CN116934358A - 基于信息验证的阿胶质量追溯方法及系统 - Google Patents
基于信息验证的阿胶质量追溯方法及系统 Download PDFInfo
- Publication number
- CN116934358A CN116934358A CN202311174355.8A CN202311174355A CN116934358A CN 116934358 A CN116934358 A CN 116934358A CN 202311174355 A CN202311174355 A CN 202311174355A CN 116934358 A CN116934358 A CN 116934358A
- Authority
- CN
- China
- Prior art keywords
- data
- donkey
- hide gelatin
- quality
- production quality
- 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
- 108010010803 Gelatin Proteins 0.000 title claims abstract description 321
- 229920000159 gelatin Polymers 0.000 title claims abstract description 321
- 235000019322 gelatine Nutrition 0.000 title claims abstract description 321
- 235000011852 gelatine desserts Nutrition 0.000 title claims abstract description 321
- 239000008273 gelatin Substances 0.000 title claims abstract description 318
- 238000012795 verification Methods 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004519 manufacturing process Methods 0.000 claims abstract description 209
- 238000012163 sequencing technique Methods 0.000 claims abstract description 20
- 238000007906 compression Methods 0.000 claims description 17
- 230000006835 compression Effects 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 abstract 1
- 238000013144 data compression Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 5
- 239000002994 raw material Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000003814 drug Substances 0.000 description 2
- 230000000857 drug effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009835 boiling Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 108010052008 colla corii asini Proteins 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000010130 dispersion processing Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000750 progressive effect 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Mathematical Optimization (AREA)
- Operations Research (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Primary Health Care (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Probability & Statistics with Applications (AREA)
- Finance (AREA)
- Algebra (AREA)
- Accounting & Taxation (AREA)
- Databases & Information Systems (AREA)
Abstract
本发明涉及数据处理技术领域,具体涉及一种基于信息验证的阿胶质量追溯方法及系统。该方法包括:获取阿胶生产质量数据和阿胶流通数据;划分同源数据组;确定重要性系数;排序得到质量序列;根据质量序列中数据的重要性系数将质量序列划分为两个子序列;根据重要性系数,对两个子序列中的阿胶生产质量数据进行数据匹配,得到匹配结果,根据匹配结果将对应的阿胶生产质量数据组合作为数据对,将任一同源数据组中的所有数据对进行排序并压缩,得到每一同源数据组对应的压缩数据;根据压缩数据对阿胶的质量进行追溯验证,得到质量追溯结果。本发明能够在保证追溯验证的可靠性的同时,有效提升数据追溯验证的速率。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种基于信息验证的阿胶质量追溯方法及系统。
