003891 environmental analysis Methods 0.000 claims description 3
- 235000015097 nutrients Nutrition 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical class O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 abstract description 5
- 230000005856 abnormality Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000003909 pattern recognition Methods 0.000 description 3
- 238000004148 unit process Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005180 public health Effects 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q50/04—Manufacturing
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Manufacturing & Machinery (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computer Security & Cryptography (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Food Preservation Except Freezing, Refrigeration, And Drying (AREA)
Abstract
本发明公开了一种基于人工智能的食品存储监管系统，具体涉及食品存储监管技术领域，包括区域划分模块、数据预收集模块、数据分析与识别模块、食品安全预警模块、环境预处理模块，以及食品安全数据库，本发明通过感知装置，实时采集食品存储环境的各项参数数据，将采集到的数据通过数据处理模块进行实时处理和分析，在数据处理的基础上，系统利用学习和模式识别算法，通过对历史数据和实时数据的分析，检测和识别食品存储环境中的潜在风险和异常情况。一旦系统发现可能存在风险的情况，如温度过高、湿度异常或气味异常等，将发出风险预警信号，减轻食品损失和保障食品质量，降低经济和信誉损失。
Description
技术领域
本发明涉及食品存储监管技术领域，更具体地说，本发明涉及一种基于人工智能的食品存储监管系统。
背景技术
食品存储监管系统，旨在利用先进的人工智能技术对食品存储环境进行实时监测和管理，以确保食品的安全性和合规性该系统包括感知装置、数据处理模块、风险预警机制、远程监控与控制以及数据分析与决策支持功能，通过对参数数据的实时分析和学习，系统能够提供风险预警、异常报警以及数据报告和关键指标，为食品存储管理提供决策支持。此外，系统还具备食品产品识别、警报推送和定制化报告等功能，能够满足不同用户需求。
系统通过感知装置，实时采集食品存储环境的各项参数数据，将采集到的数据通过数据处理模块进行实时处理和分析，在数据处理的基础上，系统利用学习和模式识别算法，通过对历史数据和实时数据的分析，检测和识别食品存储环境中的潜在风险和异常情况。一旦系统发现可能存在风险的情况，如温度过高、湿度异常或气味异常等，将发出风险预警信号。
近年来，随着食品供应链的不断延长和全球化程度的提高，确保食品质量和安全成了一个愈加重要的问题。同时，食品存储管理也面临着一系列挑战，如温湿度控制、腐败控制、溢出污染等问题，这些问题可能导致食品损失、质量下降甚至公共卫生事件的发生，为了解决这些问题，人工智能技术被应用于食品存储监管领域，以提供更高效、智能化的管理解决方案。
发明内容
为了克服现有技术的上述缺陷，本发明的实施例提供一种基于人工智能的食品存储监管系统，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于人工智能的食品存储监管系统，包括：
区域划分模块：用于将食品存储区域按照食品类型划分成若干个目标监管区域，进行编号处理，记为，并发送到数据预收集模块；
数据预收集模块：通过监控设备和传感器采集目标监管区域的参数信息，所述参数信息为温度、湿度以及食品的生产日期，并发送到数据分析模块；
数据分析与识别模块：包括数据分析单元与异常识别单元；
所述数据分析单元通过深度学习技术对目标监管区域收集的参数信息进行分析处理，并发送到异常识别单元；
所述异常识别单元根据数据分析单元的分析处理结果预测食品质量变化趋势和识别异常情况，并发送到食品安全预警模块；
食品安全预警模块：用于对存在食品安全异常情况的目标监管区域进行编号，并作出安全预警处理；
环境预处理模块：包括环境监测单元和环境分析单元；
所述环境监测单元用于实时监测目标监管区域的环境参数，得到目标监管区域的环境参数数值，所述环境参数为环境温度和其他气体浓度；
所述环境分析单元根据目标监管区域的环境参数数值，分析腐败气体浓度对目标监管区域的安全影响指数，并发送到食品安全预警模块；