背景技术
阿胶作为一种名贵中药材,对生产质量的要求精度较高,不同质量、不同产地的阿胶,其价格和药效等均会产生较大的差异,因此,对阿胶的质量进行验证,对阿胶的生产流程进行追溯的重要性不言而喻。通常是将同批次所有阿胶的生产质量数据、流通数据和防伪数据等进行数据压缩,以便于数据存储和调用追溯。
相关技术中,基于数据转换(Burrows Wheeler Transform,BWT)的方式对阿胶数据进行处理,以便于根据转换后的数据进行有损压缩,但由于同批次阿胶的质量相近,会导致在进行BWT处理之后聚集在一起,进而导致有损压缩时,若产生数据损坏,则对整体数据影响较大,进而导致质量追溯时的可靠性不足,且在对整批次阿胶质量进行分析时,需要重新统计整批次的阿胶情况,对阿胶质量追溯效率较差。
发明内容
为了解决阿胶质量追溯可靠性不足,且效率较差的技术问题,本发明提供一种基于信息验证的阿胶质量追溯方法及系统,所采用的技术方案具体如下:
本发明提出了一种基于信息验证的阿胶质量追溯方法,方法包括:
获取不同批次不同阿胶的阿胶生产质量数据和阿胶流通数据;
根据所述阿胶流通数据将所述阿胶生产质量数据划分为至少两个同源数据组;根据任一同源数据组中所述阿胶生产质量数据的数值确定阿胶生产质量数据的重要性系数;根据所述重要性系数对任一同源数据组中的阿胶生产质量数据进行排序,得到质量序列;根据所述质量序列中数据的重要性系数将所述质量序列划分为两个子序列;
根据所述重要性系数,对两个子序列中的阿胶生产质量数据进行数据匹配,得到匹配结果,根据所述匹配结果将对应的阿胶生产质量数据组合作为数据对,将任一同源数据组中的所有数据对进行排序并压缩,得到每一同源数据组对应的压缩数据;
根据所述压缩数据对阿胶的质量进行追溯验证,得到质量追溯结果。
进一步地,所述根据任一同源数据组中所述阿胶生产质量数据的数值确定阿胶生产质量数据的重要性系数,包括:
计算同源数据组中所有所述阿胶生产质量数据的数值的均值作为质量均值;计算同源数据组中任一阿胶生产质量数据与质量均值的差值作为所述阿胶生产质量数据的质量差异;
计算同源数据组中所有所述阿胶生产质量数据的数值的方差作为稳定系数;
将所述稳定系数与所述质量差异的乘积的归一化值作为重要性系数。
进一步地,所述根据所述重要性系数对任一同源数据组中的阿胶生产质量数据进行排序,得到质量序列,包括:
根据所述重要性系数由大到小的顺序对同一同源数据组中的阿胶生产质量数据进行排序,得到质量序列。
进一步地,两个子序列包括第一子序列和第二子序列,所述根据所述质量序列中数据的重要性系数将所述质量序列划分为两个子序列,包括:
获取所述质量序列中所有数据的重要性系数的中位数;
根据所述中位数对所述质量序列进行平均分割,将所述重要性系数较大的子序列作为第一子序列,将所述重要性系数较小的子序列作为第二子序列。
进一步地,所述根据所述重要性系数,对两个子序列中的阿胶生产质量数据进行数据匹配,得到匹配结果,包括:
获取所述第一子序列和第二子序列中不同阿胶生产质量数据的频率;
根据所述频率和所述重要性系数,确定所述阿胶生产质量数据在数据匹配过程中的匹配权值;
将所述匹配权值作为KM权值,对所述第一子序列和第二子序列中的阿胶生产质量数据进行KM匹配,得到匹配结果。
进一步地,所述根据所述频率和所述重要性系数,确定所述阿胶生产质量数据在数据匹配过程中的匹配权值,包括:
计算所述第二子序列中任意一个阿胶生产质量数据与所述第一子序列中任意一个阿胶生产质量数据的频率的比值作为频率影响因子;
计算所述第一子序列中任意一个阿胶生产质量数据与所述第二子序列中任意一个阿胶生产质量数据的重要性系数的差值,将重要性系数的差值进行归一化处理作为重要性影响因子;
计算所述频率影响因子和所述重要性影响因子的乘积作为两个子序列中所选阿胶生产质量数据的匹配权值。
进一步地,所述将任一同源数据组中的所有数据对进行排序并压缩,得到每一同源数据组对应的压缩数据,包括:
确定所述数据对中属于第一子序列的数据作为排序参考数据;
根据所述排序参考数据在第一子序列的先后顺序对所述数据对进行排序,得到数据对序列;
使用有损压缩算法对所述数据对序列进行压缩处理,得到压缩数据。
进一步地,所述根据所述压缩数据对阿胶的质量进行追溯验证,得到质量追溯结果,包括:
对所述压缩数据进行解压,得到解压数据;
获取待验证的阿胶标识符,根据待验证的阿胶标识符从所述解压数据中获取对应的数据对为待验证数据对;
获取所述解压数据中与所述待验证数据对相距最近的两个其他数据对为相邻数据对;
计算所述待验证数据对中两个阿胶生产质量数据的差值为第一差值;计算相邻数据对中两个阿胶生产质量数据的差值为第二差值,计算两个相邻数据对的第二差值的均值作为对照差值;
将第一差值与对照差值的差值归一化值作为验证因子;
在所述验证因子小于等于预设验证阈值时,将所述待验证数据对中与阿胶标识符对应的阿胶生产质量数据作为质量追溯结果;
在所述验证因子大于预设验证阈值时,将所述待验证数据对中除阿胶标识符对应的阿胶生产质量数据之外的另一个阿胶生产质量数据作为对照生产质量数据;计算对照生产质量数据和对照差值的差值作为质量追溯结果。
进一步地,所述根据所述阿胶流通数据将所述阿胶生产质量数据划分为至少两个同源数据组,包括:
根据所述阿胶流通数据确定同一批次的阿胶生产质量数据;将同一批次的阿胶生产质量数据作为一个同源数据组,由此,获得至少两个同源数据组。
本发明还提出了一种基于信息验证的阿胶质量追溯系统,包括存储器和处理器,所述处理器执行所述存储器存储的计算机程序,以实现前述所述的方法。
本发明具有如下有益效果:
本发明通过获取不同批次不同阿胶的阿胶生产质量数据和阿胶流通数据;确定同源数据组,能够根据同源数据组中的数据对同批次阿胶生产质量进行分析;根据阿胶生产质量数据的数值确定阿胶生产质量数据的重要性系数,并根据重要性系数排序得到质量序列,相较于现有技术中使用数据值的排序方式,本发明通过重要性系数进行排序,从而能够对重要性进行有效分析;根据重要性系数将质量序列划分为两个子序列,对两个子序列中的阿胶生产质量数据进行数据匹配,能够根据重要性系数进行匹配,得到对应的数据对,同一数据对中包含有两个子序列中的阿胶生产质量数据,便于对两个子序列中的阿胶生产质量数据进行分散处理,避免重要性较高的数据聚集至一起进行压缩,导致误差影响扩大,同时,也便于直接根据数据对中阿胶生产质量数据的差距,对同批次整体阿胶的生产情况进行分析;根据压缩数据对阿胶的质量进行追溯验证,得到质量追溯结果,能够通过压缩数据进行分析,由于压缩数据仅对数据对进行压缩,相较于现有对所有数据信息进行整合压缩的方式,能够有效减少存储占用,每一数据对均可以表征对应批次的阿胶质量情况,也即在保证追溯验证的可靠性的同时,提升质量追溯的速率,综上,本发明能够在保证追溯验证的可靠性的同时,有效提升数据追溯验证的速率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术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它附图。
图1为本发明一个实施例所提供的一种基于信息验证的阿胶质量追溯方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种基于信息验证的阿胶质量追溯方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
一种基于信息验证的阿胶质量追溯方法及系统实施例:
下面结合附图具体的说明本发明所提供的一种基于信息验证的阿胶质量追溯方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种基于信息验证的阿胶质量追溯方法流程图,该方法包括:
S101:获取不同批次不同阿胶的阿胶生产质量数据和阿胶流通数据。
本发明的一种应用场景可以具体例如为,从数据库中提取生产质量信息、阿胶流通信息和防伪检测信息等,其中,阿胶流通信息为阿胶从原料至成品经过的企业、时间、流程信息。本发明主要对阿胶生产质量数据和阿胶流通数据进行分析。
其中,在阿胶生产结束后对阿胶的质量进行检验分析,得到阿胶生产质量数据,并在阿胶生产终端对阿胶从原料至成品的流通进行监控,得到阿胶流通数据,将阿胶生产质量数据和阿胶流通数据进行整理输入至对应的云存储空间中,便于后续识别云存储空间中的阿胶生产质量数据和阿胶流通数据。
可以理解的是,阿胶作为一种名贵中药材,对生产质量的要求精度较高,不同质量、不同产地的阿胶,其价格和药效等均会产生较大的差异,因此,对不同批次阿胶质量的分析至关重要。阿胶的质量信息主要包括水分含量、粘度、蛋白质含量、氨基酸含量等,则本发明实施例中,对阿胶的质量信息进行总体分析,从而根据总体分析的结果得到阿胶生产质量数据,例如对所有不同种类的质量信息进行最大最小值归一化处理,并将归一化后的值进行求均值处理得到阿胶生产质量数据,或者,也可以根据不同类型的质量信息分别赋予对应的权值,并进行阿胶生产质量数据的分析,或者,还可以使用多种其它任意可能的实现方式求得阿胶生产质量数据,对此不做限制。可以理解的是,由于是对阿胶的总体质量情况进行分析得到阿胶生产质量数据,能够避免直接输入多种质量信息,导致数据过于臃肿,同时,也能够通过单一数据很好地表征阿胶的质量,提升后续信息查看与追溯时的便捷性。
在得到阿胶生产质量数据和阿胶流通数据之后,可以根据阿胶生产质量数据和阿胶流通数据进行质量追溯,具体参见后续实施例。
S102:根据阿胶流通数据将阿胶生产质量数据划分为至少两个同源数据组;根据任一同源数据组中阿胶生产质量数据的数值确定阿胶生产质量数据的重要性系数;根据重要性系数对任一同源数据组中的阿胶生产质量数据进行排序,得到质量序列;根据质量序列中数据的重要性系数将质量序列划分为两个子序列。
进一步地,在本发明的一些实施例中,根据阿胶流通数据将阿胶生产质量数据划分为至少两个同源数据组,包括:根据阿胶流通数据确定同一批次的阿胶生产质量数据;将同一批次的阿胶生产质量数据作为一个同源数据组,由此,获得至少两个同源数据组。
可以理解的是,由于阿胶不同原材料产地来源和日期不同,阿胶的售价也会根据原料种类、产地来源和日期等因素产生变化,因此,将同一批次的阿胶所对应阿胶生产质量数据作为一个同源数据组,其中,同一批次,具体为同一生产批次,也即使用相同的原材料,在同一时间段生产的批次。
本发明实施例中,通过生产批次对阿胶进行划分,从而便于对个生产批次进行处理,可以理解的是,阿胶在熬制过程中,因使用相同的原材料,在同一时间段进行生产,则对应的同批次的阿胶的生产质量数据应保持一致,波动幅度较小,但在生产过程中出现纰漏或失误,则极大概率会导致该批次的阿胶生产质量不稳定,本发明设置重要性系数,以对同批次的阿胶生产质量和质量稳定程度进行分析。
进一步地,在本发明的一些实施例中,根据任一同源数据组中阿胶生产质量数据的数值确定阿胶生产质量数据的重要性系数,包括:计算同源数据组中所有阿胶生产质量数据的数值的均值作为质量均值;计算同源数据组中任一阿胶生产质量数据与质量均值的差值作为阿胶生产质量数据的质量差异;计算同源数据组中所有阿胶生产质量数据的数值的方差作为稳定系数;将稳定系数与质量差异的乘积的归一化值作为重要性系数。