食品安全数据库：用于存储收集到的食品安全参数信息、异常情况以及历史数据。
优选的，所述食品类型为肉类、水果、蔬菜以及乳制品，每个区域具有不同的存储要求和监管措施。
优选的，所述数据预收集模块对目标监管区域的参数信息进行收集，具体的步骤如下：
A1、将目标监管区域按照肉类、水果、蔬菜以及乳制品分为四个子监管区域，分别进行编号处理，记为；
A2、通过温湿度传感器测得的初始温湿度，记为/>；
A3、将食品按照类别分别存储到各自类别的目标监管区域，通过温湿度传感器测得食品表面的温度和湿度，记为，通过图像处理设备记录各目标监管区域食品的生产日期，记为D；
A4、通过温湿度传感器测得经过A时后的温湿度，记为/>，A时后食品表面的温度和湿度，记为/>；
A5、根据目标监管区域食品的温湿度变化，以及食品表面的温湿度变化，得出目标监管区域食品的变质系数。
优选地，所述数据分析单元通过深度学习技术对目标监管区域食品的相对湿度和平均温度变化率进行分析，具体包括：
通过气压传感器测得目标监管区域的大气压强，记为P，从食品安全数据库中提取目标监管区域子区域内食品的安托万公式常数，记为b，c，d，将P、b、c以及d代入公式；/>表示为目标监管区域子区域的饱和水蒸气压，将/>和P代入公式；其中/>表示为目标监管区域子区域的饱和湿度，将/>和/>代入公式；/>表示为目标监管区域子区域的相对湿度，通过公式计算/>的温度变化率/>；同理可计算出/>，/>，/>，平均温度变化率。
优选的，所述异常识别单元根据数据分析单元的分析处理结果预测食品质量的变质系数，具体方法为：
B1、通过数学公式将数据进行整理，得出、/>的值；
B2、通过从食品安全数据库中调取以往同类食品的数据记录得出当平均温度变化率和相对湿度为0时的营养初始值，记为；
B3、将平均温度变化率、相对湿度，以及代入公式计算出目标监管区域的食品变质系数/>，/>+/>；
B4、随着温度变化率以及相对湿度的不断变化，使得食品质量与其呈线性关系，即目标监管区域的食品营养指数其中/>，/>表示为影响/>和/>的权重。
优选地，所述异常识别单元处理目标监管区域的食品异常情况，具体包括：
从食品安全数据库中调取目标监管区域食品的营养指数阈值，将目标监管区域的食品营养指数/>与目标监管区域食品的营养指数阈值/>进行对比，得出；当/>时，异常识别单元判定该类食品处于异常情况，对该类食品所在的目标监管区域进行编号处理，并发送到食品安全预警模块，当/>时，异常识别单元判定该类食品处于正常状态。
优选地，所述环境监测单元用于实时监测目标监管区域的环境参数，得到目标监管区域的环境参数数值，具体包括：
通过安装气体检测设备对目标监管区域的环境气体进行抽样提取，得到目标监管区域中预设体积的环境气体样本，并对目标监管区域预设体积的环境气体样本进行监测，得出目标监管区域中各类腐败气体的浓度，将目标监管区域中各类腐败气体的浓度分别记为，/>，g表示为第g个目标监管区域的编号，/>，k表示为第k类腐败气体。
优选地，所述环境分析单元分析腐败气体浓度对目标监管区域的安全影响指数，具体的分析方式为：
提取食品安全数据库中目标监管区域的标准腐败气体浓度，并进行编号，记为，分析目标监管区域的腐败气体安全影响权重指数/>；其中/>表示为预设的目标监管区域内腐败气体浓度对应的安全影响因子。
本发明的技术效果和优点：
1、本发明通过机器学习和模式识别算法，及时识别潜在的风险和异常情况，提供准确的风险预警和异常报警，以帮助管理人员及时采取措施，减轻食品损失和保障食品质量。
2、系统通过自动化的数据处理和分析，减少了繁琐的人工操作，提高了管理的效率，同时，通过实时的风险预警和异常报警，系统可以帮助管理人员及早发现风险，减少食品损失和食品安全事件的发生，降低经济和信誉损失。
3、系统通过云端技术实现对食品存储环境的远程监控和控制，管理员或用户可以通过移动设备或电脑端的应用程序，随时随地监测和调控存储环境。这样可以减少人员实地巡检的需求，提高操作的便捷性和实时性。
附图说明
图1为本发明的系统模块连接图。
具体实施方式
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、完整的描述，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做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。
请参阅图1所示，本发明提供了一种基于人工智能的食品存储监管系统，包括：区域划分模块、数据预收集模块、数据分析与识别模块、食品安全预警模块、环境预处理模块，以及食品安全数据库。
所述区域划分模块与数据预收集模块相连接，所述数据预收集模块与数据分析与识别模块相连接，所述数据分析与识别模块与食品安全预警模块相连接，所述食品安全预警模块与环境预处理模块相连接，所述环境预处理模块与食品安全数据库相连接。
所述区域划分模块用于将食品存储区域按照食品类型划分成若干个目标监管区域，进行编号处理，记为，并发送到数据预收集模块。
所述数据预收集模块通过监控设备和传感器采集目标监管区域的参数信息，所述参数信息为温度、湿度以及食品的生产日期，并发送到数据分析模块。
在一种可能的设计中，所述食品类型为肉类、水果、蔬菜以及乳制品，每个区域具有不同的存储要求和监管措施。
进一步的，所述数据预收集模块对目标监管区域的参数信息进行收集，具体的步骤如下：
A1、将目标监管区域按照肉类、水果、蔬菜以及乳制品分为四个子监管区域，分别进行编号处理，记为；
A2、通过温湿度传感器测得的初始温湿度，记为/>；
A3、将食品按照类别分别存储到各自类别的目标监管区域，通过温湿度传感器测得食品表面的温度和湿度，记为，通过图像处理设备记录各目标监管区域食品的生产日期，记为D；
A4、通过温湿度传感器测得经过A时后的温湿度，记为/>，A时后食品表面的温度和湿度，记为/>；
A5、根据目标监管区域食品的温湿度变化，以及食品表面的温湿度变化，得出目标监管区域食品的变质系数。
所述数据分析与识别模块包括数据分析单元与异常识别单元。
所述数据分析单元通过深度学习技术对目标监管区域收集的参数信息进行分析处理，并发送到异常识别单元。
所述异常识别单元根据数据分析单元的分析处理结果预测食品质量变化趋势和识别异常情况，并发送到食品安全预警模块。
在一种可能的设计中，所述数据分析单元通过深度学习技术对目标监管区域食品的相对湿度和平均温度变化率进行分析，具体包括：
通过气压传感器测得目标监管区域的大气压强，记为P，从食品安全数据库中提取目标监管区域子区域内食品的安托万公式常数，记为b，c，d，将P、b、c以及d代入公式；/>表示为目标监管区域子区域的饱和水蒸气压，将/>和P代入公式；其中/>表示为目标监管区域子区域的饱和湿度，将/>和/>代入公式；/>表示为目标监管区域子区域的相对湿度，通过公式计算/>的温度变化率/>；同理可计算出/>，/>，/>，平均温度变化率。
进一步地，所述异常识别单元根据数据分析单元的分析处理结果预测食品质量的变质系数，具体方法为：
B1、通过数学公式将数据进行整理，得出、/>的值；
B2、通过从食品安全数据库中调取以往同类食品的数据记录得出当平均温度变化率和相对湿度为0时的营养初始值，记为；
B3、将平均温度变化率、相对湿度，以及代入公式计算出目标监管区域的食品变质系数/>，/>+/>；
B4、随着温度变化率以及相对湿度的不断变化，使得食品质量与其呈线性关系，即目标监管区域的食品营养指数其中/>，/>表示为影响/>和/>的权重。
作为本申请的较佳技术方案中，所述异常识别单元处理目标监管区域的食品异常情况，具体包括：
从食品安全数据库中调取目标监管区域食品的营养指数阈值，将目标监管区域的食品营养指数/>与目标监管区域食品的营养指数阈值/>进行对比，得出；当/>时，异常识别单元判定该类食品处于异常情况，对该类食品所在的目标监管区域进行编号处理，并发送到食品安全预警模块，当/>时，异常识别单元判定该类食品处于正常状态。
所述食品安全预警模块：用于对存在食品安全异常情况的目标监管区域进行编号，并作出安全预警处理。
所述环境预处理模块包括环境监测单元和环境分析单元。
所述环境监测单元用于实时监测目标监管区域的环境参数，得到目标监管区域的环境参数数值，所述环境参数为环境温度和其他气体浓度。
在一种可能的设计中，所述环境监测单元用于实时监测目标监管区域的环境参数，得到目标监管区域的环境参数数值，具体包括：
通过安装气体检测设备对目标监管区域的环境气体进行抽样提取，得到目标监管区域中预设体积的环境气体样本，并对目标监管区域预设体积的环境气体样本进行监测，得出目标监管区域中各类腐败气体的浓度，将目标监管区域中各类腐败气体的浓度分别记为，/>，g表示为第g个目标监管区域的编号，/>，k表示为第k类腐败气体。
所述环境分析单元根据目标监管区域的环境参数数值，分析腐败气体浓度对目标监管区域的安全影响指数，并发送到食品安全预警模块。
在一种可能的设计中，所述环境分析单元分析腐败气体浓度对目标监管区域的安全影响指数，具体的分析方式为：
提取食品安全数据库中目标监管区域的标准腐败气体浓度，并进行编号，记为，分析目标监管区域的腐败气体安全影响权重指数/>；其中/>表示为预设的目标监管区域内腐败气体浓度对应的安全影响因子。
所述食品安全数据库：用于存储收集到的食品安全参数信息、异常情况以及历史数据。
在本实施例中，本发明通过感知装置，实时采集食品存储环境的各项参数数据，将采集到的数据通过数据处理模块进行实时处理和分析，在数据处理的基础上，系统利用学习和模式识别算法，通过对历史数据和实时数据的分析，检测和识别食品存储环境中的潜在风险和异常情况。一旦系统发现可能存在风险的情况，如温度过高、湿度异常或气味异常等，将发出风险预警信号，减轻食品损失和保障食品质量，降低经济和信誉损失。
最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于人工智能的食品存储监管系统，其特征在于，包括：
区域划分模块：用于将食品存储区域按照食品类型划分成若干个目标监管区域，进行编号处理，记为，并发送到数据预收集模块；
数据预收集模块：通过监控设备和传感器采集目标监管区域的参数信息，所述参数信息为温度、湿度以及食品的生产日期，并发送到数据分析模块；
数据分析与识别模块：包括数据分析单元与异常识别单元；
所述数据分析单元通过深度学习技术对目标监管区域收集的参数信息进行分析处理，并发送到异常识别单元；
所述异常识别单元根据数据分析单元的分析处理结果预测食品质量变化趋势和识别异常情况，并发送到食品安全预警模块；