本发明实施例中,将同批次对应所有阿胶生产质量数据的数值的均值作为质量均值,并计算阿胶生产质量数据的数值与质量均值的差值作为阿胶生产质量数据的质量差异,可以理解的是,质量均值表征该批次的平均特征,质量差异表征阿胶生产质量数据对应阿胶的质量与平均质量的差值,该质量差异有正负符号之分,可以理解的是,质量差异的绝对值越大,表征对应的质量与正常质量相差较大,通过保留正负符号对质量情况进行分析。
本发明实施例中,考虑到同批次阿胶总体质量的稳定性,因此,本发明通过计算同源数据组中所有阿胶生产质量数据的数值的方差,以根据方差表征质量的稳定性,方差越大,稳定系数越大,表征本批次的质量稳定性越差,通过计算稳定系数与质量差异的乘积的归一化值作为重要性系数,将重要性系数的中位数作为重要性正常的值,重要性系数与重要性正常的值偏差越大,可以表示对应的阿胶生产质量数据与正常情况偏差越大,且该批次的质量总体越不稳定。
进一步地,本发明的一些实施例中,根据重要性系数对任一同源数据组中的阿胶生产质量数据进行排序,得到质量序列,包括:根据重要性系数由大到小的顺序对同一同源数据组中的阿胶生产质量数据进行排序,得到质量序列。
本发明实施例中,可以按照由大到小的顺序对同一同源数据组中的阿胶生产质量数据进行排序,也即重要性系数越大的阿胶生产质量数据越靠前,由此,得到每一同源数据组所分别对应的质量序列。
进一步地,本发明的一些实施例中,根据质量序列中数据的重要性系数将质量序列划分为两个子序列,包括:获取质量序列中所有数据的重要性系数的中位数;根据中位数对质量序列进行平均分割,将重要性系数较大的子序列作为第一子序列,将重要性系数较小的子序列作为第二子序列。
其中,可以将划分得到的两个子序列分别称作第一子序列和第二子序列,将重要性系数较大的子序列作为第一子序列,将重要性系数较小的子序列作为第二子序列。
本发明通过对质量序列进行平均分割,得到两个数据量相同的第一子序列和第二子序列,在质量序列中数据为单数时,通过确定重要性系数的中位数,而后,对中位数对应的重要性系数进行复制,并将原数据和复制数据分别归入致第一子序列和第二子序列中,预先将原数据和复制数据进行标记,便于在后续对其进行分析。在质量序列中数据为双数时,则确定重要性系数的中位数,根据重要性系数的中位数直接进行平均分配。
S103:根据重要性系数,对两个子序列中的阿胶生产质量数据进行数据匹配,得到匹配结果,根据匹配结果将对应的阿胶生产质量数据组合作为数据对,将任一同源数据组中的所有数据对进行排序并压缩,得到每一同源数据组对应的压缩数据。
本发明对数据压缩过程进行分析,由于数据量过于庞大,且由于是将所有批次的阿胶生产质量数据进行整理压缩,重复数据较多,相同数据的频率较高,相关技术中通常使用数据转换(Burrows Wheeler Transform,BWT)算法对阿胶生产质量数据进行排序,并使用有损压缩的方式进行数据压缩,这种方式下,在有损压缩之后,微小的数据变化可能会影响到大量的较为重要的阿胶生产质量数据,且由于BWT算法是通过错位排序将数据进行排列,使得在压缩过程中发生数据丢失或数据错误时,对解压后的数据影响较大,而在使用无损压缩时,对应的数据压缩率较低,压缩效果较差。因此,本发明通过重要性系数进行匹配,打乱数据排序,使得在有损压缩之后仍能够根据相邻的阿胶生产质量数据对待追溯的阿胶生产质量数据进行分析,且数据损失对整体影响较小。
进一步地,本发明的一些实施例中,根据重要性系数,对两个子序列中的阿胶生产质量数据进行数据匹配,得到匹配结果,包括:获取第一子序列和第二子序列中不同阿胶生产质量数据的频率;根据频率和重要性系数,确定阿胶生产质量数据在数据匹配过程中的匹配权值;将匹配权值作为KM权值,对第一子序列和第二子序列中的阿胶生产质量数据进行KM匹配,得到匹配结果。
其中,二分图完全匹配(Kuhn-Munkras,KM)算法,为一种数据匹配算法,通过二分图完全匹配算法能够有效对数据进行匹配,由于KM算法为本领域技术人员所熟知的技术,对此不作进一步的赘述与限定。
本发明实施例中,频率可以表征阿胶生产质量数据的数量,数量越多,表征整体质量越趋近于一致,因此,将频率和重要性系数作为匹配权值的计算因子,从而得到匹配权值,其中,匹配权值可以表征阿胶生产质量数据的KM权值,匹配权值的获取过程如下所示。
进一步地,本发明的一些实施例中,根据频率和重要性系数,确定阿胶生产质量数据在数据匹配过程中的匹配权值,包括:计算第二子序列中任意一个阿胶生产质量数据与第一子序列中任意一个阿胶生产质量数据的频率的比值作为频率影响因子;计算第一子序列中任意一个阿胶生产质量数据与第二子序列中任意一个阿胶生产质量数据的重要性系数的差值,将重要性系数的差值进行归一化处理作为重要性影响因子;计算频率影响因子和重要性影响因子的乘积作为两个子序列中所选阿胶生产质量数据的匹配权值。
其中,由于计算第二子序列与第一子序列中阿胶生产质量数据的频率的比值,在频率比值越大时,可以表征使用同类的第二子序列的阿胶生产质量数据能够将第一子序列的阿胶生产质量数据进行充分打散,对应的匹配效果更优,利用频率高重要性低的阿胶生产质量数据将重要性高的阿胶生产质量数据打散,则在一般数据压缩算法中,使重要性高的阿胶生产质量数据保留程度越大,在进行数据追溯时,重要性越强的阿胶生产质量数据其参考性越强,增大其保留程度,能够降低重要性高的数据的压缩损失,使追溯结果越准确。
本发明的一些实施例中,计算第一子序列与第二子序列中任意一个阿胶生产质量数据的重要性系数的差值,将重要性系数的差值进行归一化处理作为重要性影响因子,也即是说,因第一子序列中阿胶生产质量数据的重要性系数大于等于第二子序列中阿胶生产质量数据的重要性系数,则其差值越大,重要性影响因子越大,可以表征对应的重要性系数差距越大,匹配权值越大。