食品安全预警模块：用于对存在食品安全异常情况的目标监管区域进行编号，并作出安全预警处理；
环境预处理模块：包括环境监测单元和环境分析单元；
所述环境监测单元用于实时监测目标监管区域的环境参数，得到目标监管区域的环境参数数值，所述环境参数为环境温度和其他气体浓度；
所述环境分析单元根据目标监管区域的环境参数数值，分析腐败气体浓度对目标监管区域的安全影响指数，并发送到食品安全预警模块；
食品安全数据库：用于存储收集到的食品安全参数信息、异常情况以及历史数据。
2.根据权利要求1所述的一种基于人工智能的食品存储监管系统，其特征在于，所述食品类型为肉类、水果、蔬菜以及乳制品，每个区域具有不同的存储要求和监管措施。
3.根据权利要求1所述的一种基于人工智能的食品存储监管系统，其特征在于，数据预收集模块对目标监管区域的参数信息进行收集，具体的步骤如下：
A1、将目标监管区域按照肉类、水果、蔬菜以及乳制品分为四个子监管区域，分别进行编号处理，记为；
A2、通过温湿度传感器测得的初始温湿度，记为/>；
A3、将食品按照类别分别存储到各自类别的目标监管区域，通过温湿度传感器测得食品表面的温度和湿度，记为，通过图像处理设备记录各目标监管区域食品的生产日期，记为D；
A4、通过温湿度传感器测得经过A时后的温湿度，记为/>，A时后食品表面的温度和湿度，记为/>；
A5、根据目标监管区域食品的温湿度变化，以及食品表面的温湿度变化，得出目标监管区域食品的变质系数。
4.根据权利要求3所述的一种基于人工智能的食品存储监管系统，其特征在于，数据分析单元通过深度学习技术对目标监管区域食品的相对湿度和平均温度变化率进行分析，具体包括：
通过气压传感器测得目标监管区域的大气压强，记为P，从食品安全数据库中提取目标监管区域子区域内食品的安托万公式常数，记为b，c，d，将P、b、c以及d代入公式；/>表示为目标监管区域子区域的饱和水蒸气压，将/>和P代入公式；其中/>表示为目标监管区域子区域的饱和湿度，将/>和/>代入公式；/>表示为目标监管区域子区域的相对湿度，通过公式计算/>的温度变化率/>；同理可计算出/>，则平均温度变化率。
5.根据权利要求4所述的一种基于人工智能的食品存储监管系统，其特征在于，异常识别单元根据数据分析单元的分析处理结果预测食品质量的变质系数，具体方法为：
B1、通过数学公式将数据进行整理，得出、/>的值；
B2、通过从食品安全数据库中调取以往同类食品的数据记录得出当平均温度变化率和相对湿度为0时的营养初始值，记为；
B3、将平均温度变化率、相对湿度，以及代入公式计算出目标监管区域的食品变质系数/>，/>+/>；
B4、随着温度变化率以及相对湿度的不断变化，使得食品质量与其呈线性关系，即目标监管区域的食品营养指数其中/>，/>表示为影响/>和/>的权重。
6.根据权利要求5所述的一种基于人工智能的食品存储监管系统，其特征在于，异常识别单元处理目标监管区域的食品异常情况，具体包括：
从食品安全数据库中调取目标监管区域食品的营养指数阈值，将目标监管区域的食品营养指数/>与目标监管区域食品的营养指数阈值/>进行对比，得出/>；当时，异常识别单元判定该类食品处于异常情况，对该类食品所在的目标监管区域进行编号处理，并发送到食品安全预警模块，当/>时，异常识别单元判定该类食品处于正常状态。
7.根据权利要求1所述的一种基于人工智能的食品存储监管系统，其特征在于，环境监测单元用于实时监测目标监管区域的环境参数，得到目标监管区域的环境参数数值，具体包括：
通过安装气体检测设备对目标监管区域的环境气体进行抽样提取，得到目标监管区域中预设体积的环境气体样本，并对目标监管区域预设体积的环境气体样本进行监测，得出目标监管区域中各类腐败气体的浓度，将目标监管区域中各类腐败气体的浓度分别记为，g表示为第g个目标监管区域的编号，/>，k表示为第k类腐败气体。
8.根据权利要求1所述的一种基于人工智能的食品存储监管系统，其特征在于，环境分析单元分析腐败气体浓度对目标监管区域的安全影响指数，具体的分析方式为：
提取食品安全数据库中目标监管区域的标准腐败气体浓度，并进行编号，记为，分析目标监管区域的腐败气体安全影响权重指数/>；其中/>表示为预设的目标监管区域内腐败气体浓度对应的安全影响因子。/>
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311118380.4A CN116843236A (zh) | 2023-09-01 | 2023-09-01 | 一种基于人工智能的食品存储监管系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311118380.4A CN116843236A (zh) | 2023-09-01 | 2023-09-01 | 一种基于人工智能的食品存储监管系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116843236A true CN116843236A (zh) | 2023-10-03 |
Family
ID=88162062