本发明实施例中,将匹配权值作为KM权值,对第一子序列和第二子序列中的阿胶生产质量数据进行KM匹配,得到匹配结果,其中,匹配结果为第一子序列和第二子序列中的阿胶生产质量数据所组成的数据对,在第一子序列中的每一个阿胶生产质量数据,在第二子序列中均有与其所匹配的阿胶生产质量数据,又由于是根据频率比和重要性系数差值计算匹配权值,也即对应的匹配权值越大,表征越能够被有效打散,且重要性系数差距越大,由此,使得匹配结果能够结合频率和重要性系数的影响,提升匹配结果的可靠性。
本发明在确定匹配结果之后,可以将匹配结果所指示互相匹配的阿胶生产质量数据组合作为数据对,由此,得到多个数据对。则每对数据对均是由一个重要性较高的阿胶生产质量数据与一个重要性较低的阿胶生产质量数据进行组合得到的,又由于该组合是通过加权的KM算法进行匹配的最优结果,在进行阿胶质量追溯时,可以直接根据数据对中两个阿胶生产质量数据分析整个批次的阿胶质量情况。
可选地,在本发明的一些实施例中,将任一同源数据组中的所有数据对进行排序并压缩,得到每一同源数据组对应的压缩数据,包括:确定数据对中属于第一子序列的数据作为排序参考数据;根据排序参考数据在第一子序列的先后顺序对数据对进行排序,得到数据对序列;使用有损压缩算法对数据对序列进行压缩处理,得到压缩数据。
由于是将数据对中属于第一子序列的数据作为排序参考数据;根据排序参考数据在第一子序列的先后顺序对数据对进行排序,得到数据对序列,在进行数据压缩时,使用有损压缩进行处理,即使数据产生损失,还可以根据前后相邻的阿胶生产质量数据进行适应性补充,由此,能够在保证数据压缩的可靠性的同时,有效提升压缩率。
S104:根据压缩数据对阿胶的质量进行追溯验证,得到质量追溯结果。
其中,追溯验证,为对阿胶生产质量数据进行质量追溯的方式,也即确定准确的阿胶生产质量数据。
进一步地,本发明的一些实施例中,根据压缩数据对阿胶的质量进行追溯验证,得到质量追溯结果,包括:对压缩数据进行解压,得到解压数据;获取待验证的阿胶标识符,根据待验证的阿胶标识符从解压数据中获取对应的数据对为待验证数据对;获取解压数据中与待验证数据对相距最近的两个其他数据对为相邻数据对;计算待验证数据对中两个阿胶生产质量数据的差值为第一差值;计算相邻数据对中两个阿胶生产质量数据的差值为第二差值,计算两个相邻数据对的第二差值的均值作为对照差值;将第一差值与对照差值的差值归一化值作为验证因子;在验证因子小于等于预设验证阈值时,将待验证数据对中与阿胶标识符对应的阿胶生产质量数据作为质量追溯结果;在验证因子大于预设验证阈值时,将待验证数据对中除阿胶标识符对应的阿胶生产质量数据之外的另一个阿胶生产质量数据作为对照生产质量数据;计算对照生产质量数据和对照差值的差值作为质量追溯结果。
其中,待验证的阿胶标识符,为待进行质量验证的阿胶标识符,可以理解的是,每个阿胶均可以配置唯一的阿胶标识符,以便于根据阿胶标识符进行阿胶信息的追溯。
本发明实施例中,对压缩数据进行解压,得到解压数据;而后,可以根据待验证的阿胶标识符确定待验证的阿胶,从解压数据中搜索该阿胶对应的数据对序列,并识别待验证数据对,其中,待验证数据对为待验证的阿胶生产质量数据所属数据对,在待验证的数据对重包括待验证的阿胶生产质量数据和对照生产质量数据。
本发明实施例中,通过与待验证数据对中相距最近的两个其他数据对,结合这三个数据对进行分析,从而对待验证数据对中的阿胶生产质量数据进行验证,在验证因子小于等于预设验证阈值时,将待验证数据对中与阿胶标识符对应的阿胶生产质量数据作为质量追溯结果;在验证因子大于预设验证阈值时,计算对照生产质量数据和对照差值的差值作为质量追溯结果。
本发明通过获取不同批次不同阿胶的阿胶生产质量数据和阿胶流通数据;确定同源数据组,能够根据同源数据组中的数据对同批次阿胶生产质量进行分析;根据阿胶生产质量数据的数值确定阿胶生产质量数据的重要性系数,并根据重要性系数排序得到质量序列,相较于现有技术中使用数据值的排序方式,本发明通过重要性系数进行排序,从而能够对重要性进行有效分析;根据重要性系数将质量序列划分为两个子序列,对两个子序列中的阿胶生产质量数据进行数据匹配,能够根据重要性系数进行匹配,得到对应的数据对,同一数据对中包含有两个子序列中的阿胶生产质量数据,便于对两个子序列中的阿胶生产质量数据进行分散处理,避免重要性较高的数据聚集至一起进行压缩,导致误差影响扩大,提升数据压缩的可靠性。同时,也便于直接根据数据对中阿胶生产质量数据的差距,对同批次整体阿胶的生产情况进行分析;根据压缩数据对阿胶的质量进行追溯验证,得到质量追溯结果,能够通过压缩数据进行分析,由于压缩数据仅对数据对进行压缩,相较于现有对所有数据信息进行整合压缩的方式,能够有效减少存储占用,每一数据对均可以表征对应批次的阿胶质量情况,也即在保证追溯验证的可靠性的同时,提升质量追溯的速率,综上,本发明能够在保证追溯验证的可靠性的同时,有效提升数据追溯验证的速率。
本发明还提供了一种基于信息验证的阿胶质量追溯系统,系统包括存储器和处理器,处理器执行存储器存储的计算机程序,以实现前述的基于信息验证的阿胶质量追溯方法。
一种基于信息验证的阿胶数据压缩方法的实施例:
阿胶数据具有数据量大,重复性高,相关技术中,基于数据转换(Burrows WheelerTransform,BWT)的方式对阿胶数据进行处理,并根据转换后的数据进行有损压缩,但由于同批次阿胶的质量相近,会导致在进行BWT处理之后聚集在一起,进而导致有损压缩时,若产生数据损坏,则对整体数据影响较大,且在进行数据压缩时,通常需要将各类阿胶相关的质量信息、分析信息组合进行整理压缩,使得压缩后的数据量更为臃肿庞大,因此,对阿胶数据的压缩的可靠性和压缩效率均不足。
S101:获取不同批次不同阿胶的阿胶生产质量数据和阿胶流通数据。
S102:根据阿胶流通数据将阿胶生产质量数据划分为至少两个同源数据组;根据任一同源数据组中阿胶生产质量数据的数值确定阿胶生产质量数据的重要性系数;根据重要性系数对任一同源数据组中的阿胶生产质量数据进行排序,得到质量序列;根据质量序列中数据的重要性系数将质量序列划分为两个子序列。
S103:根据重要性系数,对两个子序列中的阿胶生产质量数据进行数据匹配,得到匹配结果,根据匹配结果将对应的阿胶生产质量数据组合作为数据对,将任一同源数据组中的所有数据对进行排序并压缩,得到每一同源数据组对应的压缩数据。
其中,步骤S101-S103在上述一种基于信息验证的阿胶质量追溯方法的实施例中已给出了详细说明,在此不再赘述。
本发明通过获取不同批次不同阿胶的阿胶生产质量数据和阿胶流通数据;确定同源数据组,能够根据同源数据组中的数据对同批次阿胶生产质量进行分析;根据阿胶生产质量数据的数值确定阿胶生产质量数据的重要性系数,并根据重要性系数排序得到质量序列,相较于现有技术中使用数据值的排序方式,本发明通过重要性系数进行排序,从而能够对重要性进行有效分析;根据重要性系数将质量序列划分为两个子序列,对两个子序列中的阿胶生产质量数据进行数据匹配,能够根据重要性系数进行匹配,得到对应的数据对,同一数据对中包含有两个子序列中的阿胶生产质量数据,便于对两个子序列中的阿胶生产质量数据进行分散处理,避免重要性较高的数据聚集至一起进行压缩,导致误差影响扩大,提升数据压缩的可靠性,同时,由于通过设置阿胶生产质量数据,并将其组合作为数据对,通过仅对数据对进行压缩的方式,能够在满足保留整体质量特征的同时,降低压缩数据量,提升压缩效果。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。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。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
Claims (10)
1.一种基于信息验证的阿胶质量追溯方法,其特征在于,所述方法包括:
获取不同批次不同阿胶的阿胶生产质量数据和阿胶流通数据;
根据所述阿胶流通数据将所述阿胶生产质量数据划分为至少两个同源数据组;根据任一同源数据组中所述阿胶生产质量数据的数值确定阿胶生产质量数据的重要性系数;根据所述重要性系数对任一同源数据组中的阿胶生产质量数据进行排序,得到质量序列;根据所述质量序列中数据的重要性系数将所述质量序列划分为两个子序列;
根据所述重要性系数,对两个子序列中的阿胶生产质量数据进行数据匹配,得到匹配结果,根据所述匹配结果将对应的阿胶生产质量数据组合作为数据对,将任一同源数据组中的所有数据对进行排序并压缩,得到每一同源数据组对应的压缩数据;
根据所述压缩数据对阿胶的质量进行追溯验证,得到质量追溯结果。
2.如权利要求1所述的一种基于信息验证的阿胶质量追溯方法,其特征在于,所述根据任一同源数据组中所述阿胶生产质量数据的数值确定阿胶生产质量数据的重要性系数,包括:
计算同源数据组中所有所述阿胶生产质量数据的数值的均值作为质量均值;计算同源数据组中任一阿胶生产质量数据与质量均值的差值作为所述阿胶生产质量数据的质量差异;
计算同源数据组中所有所述阿胶生产质量数据的数值的方差作为稳定系数;
将所述稳定系数与所述质量差异的乘积的归一化值作为重要性系数。
3.如权利要求1所述的一种基于信息验证的阿胶质量追溯方法,其特征在于,所述根据所述重要性系数对任一同源数据组中的阿胶生产质量数据进行排序,得到质量序列,包括:
根据所述重要性系数由大到小的顺序对同一同源数据组中的阿胶生产质量数据进行排序,得到质量序列。
4.如权利要求1所述的一种基于信息验证的阿胶质量追溯方法,其特征在于,两个子序列包括第一子序列和第二子序列,所述根据所述质量序列中数据的重要性系数将所述质量序列划分为两个子序列,包括:
获取所述质量序列中所有数据的重要性系数的中位数;
根据所述中位数对所述质量序列进行平均分割,将所述重要性系数较大的子序列作为第一子序列,将所述重要性系数较小的子序列作为第二子序列。
5.如权利要求4所述的一种基于信息验证的阿胶质量追溯方法,其特征在于,所述根据所述重要性系数,对两个子序列中的阿胶生产质量数据进行数据匹配,得到匹配结果,包括:
获取所述第一子序列和第二子序列中不同阿胶生产质量数据的频率;
根据所述频率和所述重要性系数,确定所述阿胶生产质量数据在数据匹配过程中的匹配权值;
将所述匹配权值作为KM权值,对所述第一子序列和第二子序列中的阿胶生产质量数据进行KM匹配,得到匹配结果。
6.如权利要求5所述的一种基于信息验证的阿胶质量追溯方法,其特征在于,所述根据所述频率和所述重要性系数,确定所述阿胶生产质量数据在数据匹配过程中的匹配权值,包括:
计算所述第二子序列中任意一个阿胶生产质量数据与所述第一子序列中任意一个阿胶生产质量数据的频率的比值作为频率影响因子;
计算所述第一子序列中任意一个阿胶生产质量数据与所述第二子序列中任意一个阿胶生产质量数据的重要性系数的差值,将重要性系数的差值进行归一化处理作为重要性影响因子;
计算所述频率影响因子和所述重要性影响因子的乘积作为两个子序列中所选阿胶生产质量数据的匹配权值。
7.如权利要求1所述的一种基于信息验证的阿胶质量追溯方法,其特征在于,所述将任一同源数据组中的所有数据对进行排序并压缩,得到每一同源数据组对应的压缩数据,包括:
确定所述数据对中属于第一子序列的数据作为排序参考数据;
根据所述排序参考数据在第一子序列的先后顺序对所述数据对进行排序,得到数据对序列;