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311118380.4A Pending CN116843236A (zh) | 2023-09-01 | 2023-09-01 | 一种基于人工智能的食品存储监管系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116843236A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117172553A (zh) * | 2023-10-30 | 2023-12-05 | 泸州聚购科技发展有限公司 | 基于arima模型的重晶石粉生产中控系统 |
| CN117371855A (zh) * | 2023-10-16 | 2024-01-09 | 深圳市大满包装有限公司 | 一种基于大数据的食品包装智能管理方法及系统 |
| CN117670067A (zh) * | 2024-02-01 | 2024-03-08 | 青岛博什兰物联技术有限公司 | 一种基于大数据的质量安全管理方法及平台 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101738899B1 (ko) * | 2015-11-26 | 2017-06-09 | 한국식품연구원 | 식품의 위해성 평가 장치 및 시스템 |
| CN110987088A (zh) * | 2019-12-26 | 2020-04-10 | 广州中国科学院软件应用技术研究所 | 一种食材储存环境的监控系统 |
| CN112070432A (zh) * | 2020-08-14 | 2020-12-11 | 深圳市盛龙信息科技有限公司 | 农产品仓储监控方法及其系统和计算机存储介质 |
| CN214752230U (zh) * | 2021-05-06 | 2021-11-16 | 河南省建筑科学研究院有限公司 | 基于温湿度的食品运输仓储安全监测预警装置 |
| US20210365879A1 (en) * | 2018-11-01 | 2021-11-25 | Centaur Analytics, Inc. | Predictive post-harvest stored commodity management methods |
| US20220110265A1 (en) * | 2020-10-08 | 2022-04-14 | Senslytics Corporation | Method and apparatus for applying intuition technology to better preserve grains against pest damages in smart silos |
| CN114460989A (zh) * | 2022-01-05 | 2022-05-10 | 华信咨询设计研究院有限公司 | 一种用于粮库仓储监管的云网关 |
| CN115034716A (zh) * | 2022-06-22 | 2022-09-09 | 扬州星一园食品有限公司 | 一种冷冻面食食品溯源系统和方法 |
-
2023
- 2023-09-01 CN CN202311118380.4A patent/CN116843236A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101738899B1 (ko) * | 2015-11-26 | 2017-06-09 | 한국식품연구원 | 식품의 위해성 평가 장치 및 시스템 |
| US20210365879A1 (en) * | 2018-11-01 | 2021-11-25 | Centaur Analytics, Inc. | Predictive post-harvest stored commodity management methods |
| CN110987088A (zh) * | 2019-12-26 | 2020-04-10 | 广州中国科学院软件应用技术研究所 | 一种食材储存环境的监控系统 |
| CN112070432A (zh) * | 2020-08-14 | 2020-12-11 | 深圳市盛龙信息科技有限公司 | 农产品仓储监控方法及其系统和计算机存储介质 |
| US20220110265A1 (en) * | 2020-10-08 | 2022-04-14 | Senslytics Corporation | Method and apparatus for applying intuition technology to better preserve grains against pest damages in smart silos |
| CN214752230U (zh) * | 2021-05-06 | 2021-11-16 | 河南省建筑科学研究院有限公司 | 基于温湿度的食品运输仓储安全监测预警装置 |
| CN114460989A (zh) * | 2022-01-05 | 2022-05-10 | 华信咨询设计研究院有限公司 | 一种用于粮库仓储监管的云网关 |
| CN115034716A (zh) * | 2022-06-22 | 2022-09-09 | 扬州星一园食品有限公司 | 一种冷冻面食食品溯源系统和方法 |
Non-Patent Citations (1)
| Title |
|---|
| 许未晴等: "气动系统的基础特性与计算", 北京：中国医药科技出版社, pages: 384 - 21 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117371855A (zh) * | 2023-10-16 | 2024-01-09 | 深圳市大满包装有限公司 | 一种基于大数据的食品包装智能管理方法及系统 |
| CN117172553A (zh) * | 2023-10-30 | 2023-12-05 | 泸州聚购科技发展有限公司 | 基于arima模型的重晶石粉生产中控系统 |
| CN117172553B (zh) * | 2023-10-30 | 2024-02-06 | 泸州聚购科技发展有限公司 | 基于arima模型的重晶石粉生产中控系统 |
| CN117670067A (zh) * | 2024-02-01 | 2024-03-08 | 青岛博什兰物联技术有限公司 | 一种基于大数据的质量安全管理方法及平台 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116843236A (zh) | 一种基于人工智能的食品存储监管系统 | |
| Panagou et al. | Potential of multispectral imaging technology for rapid and non-destructive determination of the microbiological quality of beef filets during aerobic storage | |
| CN115876258B (zh) | 基于多源数据的畜禽养殖环境异常监测及报警系统 | |
| CN110133202A (zh) | 一种智能厨房的食材监测新鲜度的方法及装置 | |
| CN114034826B (zh) | 一种基于数据分析的冻干燕窝工艺用生产环境监测系统 | |
| CN117073768B (zh) | 肉牛养殖管理系统及其方法 | |
| CN115409131B (zh) | 基于spc过程管控系统的生产线异常检测方法 | |
| Grassi et al. | Seafood freshness: e-nose data for classification purposes | |
| CN115966063A (zh) | 一种气体泄漏红外成像自动报警方法 | |
| CN116611000B (zh) | 基于机器学习的大闸蟹养殖环境智能监测系统 | |
| Cámara‐Martos et al. | Detection and quantification of Escherichia coli and Pseudomonas aeruginosa in cow milk by near‐infrared spectroscopy | |
| CN117350435A (zh) | 一种对虾工厂化养殖设备管理方法及系统 | |
| CN117309042A (zh) | 基于物联网技术的智能制造数据实时监测方法及系统 | |
| Hongyang et al. | Detection of browning of fresh‐cut potato chips based on machine vision and electronic nose | |
| Yuan et al. | Early warning potential of cucumber spoilage based on hyperspectral information during its storage | |
| CN109810883A (zh) | 一种固态发酵监测系统 | |
| CN112881616A (zh) | 一种车载式食品品质监测的电子鼻装置 | |
| CN113836813A (zh) | 一种基于数据分析的高炉风口漏水检测方法 | |
| CN114897029A (zh) | 基于深度残差收缩网络的集成灶风机故障诊断方法 | |
| Sun et al. | Mildew detection in rice grains based on computer vision and the YOLO convolutional neural network | |
| CN103136439B (zh) | 植物病症辨识方法及其系统 | |
| CN117665224B (zh) | 一种用于食品检测的智能实验室管理方法 | |
| CN114024820B (zh) | 一种设备健康画像方法 | |
| CN117289778B (zh) | 一种工控主机电源健康状态的实时监测方法 | |
| CN116911698B (zh) | 一种食品药品检测系统 |
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 |