使用有损压缩算法对所述数据对序列进行压缩处理,得到压缩数据。
8.如权利要求1所述的一种基于信息验证的阿胶质量追溯方法,其特征在于,所述根据所述压缩数据对阿胶的质量进行追溯验证,得到质量追溯结果,包括:
对所述压缩数据进行解压,得到解压数据;
获取待验证的阿胶标识符,根据待验证的阿胶标识符从所述解压数据中获取对应的数据对为待验证数据对;
获取所述解压数据中与所述待验证数据对相距最近的两个其他数据对为相邻数据对;
计算所述待验证数据对中两个阿胶生产质量数据的差值为第一差值;计算相邻数据对中两个阿胶生产质量数据的差值为第二差值,计算两个相邻数据对的第二差值的均值作为对照差值;
将第一差值与对照差值的差值归一化值作为验证因子;
在所述验证因子小于等于预设验证阈值时,将所述待验证数据对中与阿胶标识符对应的阿胶生产质量数据作为质量追溯结果;
在所述验证因子大于预设验证阈值时,将所述待验证数据对中除阿胶标识符对应的阿胶生产质量数据之外的另一个阿胶生产质量数据作为对照生产质量数据;计算对照生产质量数据和对照差值的差值作为质量追溯结果。
9.如权利要求1所述的一种基于信息验证的阿胶质量追溯方法,其特征在于,所述根据所述阿胶流通数据将所述阿胶生产质量数据划分为至少两个同源数据组,包括:
根据所述阿胶流通数据确定同一批次的阿胶生产质量数据;将同一批次的阿胶生产质量数据作为一个同源数据组,由此,获得至少两个同源数据组。
10.一种基于信息验证的阿胶质量追溯系统,所述系统包括存储器和处理器,其特征在于,所述处理器执行所述存储器存储的计算机程序,以实现如权利要求1-9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311174355.8A CN116934358B (zh) | 2023-09-13 | 2023-09-13 | 基于信息验证的阿胶质量追溯方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311174355.8A CN116934358B (zh) | 2023-09-13 | 2023-09-13 | 基于信息验证的阿胶质量追溯方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116934358A true CN116934358A (zh) | 2023-10-24 |
CN116934358B CN116934358B (zh) | 2023-12-15 |
Family
ID=88388164
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311174355.8A Active CN116934358B (zh) | 2023-09-13 | 2023-09-13 | 基于信息验证的阿胶质量追溯方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116934358B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150331913A1 (en) * | 2013-05-30 | 2015-11-19 | Nec Corporation | Data compression system |
CN108230178A (zh) * | 2018-01-03 | 2018-06-29 | 广东工业大学 | 一种农产品质量安全追溯方法、装置、设备和系统 |
CN108645797A (zh) * | 2018-05-08 | 2018-10-12 | 亳州中药材商品交易中心有限公司 | 阿胶dna快速鉴定物联网防伪溯源系统及防伪溯源方法 |
CN108734482A (zh) * | 2018-05-23 | 2018-11-02 | 浪潮软件集团有限公司 | 一种阿胶质量追溯方法、系统、可读介质和存储控制器 |
CN111309748A (zh) * | 2020-03-12 | 2020-06-19 | 郭家林 | 一种数据更新方法、装置及服务器 |
CN115496760A (zh) * | 2022-11-17 | 2022-12-20 | 澳润(山东)药业有限公司 | 一种阿胶品质鉴定方法 |
CN115630045A (zh) * | 2022-12-06 | 2023-01-20 | 遵义时月凯网络科技有限公司 | 基于人工智能的数据溯源追踪方法及ai系统 |
CN115841336A (zh) * | 2022-11-03 | 2023-03-24 | 安徽易商数码科技有限公司 | 一种基于云计算的农产品交易流通信息追溯方法 |
WO2023156280A1 (de) * | 2022-02-18 | 2023-08-24 | Siemens Aktiengesellschaft | Übertragung vorverarbeiteter sensordaten unter einbezug der datenqualität |
-
2023
- 2023-09-13 CN CN202311174355.8A patent/CN116934358B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150331913A1 (en) * | 2013-05-30 | 2015-11-19 | Nec Corporation | Data compression system |
CN108230178A (zh) * | 2018-01-03 | 2018-06-29 | 广东工业大学 | 一种农产品质量安全追溯方法、装置、设备和系统 |
CN108645797A (zh) * | 2018-05-08 | 2018-10-12 | 亳州中药材商品交易中心有限公司 | 阿胶dna快速鉴定物联网防伪溯源系统及防伪溯源方法 |
CN108734482A (zh) * | 2018-05-23 | 2018-11-02 | 浪潮软件集团有限公司 | 一种阿胶质量追溯方法、系统、可读介质和存储控制器 |
CN111309748A (zh) * | 2020-03-12 | 2020-06-19 | 郭家林 | 一种数据更新方法、装置及服务器 |
WO2023156280A1 (de) * | 2022-02-18 | 2023-08-24 | Siemens Aktiengesellschaft | Übertragung vorverarbeiteter sensordaten unter einbezug der datenqualität |
CN115841336A (zh) * | 2022-11-03 | 2023-03-24 | 安徽易商数码科技有限公司 | 一种基于云计算的农产品交易流通信息追溯方法 |
CN115496760A (zh) * | 2022-11-17 | 2022-12-20 | 澳润(山东)药业有限公司 | 一种阿胶品质鉴定方法 |
CN115630045A (zh) * | 2022-12-06 | 2023-01-20 | 遵义时月凯网络科技有限公司 | 基于人工智能的数据溯源追踪方法及ai系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116934358B (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11526799B2 (en) | Identification and application of hyperparameters for machine learning | |
JP4627674B2 (ja) | データ処理方法及びプログラム | |
US10671831B2 (en) | High speed reference point independent database filtering for fingerprint identification | |
CN116418882B (zh) | 基于hplc双模载波通信的存储器数据压缩方法 | |
US20170206458A1 (en) | Computer-readable recording medium, detection method, and detection apparatus | |
CN116915259B (zh) | 基于物联网的仓配数据优化储存方法及系统 | |
CN114187980A (zh) | 模型训练方法、模型预测方法、分子筛选方法及其装置 | |
CN113536066A (zh) | 一种数据异常检测算法确定方法、装置及计算机设备 | |
CN116934358B (zh) | 基于信息验证的阿胶质量追溯方法及系统 | |
CN117081602B (zh) | 基于区块链的资金结算数据优化处理方法 | |
CN116561230B (zh) | 一种基于云计算的分布式存储与检索系统 | |
CN111309718B (zh) | 一种配网电压数据缺失填补方法及装置 | |
CN116664335B (zh) | 基于智能监控的半导体生产系统运行分析方法及系统 | |
CN114464152B (zh) | 一种基于视觉变换网络的音乐流派分类方法及系统 | |
CN114968933A (zh) | 数据中心的日志的分类方法和装置 | |
CN112164468B (zh) | 一种孕期检查数据的缺失数据处理方法 | |
CN113822371A (zh) | 训练分组模型,以及对时序数据进行分组的方法和装置 | |
CN112328951B (zh) | 一种分析样品的实验数据的处理方法 | |
CN110797082A (zh) | 基因测序数据的存储读取方法及系统 | |
KR20200046911A (ko) | 데이터 압축 방법 및 그 장치 | |
CN114596011B (zh) | 基于人工智能的企业数据处理方法及相关装置 | |
CN116341689B (zh) | 机器学习模型的训练方法、装置、电子设备及存储介质 | |
CN110119406B (zh) | 实时任务记录的核对方法及装置 | |
CN111782734B (zh) | 数据压缩、解压方法和装置 | |
CN114329007A (zh) | 一种哈希特征压缩方法及相关装置 |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Ass hide glue quality traceability method and system based on information verification Granted publication date: 20231215 Pledgee: Shandong Dong'a Rural Commercial Bank Co.,Ltd. Pledgor: Aorun (Shandong) Pharmaceutical Co.,Ltd. Registration number: Y2024980007345 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |