CN117314477B - 一种进行二次追溯的进口冷链食品溯源追溯系统 - Google Patents

一种进行二次追溯的进口冷链食品溯源追溯系统 Download PDF

Info

Publication number
CN117314477B
CN117314477B CN202311601118.5A CN202311601118A CN117314477B CN 117314477 B CN117314477 B CN 117314477B CN 202311601118 A CN202311601118 A CN 202311601118A CN 117314477 B CN117314477 B CN 117314477B
Authority
CN
China
Prior art keywords
coefficient
area
region
unit
anomaly
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.)
Active
Application number
CN202311601118.5A
Other languages
English (en)
Other versions
CN117314477A (zh
Inventor
陈彬彬
刘星亮
郭宇亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Qianhai Yueshi Information Technology Co ltd
Original Assignee
Shenzhen Qianhai Yueshi Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Qianhai Yueshi Information Technology Co ltd filed Critical Shenzhen Qianhai Yueshi Information Technology Co ltd
Priority to CN202311601118.5A priority Critical patent/CN117314477B/zh
Publication of CN117314477A publication Critical patent/CN117314477A/zh
Application granted granted Critical
Publication of CN117314477B publication Critical patent/CN117314477B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
    • G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
    • G06K17/0025—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement consisting of a wireless interrogation device in combination with a device for optically marking the record carrier
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Accounting & Taxation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Engineering & Computer Science (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种进行二次追溯的进口冷链食品溯源追溯系统，涉及生鲜肉冷链食品溯源技术领域，该系统通过在每批生鲜肉上设置专属条形码并实时监测整个供应链的运输、转运、仓储和分销过程中的区域内的温湿度、气体浓度和肉质表面状态的多帧图像数据；并分析计算温湿度、气体浓度和外观异常数据，如肿胀凸起、气泡和颜色变化，自动计算和拟合外观异常系数Wxh1和环境评估系数PG2，用于评估判定不仅可以进行初步判定，还可以根据第一瑕疵标记和第二异常标记进行二次追溯，以确定问题食品的批次和相关信息。促进迅速地判断食品的合格性和异常情况同时，便于二次追溯和分析，以优化运输和存储条件，进一步提高供应链的可追溯性。

Description

一种进行二次追溯的进口冷链食品溯源追溯系统
技术领域
本发明涉及生鲜肉冷链食品溯源技术领域，具体为一种进行二次追溯的进口冷链食品溯源追溯系统。
背景技术
进口冷链生鲜肉食品是国际贸易和食品供应链中的重要组成部分。它包括各种肉类产品，如牛肉、猪肉和禽肉，这些产品在全球范围内被广泛贸易和消费。这些冷链产品需要在整个供应链中保持低温以确保新鲜度和食品安全。由于生鲜肉食品容易受到微生物污染和腐败的威胁，其冷链供应链的管理至关重要。进口冷链生鲜肉食品的安全和质量保障对于消费者的健康和食品供应链的可持续性至关重要。
传统的冷链生鲜肉食品追溯过程主要依赖于物流和生产信息的记录，属于一次追溯，通过在生鲜肉冷链食品上设置专属条形码，能实现简单的定位追溯，通常包括生产日期、生产地点和物流信息。虽然这些信息对于跟踪食品在供应链中的运输过程和源头很重要，但它们仅提供了有限的信息。在整个供应链的转运过程中，通常缺少对生鲜肉的肉质表面状态的实时观测和记录。这就意味着在肉类产品运输过程中可能发生的质量问题，如肉质表面的腐烂、损伤和变质情况，难以被及时察觉和记录，因此不仅需要进行一次追溯，获得生产日期、生产地点和物流信息，还需要进行二次追溯，获取到生鲜肉冷链食品在转运过程中的环境评估变化数据和外观变化数据，才能对转运过程中环境，流程进行精细化实时调整，因此，亟需提出一种进行二次追溯的进口冷链食品溯源追溯系统。
发明内容
（一）解决的技术问题
针对现有技术的不足，本发明提供了一种进行二次追溯的进口冷链食品溯源追溯系统，以解决背景技术中提到的问题。
（二）技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种进行二次追溯的进口冷链食品溯源追溯系统，包括运输转送模块、监测模块、处理模块、拟合判定模块和追溯标记模块；
所述运输转送模块用于搭建数据监控平台，用于在每批生鲜肉上设置专属条形码，并将运输过程中分为运输区域、转运区域、仓储区域和分销区域，在生鲜肉冷链食品在运输、转运、仓储和分销过程中，需要扫描和记录条形码，以跟踪每批生鲜肉的位置和状态；
并在运输、转运、仓储和分销区域中再部署传感器组和图像采集设备，由监测模块对不同区域中的实时温湿度数据，获得数据集A；采集不同区域中的气体浓度，获得数据集B；采集每批生鲜肉的多帧图像数据，建立数据集C；
所述处理模块用于将数据集A、数据集B和数据集C作为输入，并分别分析获得每次转运过程中变化，进而获得：温度差系数WD、湿度差系数SD、气体浓度系数Qt和外观异常系数Wxh1；
通过对数据集C中的多帧图像数据，并提取包含肿胀凸起特征和薄膜气泡特征区域，获得肿胀凸起面积zz、气泡面积qpmj、气泡数量qpsL和气泡密度qpmd，并进行无量纲处理后，计算获得：肿胀异常系数Zxs和气泡异常系数Qpx；并使用图像处理计算，计算多帧图像数据中的发黑区域，计算发黑区域的面积和颜色强度变化，提取获取发黑区域的特征，计算获得发黑区域面积fhmj，并根据发黑区域面积fhmj计算获得颜色异常系数Fhx；所述肿胀异常系数Zxs、气泡异常系数Qpx和颜色异常系数Fhx通过以下公式生成：
；
；
；
式中，m表示为生鲜肉图像区域的表面积，当肿胀异常系数Zxs的值越大，表示生鲜肉表面存在肿胀凸起的肉质受损情况越严重；当气泡异常系数Qpx的值越大，表示生鲜肉表面密封缺损越大；当颜色异常系数Fhx值越大，表示生鲜肉表面变质情况越严重；
由拟合判定模块将肿胀异常系数Zxs、气泡异常系数Qpx和颜色异常系数Fhx拟合成外观异常系数Wxh1，并将外观异常系数Wxh1与第一预设阈值Q1进行对比，获得第一判定结果；并将温度差系数WD、湿度差系数SD、气体浓度系数Qt拟合获得环境评估系数PG2，并将环境评估系数PG2与第二环境阈值Q2进行对比，获得第二判定结果；并根据第一判定结果和第二判定结果生成第一瑕疵标记、第一合格标记、第二异常标记和第二合格标记，并由追溯标记模块进行二次追溯，以及针对第一瑕疵标记和第二异常标记时，自动触发警报。
优选的，所述运输转送模块包括生产单元和运输单元；
所述生产单元用于在生产鲜肉批次时，为每批生鲜肉生成唯一的专属条形码，专属条形码包括生产日期、批次号和产地信息；所述运输单元用于运输区域、转运区域、仓储区域和分销区域的入口和出口，设置条形码扫描仪或读取设备，当生鲜肉进入或离开一个区域时，每一次转运过程中，都需要扫描和记录每批生鲜肉上的专属条形码。
优选的，所述监测模块包括第一监测单元、第二监测单元和第三监测单元；
由第一监测单元在运输区域、转运区域、仓储区域和分销区域中安装温度传感器和湿度传感器，并对每个区域内的温湿度进行实时监测，获取实时温度数据Wd和实时湿度数据Sd，获得数据集A；
由第二监测单元在运输区域、转运区域、仓储区域和分销区域中安装气体质量传感器，并对每个区域内的气体环境进行实时监测，获取实时气体浓度数据Qt，获得数据集B；
由所述第三监测单元用于在运输、仓储和分销区域中安装视觉传感器和激光扫描仪，采集生鲜肉冷链食品在转运的过程中的多帧图像数据，获得数据集C。
优选的，所述处理模块包括第一分析单元和第二分析单元；
所述第一分析单元用于将数据集A输入，并分析获得每次转运过程中实时温度数据Wd的变化，进而获得：温度差系数WD；所述温度差系数WD通过从每个转运区域过程中，采集若干个实时温度数据Wd，并提取每个区域内的最高温度Wd_max和最低温度Wd_min，由以下公式计算获得温度差系数WD：
；
式中，Twd表示区域的平均温度值，公式的含义表示计算区域内温度的变化和分散程度，WD值越大表示温度在区域内的变化大，WD值越小表示温度在区域内的变化小，温度环境相对稳定；
所述第二分析单元用于将数据集A输入，并分析获得每次转运过程中实时湿度数据Sd的变化，进而获得：湿度差系数SD；所述湿度差系数SD通过从每个转运区域过程中，采集若干个实时湿度数据Sd，并提取每个区域内的最高湿度Sd_max和最低湿度Sd_min，由以下公式计算获得湿度差系数SD：
；
式中，TSd表示区域的平均湿度值，公式的含义表示计算区域内湿度的变化和分散程度，SD值越大表示湿度在区域内的变化大，SD值越小表示湿度在区域内的变化小，湿度环境相对稳定。
优选的，所述处理模块还包括第三分析单元，所述第三分析单元用于提取数据集C输入，并提取获得转运区域中二氧化碳浓度值CO2、氧气浓度值O2、硫化氢浓度值H2S、氨气浓度值NH3和乙烯浓度值C2H4，由以下公式计算获得气体浓度系数Qt：
；
式中：TCO2表示区域内二氧化碳浓度预设阈值，TO2表示区域内氧气浓度预设阈值，TH2S表示区域内硫化氢浓度预设阈值，TNH3表示区域内氨气浓度预设阈值；TC2H4表示为区域内乙烯浓度预设阈值；Qt值越大，表示区域内的气体环境越差。
优选的，所述处理模块还包括肿胀异常计算单元、气泡异常计算单元和颜色异常计算单元；
所述肿胀异常计算单元用于通过对数据集C进行图像处理，识别并提取包含肿胀突起特征的区域，并使用标尺计算测量计算肿胀凸起特征区域面积，获得肿胀凸起面积zz，并计算生鲜肉图像区域的表面积m，计算获得肿胀异常系数Zxs；
所述气泡异常计算单元用于通过对数据集C进行图像处理，识别并提取包含包装薄膜和生鲜肉表面积之间相隔产生气泡的区域，并使用提取气泡特征区域面积，计算获得薄膜气泡区域的面积qpmj，并识别图像中气泡数量qpsL，进而计算气泡密度qpmd，气泡密度表示为单位面积内的气泡数量：qpmd=qpsL/qpmj；用每平方毫米或每平方厘米内的气泡数量进行表示；并综合计算获得气泡异常系数Qpx；
所述颜色异常计算单元用于对数据集C进行图像处理技术来检测图像中的发黑区域，设置发黑区域颜色灰度阈值，超过灰度阈值的标识为发黑区域；并计算每帧图像中发黑区域的面积，识别发黑区域中的像素数量，求和计算获得发黑区域面积fhmj，并计算生鲜肉图像区域的表面积m，通过将fhmj与总图像面积m进行计算，得到颜色发黑系数Ys。
优选的，所述拟合判定模块包括第一拟合单元和第二拟合单元，所述第一拟合单元用于将肿胀异常系数Zxs、气泡异常系数Qpx和颜色异常系数Fhx拟合成外观异常系数Wxh1：所述外观异常系数Wxh1通过以下公式进行拟合获得：
；
其中，α、β和δ表示为肿胀异常系数Zxs、气泡异常系数Qpx和颜色异常系数Fhx的比 例系，且0.35≤α≤0.55，0.25≤β≤0.45，0.15≤δ≤0.75且α+β+δ=1，，A1为第一修正常数值；
所述第二拟合单元用于将温度差系数WD、湿度差系数SD、气体浓度系数Qt拟合获得环境评估系数PG2，所述环境评估系数PG2通过以下公式进行拟合获得：
；
其中，a、b和c表示为温度差系数WD、湿度差系数SD、气体浓度系数Qt的比例系数，且0.35≤a≤0.45，0.30≤b≤0.65，0.25≤c≤0.55，且a+b+c=1，其具体值由用户调整设置，A2为第二修正常数值。
优选的，所述拟合判定模块还包括预设阈值单元和判定结果生成单元，所述预设阈值单元用于预设第一预设阈值Q1和第二环境阈值Q2；
所述判定结果生成单元用于将所述外观异常系数Wxh1与第一预设阈值Q1进行对比，获得第一判定结果，包括：
当外观异常系数Wxh1大于等于第一预设阈值Q1时，判定为瑕疵，生成第一瑕疵标记；当外观异常系数Wxh1小于第一预设阈值Q1时，判定为合格，进行第一合格标记；
并将环境评估系数PG2与第二环境阈值Q2进行对比，获得第二判定结果，包括：当环境评估系数PG2大于等于第二环境阈值Q2时，判定为异常，生成第二异常标记；当环境评估系数PG2小于第二环境阈值Q2时，判定为合格，进行第二合格标记。
优选的，所述追溯标记模块包括统计标记单元和自动化二次追溯单元；
所述统计标记单元用于统计归类获取生鲜肉批次的标记信息，包括第一瑕疵标记、第一合格标记、第二异常标记和第二合格标记；
并通过自动化二次追溯单元，依据第一瑕疵标记、第一合格标记、第二异常标记和第二合格标记，进行二次追溯，并使用第一瑕疵标记和第一合格标记来检索第一批次数据；包括相应批次的数据集C和外观异常系数Wxh1；并使用第二异常标记和第二合格标记来检索第二批次数据，第二批次数据包括区域内数据集A和数据集B以及环境评估系数PG2。
优选的，所述追溯标记模块还包括自动警报单元，所述自动警报单元用于检测到第一瑕疵标记和第二异常标记时，自动触发警报通知相关人员。
（三）有益效果
本发明提供了一种进行二次追溯的进口冷链食品溯源追溯系统。具备以下有益效果：
（1）该一种进行二次追溯的进口冷链食品溯源追溯系统，通过在每批生鲜肉上设置专属条形码，对整个供应链的运输、转运、仓储和分销过程进行实时监测和追踪。这有助于确保生鲜肉的位置和状态得到准确记录，提高了可追溯性。通过部署传感器和图像采集设备，获取了不同区域内温湿度、气体浓度和肉质表面状态的多帧图像数据。利用多帧图像数据分析，能够检测肉质表面的异常情况，如肿胀凸起、气泡和颜色变化。这有助于更准确地识别食品的质量问题，提高了质量控制。系统通过分析温湿度、气体浓度和外观异常数据，自动计算和拟合外观异常系数Wxh1和环境评估系数PG2，从而提高了决策的效率和准确性。这意味着可以更快速地判断食品的合格性和异常情况。系统不仅可以进行初步判定，还可以根据第一瑕疵标记和第二异常标记进行二次追溯，以确定问题食品的批次和相关信息。此外，它还能够自动触发警报通知相关人员，当检测到第一瑕疵标记和第二异常标记时。这有助于更迅速地采取措施，减少损失。
（2）第一分析单元和第二分析单元用于评估每个特定转运区域内的温度和湿度环境的变化和一致性。较高的WD或SD值表示温湿度变化较大，而较低的值则表示相对稳定的环境。这有助于识别可能对冷链生鲜肉食品的质量和安全性产生影响的变化。
（3）第三分析单元通过气体浓度数据的实时监测，系统能够及时识别潜在的气体环境问题，从而减少质量问题和风险。评估气体环境质量促进帮助确保冷链食品的质量，防止质量下降或腐烂问题。记录气体浓度数据和Qt值有助于建立历史数据，供追溯和分析使用，以优化运输和存储条件。
（4）追溯标记模块包括统计标记单元和自动化二次追溯单元。统计标记单元用于记录标记信息，包括瑕疵、合格、异常和合格标记。自动化二次追溯单元根据这些标记信息进行二次追溯，以检索相关数据。当第一瑕疵标记和第二异常标记被检测到时，自动警报单元触发警报通知相关人员，无需人工干预，提高追溯自动化。
附图说明
图1为本发明一种进行二次追溯的进口冷链食品溯源追溯系统框图流程示意图。
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。
冷链生鲜肉食品是国际贸易和食品供应链中的重要组成部分。它包括各种肉类产品，如牛肉、猪肉和禽肉，这些产品在全球范围内被广泛贸易和消费。这些冷链产品需要在整个供应链中保持低温以确保新鲜度和食品安全。由于生鲜肉食品容易受到微生物污染和腐败的威胁，其冷链供应链的管理至关重要。进口冷链生鲜肉食品的安全和质量保障对于消费者的健康和食品供应链的可持续性至关重要。
传统的冷链生鲜肉食品追溯过程主要依赖于物流和生产信息的记录，属于一次追溯，通过在生鲜肉冷链食品上设置专属条形码，能实现简单的定位追溯，通常包括生产日期、生产地点和物流信息。虽然这些信息对于跟踪食品在供应链中的运输过程和源头很重要，但它们仅提供了有限的信息。在整个供应链的转运过程中，通常缺少对生鲜肉的肉质表面状态的实时观测和记录。这就意味着在肉类产品运输过程中可能发生的质量问题，如肉质表面的腐烂、损伤、细菌感染等，难以被及时察觉和记录，因此不仅需要进行一次追溯，获得生产日期、生产地点和物流信息，还需要进行二次追溯，获取到生鲜肉冷链食品在转运过程中的环境评估变化数据和外观变化数据，才能对转运过程中环境，流程进行精细化实时调整，因此，亟需提出一种进行二次追溯的进口冷链食品溯源追溯系统。
实施例1；
本发明提供一种进行二次追溯的进口冷链食品溯源追溯系统，请参阅图1，包括运输转送模块、监测模块、处理模块、拟合判定模块和追溯标记模块；
所述运输转送模块用于搭建数据监控平台，用于在每批生鲜肉上设置专属条形码，并将运输过程中分为运输区域、转运区域、仓储区域和分销区域，在生鲜肉冷链食品在运输、转运、仓储和分销过程中，需要扫描和记录条形码，以跟踪每批生鲜肉的位置和状态；
并在运输、转运、仓储和分销区域中再部署传感器组和图像采集设备，由监测模块对不同区域中的实时温湿度数据，获得数据集A；采集不同区域中的气体浓度，获得数据集B；采集每批生鲜肉的多帧图像数据，建立数据集C；
所述处理模块用于将数据集A、数据集B和数据集C作为输入，并分别分析获得每次转运过程中变化，进而获得：温度差系数WD、湿度差系数SD、气体浓度系数Qt和外观异常系数Wxh1；
所述外观异常系数Wxh1的获取方式如下：通过对数据集C中的多帧图像数据，并提取包含肿胀凸起特征和薄膜气泡特征区域，获得肿胀凸起面积zz、气泡面积qpmj、气泡数量qpsL和气泡密度qpmd，并进行无量纲处理后，计算获得：肿胀异常系数Zxs和气泡异常系数Qpx；并使用图像处理计算，计算多帧图像数据中的发黑区域，计算发黑区域的面积和颜色强度变化，提取获取发黑区域的特征，计算获得发黑区域面积fhmj，并根据发黑区域面积fhmj计算获得颜色异常系数Fhx；所述肿胀异常系数Zxs、气泡异常系数Qpx和颜色异常系数Fhx通过以下公式生成：
；
；
；
式中，m表示为生鲜肉图像区域的表面积，当肿胀异常系数Zxs的值越大，表示生鲜肉表面存在肿胀凸起的肉质受损情况越严重；当气泡异常系数Qpx的值越大，表示生鲜肉表面密封缺损越大；当颜色异常系数Fhx值越大，表示生鲜肉表面变质情况越严重；
具体数据示例：现有图像P1中，肿胀凸起的面积zz为500平方毫米，总图像区域的面积m为1000平方毫米，那么Zxs=500/1000=0.5。
现有图像P1中，气泡密度qpmd为20个/平方毫米，气泡数量qpsL为100个，总图像区域的面积m为1000平方毫米，气泡面积qpmj为300平方毫米，那么Qpx=(20*100)/(1000-300)≈2.857。
现有图像P1中：发黑区域的面积fhmj为150平方毫米，总图像区域的面积m为1000平方毫米，那么Fhx=150/1000=0.15。
由拟合判定模块将肿胀异常系数Zxs、气泡异常系数Qpx和颜色异常系数Fhx拟合成外观异常系数Wxh1，并将外观异常系数Wxh1与第一预设阈值Q1进行对比，获得第一判定结果；并将温度差系数WD、湿度差系数SD、气体浓度系数Qt拟合获得环境评估系数PG2，并将环境评估系数PG2与第二环境阈值Q2进行对比，获得第二判定结果；并根据第一判定结果和第二判定结果生成第一瑕疵标记、第一合格标记、第二异常标记和第二合格标记，并由追溯标记模块进行二次追溯，以及针对第一瑕疵标记和第二异常标记时，自动触发警报。
本实施例中，通过在每批生鲜肉上设置专属条形码，对整个供应链的运输、转运、仓储和分销过程进行实时监测和追踪。这有助于确保生鲜肉的位置和状态得到准确记录，提高了可追溯性。通过部署传感器和图像采集设备，获取了不同区域内温湿度、气体浓度和肉质表面状态的多帧图像数据。利用多帧图像数据分析，能够检测肉质表面的异常情况，如肿胀凸起、气泡和颜色变化。这有助于更准确地识别食品的质量问题，提高了质量控制。系统通过分析温湿度、气体浓度和外观异常数据，自动计算和拟合外观异常系数Wxh1和环境评估系数PG2，从而提高了决策的效率和准确性。这意味着可以更快速地判断食品的合格性和异常情况。系统不仅可以进行初步判定，还可以根据第一瑕疵标记和第二异常标记进行二次追溯，以确定问题食品的批次和相关信息。此外，它还能够自动触发警报通知相关人员，当检测到第一瑕疵标记和第二异常标记时。这有助于更迅速地采取措施，减少损失。
实施例2；
本实施例是在实施例1中进行的解释说明，请参照图1，具体的，所述运输转送模块包括生产单元和运输单元；
所述生产单元用于在生产鲜肉批次时，为每批生鲜肉生成唯一的专属条形码，专属条形码包括生产日期、批次号和产地信息；所述运输单元用于运输区域、转运区域、仓储区域和分销区域的入口和出口，设置条形码扫描仪或读取设备，当生鲜肉进入或离开一个区域时，每一次转运过程中，都需要扫描和记录每批生鲜肉上的专属条形码。
本实施例中，这一运输转送模块提供了可追溯性的关键元素，以确保进口冷链生鲜肉食品的源头和运输历史得到准确记录。通过在不同区域设置扫描设备，并生成唯一的专属条形码，系统能够实现全面监控和数据记录，有助于提高食品的质量控制和安全性。
实施例3；
本实施例是在实施例1中进行的解释说明，请参照图1，具体的，所述监测模块包括第一监测单元、第二监测单元和第三监测单元；
由第一监测单元在运输区域、转运区域、仓储区域和分销区域中安装温度传感器和湿度传感器，并对每个区域内的温湿度进行实时监测，获取实时温度数据Wd和实时湿度数据Sd，获得数据集A；实时监测温湿度对于确保食品在适宜条件下运输和储存非常重要，有助于提高食品安全和质量。
由第二监测单元在运输区域、转运区域、仓储区域和分销区域中安装气体质量传感器，并对每个区域内的气体环境进行实时监测，获取实时气体浓度数据Qt，获得数据集B；这对于检测任何可能存在的气体污染或变化非常重要，有助于确保食品的安全性。
由所述第三监测单元用于在运输、仓储和分销区域中安装视觉传感器和激光扫描仪，采集生鲜肉冷链食品在转运的过程中的多帧图像数据，获得数据集C。这些图像数据允许系统对食品的外观进行实时监测，以检测任何可能的外观异常，如肿胀凸起、气泡和颜色变化。
实施例4；
本实施例是在实施例3中进行的解释说明，请参照图1，具体的，所述处理模块包括第一分析单元和第二分析单元；
所述第一分析单元用于将数据集A输入，并分析获得每次转运过程中实时温度数据Wd的变化，进而获得：温度差系数WD；所述温度差系数WD通过从每个转运区域过程中，采集若干个实时温度数据Wd，并提取每个区域内的最高温度Wd_max和最低温度Wd_min，由以下公式计算获得温度差系数WD：
；
式中，Twd表示区域的平均温度值，公式的含义表示计算区域内温度的变化和分散程度，WD值越大表示温度在区域内的变化大，WD值越小表示温度在区域内的变化小，温度环境相对稳定；
所述第二分析单元用于将数据集A输入，并分析获得每次转运过程中实时湿度数据Sd的变化，进而获得：湿度差系数SD；所述湿度差系数SD通过从每个转运区域过程中，采集若干个实时湿度数据Sd，并提取每个区域内的最高湿度Sd_max和最低湿度Sd_min，由以下公式计算获得湿度差系数SD：
；
式中，TSd表示区域的平均湿度值，公式的含义表示计算区域内湿度的变化和分散程度，SD值越大表示湿度在区域内的变化大，SD值越小表示湿度在区域内的变化小，湿度环境相对稳定。
具体数据示例：假设有一个仓储的转运区域，该区域在一次转运过程中收集了以下实时温度数据Wd：[4°C,6°C,5°C,7°C,4.5°C]；
计算该区域内的平均温度值Twd：(4°C+6°C+5°C+7°C+4.5°C)/5=5.3°C；
提取最高温度值Wd_max：7°C；
提取最低温度值Wd_min：4°C；
使用提取的值计算温度差系数WD：(7°C-4°C)/5.3°C≈0.566；
对于湿度差系数（SD）的计算：
假设同一转运区域内的实时湿度数据Sd为：[65%,70%,68%,73%,66%]；
计算该区域内的平均湿度值TSd：(65%+70%+68%+73%+66%)/5=68.4%；
提取最高湿度值Sd_max：73%；
提取最低湿度值Sd_min：65%；
使用提取的值计算湿度差系数SD：(73%-65%)/68.4%≈0.117；
本实施例中，第一分析单元和第二分析单元用于评估每个特定转运区域内的温度和湿度环境的变化和一致性。较高的WD或SD值表示温湿度变化较大，而较低的值则表示相对稳定的环境。这有助于识别可能对冷链生鲜肉食品的质量和安全性产生影响的变化。
实施例5；
本实施例是在实施例1中进行的解释说明，请参照图1，具体的，所述处理模块还包括第三分析单元，所述第三分析单元用于提取数据集C输入，并提取获得转运区域中二氧化碳浓度值CO2、氧气浓度值O2、硫化氢浓度值H2S、氨气浓度值NH3和乙烯浓度值C2H4，由以下公式计算获得气体浓度系数Qt：
；
式中：TCO2表示区域内二氧化碳浓度预设阈值，TO2表示区域内氧气浓度预设阈值，TH2S表示区域内硫化氢浓度预设阈值，TNH3表示区域内氨气浓度预设阈值；TC2H4表示为区域内乙烯浓度预设阈值；Qt值越大，表示区域内的气体环境越差。
具体数据示例：二氧化碳浓度值：80ppm(partspermillion)；氧气浓度值：20%；硫化氢浓度值：2ppm；氨气浓度值：10ppm；乙烯浓度值：0.5%；
假设设定的预设阈值为：二氧化碳浓度预设阈值：100ppm；氧气浓度预设阈值：21%；硫化氢浓度预设阈值：5ppm；氨气浓度预设阈值：15ppm；乙烯浓度预设阈值：1%；
Qt=100/80+21/20+5/2+10/15+0.5/1=0.8+0.9523809523809523+0.4+0.6666666666666666+0.5=3.319047619047619。因此Qt的值为约3.32。
Qt的值为约3.32，这表示在转运区域内的气体环境相对较差。如果Qt值超过某一设定的阈值，系统可以发出警报或标记，以指示气体环境可能对冷链生鲜肉食品的质量产生负面影响。这有助于监测和维护运输环境，以确保产品的质量和食品安全。
实施例6；
本实施例是在实施例1中进行的解释说明，请参照图1，具体的，所述处理模块还包括肿胀异常计算单元、气泡异常计算单元和颜色异常计算单元；
所述肿胀异常计算单元用于通过对数据集C进行图像处理，识别并提取包含肿胀突起特征的区域，并使用标尺计算测量计算肿胀凸起特征区域面积，获得肿胀凸起面积zz，并计算生鲜肉图像区域的表面积m，计算获得肿胀异常系数Zxs；通过图像处理技术，它能够识别肿胀突起特征区域并计算肿胀凸起的面积。这有助于检测肉质的凸起或膨胀问题，帮助评估肉质受损的程度。肿胀异常系数Zxs提供了关于肉质状况的信息。
所述气泡异常计算单元用于通过对数据集C进行图像处理，识别并提取包含包装薄膜和生鲜肉表面积之间相隔产生气泡的区域，并使用提取气泡特征区域面积，计算获得薄膜气泡区域的面积qpmj，并识别图像中气泡数量qpsL，进而计算气泡密度qpmd，气泡密度表示为单位面积内的气泡数量：qpmd=qpsL/qpmj；用每平方毫米或每平方厘米内的气泡数量进行表示；并综合计算获得气泡异常系数Qpx；它通过识别图像中包装薄膜和生鲜肉表面之间隔开的气泡区域，计算气泡的面积和密度。这有助于检测包装薄膜是否完好以及气泡的数量和分布情况。气泡异常系数Qpx提供了关于包装完整性的信息。
所述颜色异常计算单元用于对数据集C进行图像处理技术来检测图像中的发黑区域，设置发黑区域颜色灰度阈值，超过灰度阈值的标识为发黑区域；并计算每帧图像中发黑区域的面积，识别发黑区域中的像素数量，求和计算获得发黑区域面积fhmj，并计算生鲜肉图像区域的表面积m，通过将fhmj与总图像面积m进行计算，得到颜色发黑系数Ys。通过设定颜色灰度阈值来标识发黑区域，然后计算这些区域的面积。这有助于检测生鲜肉的变质情况。颜色异常系数Ys提供了有关生鲜肉颜色问题的信息。
实施例7；
本实施例是在实施例6中进行的解释说明，请参照图1，具体的，所述拟合判定模块包括第一拟合单元和第二拟合单元，所述第一拟合单元用于将肿胀异常系数Zxs、气泡异常系数Qpx和颜色异常系数Fhx拟合成外观异常系数Wxh1：所述外观异常系数Wxh1通过以下公式进行拟合获得：
；
其中，α、β和δ表示为肿胀异常系数Zxs、气泡异常系数Qpx和颜色异常系数Fhx的比 例系数，且0.35≤α≤0.55，0.25≤β≤0.45，0.15≤δ≤0.75且α+β+δ=1，其具体值由用户调 整设置，A1为第一修正常数值；
根据实施例1中的具体数据示例，已知具体数据示例：现有图像P1中，肿胀凸起的面积zz为500平方毫米，总图像区域的面积m为1000平方毫米，那么Zxs=500/1000=0.5。现有图像P1中，气泡密度qpmd为20个/平方毫米，气泡数量qpsL为100个，总图像区域的面积m为1000平方毫米，气泡面积qpmj为300平方毫米，那么Qpx=(20*100)/(1000-300)≈2.857。现有图像P1中：发黑区域的面积fhmj为150平方毫米，总图像区域的面积m为1000平方毫米，那么Fhx=150/1000=0.15。
因此α的值在0.35到0.55之间。β的值在0.25到0.45之间。δ的值在0.15到0.75之间。α+β+δ=1；A1为第一修正常数值，可能需要根据具体情况设置。
假设选择以下值：α=0.45；β=0.3；δ=0.25；A1=0.001；
现在，使用提供的数据示例来计算外观异常系数Wxh1：
Zxs=0.5；Qpx=2.857；Fhx=0.15；
将这些值代入公式：
Wxh1=0.45*0.5+0.3*2.857+0.25*0.15+0.001；
Wxh1=0.225+0.8571+0.0375+0.001；
Wxh1=1.1196+0.001=1.12；
所述第二拟合单元用于将温度差系数WD、湿度差系数SD、气体浓度系数Qt拟合获得环境评估系数PG2，所述环境评估系数PG2通过以下公式进行拟合获得：
其中，a、b和c表示为温度差系数WD、湿度差系数SD、气体浓度系数Qt的比例系数，且0.35≤a≤0.45，0.30≤b≤0.65，0.25≤c≤0.55，且a+b+c=1，其具体值由用户调整设置，A2为第二修正常数值。
具体数据示例，依据实施例4和实施例5中计算的已知数据：已知数据：温度差系数WD≈0.566；湿度差系数SD≈0.117；Qt的值≈3.32；
公式：PG2=a*WD+b*SD+c*Qt+；根据用户设置的比例系数和修正常数值的范围， 这里使用以下值：a=0.4；b=0.35；c=0.25；A2=0.04；
将这些值代入公式中：PG2=0.4*0.566+0.35*0.117+0.25*3.32+0.04；
PG2≈0.2264+0.04095+0.83+0.04；
PG2≈1.12；
所以，根据提供的数据和给定的参数值，环境评估系数PG2的具体数值约为1.12。
实施例8；
本实施例是在实施例7中进行的解释说明，请参照图1，具体的，所述拟合判定模块还包括预设阈值单元和判定结果生成单元，所述预设阈值单元用于预设第一预设阈值Q1和第二环境阈值Q2；
所述判定结果生成单元用于将所述外观异常系数Wxh1与第一预设阈值Q1进行对比，获得第一判定结果，包括：
当外观异常系数Wxh1大于等于第一预设阈值Q1时，判定为瑕疵，生成第一瑕疵标记；当外观异常系数Wxh1小于第一预设阈值Q1时，判定为合格，进行第一合格标记；
并将环境评估系数PG2与第二环境阈值Q2进行对比，获得第二判定结果，包括：当环境评估系数PG2大于等于第二环境阈值Q2时，判定为异常，生成第二异常标记；当环境评估系数PG2小于第二环境阈值Q2时，判定为合格，进行第二合格标记。
依据实施例6中具体的数值，已知数据：外观异常系数Wxh1≈1.12；第一预设阈值Q1=1.0；环境评估系数PG2≈1.12；第二环境阈值Q2=1.0；
首先，将外观异常系数Wxh1与第一预设阈值Q1进行比较：
Wxh1=1.12；Q1=1.0；由于Wxh1大于等于Q1，判定为瑕疵，并生成第一瑕疵标记。
接下来，将环境评估系数PG2与第二环境阈值Q2进行比较：PG2=1.12；Q2=1.0；
由于PG2大于等于Q2，判定为异常，并生成第二异常标记。
综合第一瑕疵标记和第二异常标记的判定结果：
第一瑕疵标记：瑕疵；
第二异常标记：异常；
本实施例中，生成了第一瑕疵标记和第二异常标记，表明产品在外观异常方面存在问题，并且环境评估也不合格。这将有助于更准确地评估产品的质量和安全性。
实施例9；
本实施例是在实施例1中进行的解释说明，请参照图1，具体的，所述追溯标记模块包括统计标记单元和自动化二次追溯单元；
所述统计标记单元用于统计归类获取生鲜肉批次的标记信息，包括第一瑕疵标记、第一合格标记、第二异常标记和第二合格标记；
并通过自动化二次追溯单元，依据第一瑕疵标记、第一合格标记、第二异常标记和第二合格标记，进行二次追溯，并使用第一瑕疵标记和第一合格标记来检索第一批次数据；包括相应批次的数据集C和外观异常系数Wxh1；并使用第二异常标记和第二合格标记来检索第二批次数据，第二批次数据包括区域内数据集A和数据集B以及环境评估系数PG2。
本实施例中，使用第一瑕疵标记和第一合格标记来检索第一批次数据，这些数据包括多个数据集C和外观异常系数Wxh1。同时，使用第二异常标记和第二合格标记来检索第二批次数据，第二批次数据包括区域内的数据集A和数据集B，以及环境评估系数PG2。这种二次追溯的方法有助于跟踪和识别产品批次之间的差异，包括外观和环境因素的差异。
实施例10；
本实施例是在实施例1中进行的解释说明，请参照图1，具体的，所述追溯标记模块还包括自动警报单元，所述自动警报单元用于检测到第一瑕疵标记和第二异常标记时，自动触发警报通知相关人员。
本实施例中，自动警报单元，其功能是检测到第一瑕疵标记和第二异常标记时，自动触发警报通知相关人员。这意味着当系统检测到产品存在瑕疵或环境异常时，它可以自动向相关的工作人员发送警报通知，以便他们可以立即采取行动来解决问题或采取适当的措施，确保产品质量和安全性。
这种自动警报机制促进提高生产过程的实时监控和响应速度，有助于减少潜在的问题和风险。通过快速的警报通知，相关人员可以及时采取措施，降低可能出现的不合格产品或不安全环境的风险。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (7)

1.一种进行二次追溯的进口冷链食品溯源追溯系统，其特征在于：包括运输转送模块、监测模块、处理模块、拟合判定模块和追溯标记模块；
所述运输转送模块用于搭建数据监控平台，用于在每批生鲜肉上设置专属条形码，并将运输过程中分为运输区域、转运区域、仓储区域和分销区域，在生鲜肉冷链食品在运输、转运、仓储和分销过程中，需要扫描和记录条形码，以跟踪每批生鲜肉的位置和状态；
并在运输、转运、仓储和分销区域中再部署传感器组和图像采集设备，由监测模块对不同区域中的实时温湿度数据，获得数据集A；采集不同区域中的气体浓度，获得数据集B；采集每批生鲜肉的多帧图像数据，建立数据集C；
所述处理模块用于将数据集A、数据集B和数据集C作为输入，并分别分析获得每次转运过程中变化，进而获得：温度差系数WD、湿度差系数SD、气体浓度系数Qt和外观异常系数Wxh1；
所述处理模块包括肿胀异常计算单元、气泡异常计算单元和颜色异常计算单元；
所述肿胀异常计算单元用于通过对数据集C进行图像处理，识别并提取包含肿胀突起特征的区域，并使用标尺计算测量计算肿胀凸起特征区域面积，获得肿胀凸起面积zz，并计算生鲜肉图像区域的表面积m，计算获得肿胀异常系数Zxs；
所述气泡异常计算单元用于通过对数据集C进行图像处理，识别并提取包含包装薄膜和生鲜肉表面积之间相隔产生气泡的区域，并使用提取气泡特征区域面积，计算获得薄膜气泡区域的面积qpmj，并识别图像中气泡数量qpsL，进而计算气泡密度qpmd，气泡密度表示为单位面积内的气泡数量：qpmd=qpsL/qpmj；用每平方毫米或每平方厘米内的气泡数量进行表示；并综合计算获得气泡异常系数Qpx；
所述颜色异常计算单元用于对数据集C进行图像处理技术来检测图像中的发黑区域，设置发黑区域颜色灰度阈值，超过灰度阈值的标识为发黑区域；并计算每帧图像中发黑区域的面积，识别发黑区域中的像素数量，求和计算获得发黑区域面积fhmj，并计算生鲜肉图像区域的表面积m，通过将fhmj与总图像面积m进行计算，得到颜色发黑系数Ys；
通过对数据集C中的多帧图像数据，并提取包含肿胀凸起特征和薄膜气泡特征区域，获得肿胀凸起面积zz、气泡面积qpmj、气泡数量qpsL和气泡密度qpmd，并进行无量纲处理后，计算获得：肿胀异常系数Zxs和气泡异常系数Qpx；并使用图像处理计算，计算多帧图像数据中的发黑区域，计算发黑区域的面积和颜色强度变化，提取获取发黑区域的特征，计算获得发黑区域面积fhmj，并根据发黑区域面积fhmj计算获得颜色异常系数Fhx；所述肿胀异常系数Zxs、气泡异常系数Qpx和颜色异常系数Fhx通过以下公式生成：
；
；
；
式中，m表示为生鲜肉图像区域的表面积，当肿胀异常系数Zxs的值越大，表示生鲜肉表面存在肿胀凸起的肉质受损情况越严重；当气泡异常系数Qpx的值越大，表示生鲜肉表面密封缺损越大；当颜色异常系数Fhx值越大，表示生鲜肉表面变质情况越严重；
所述拟合判定模块将肿胀异常系数Zxs、气泡异常系数Qpx和颜色异常系数Fhx拟合成外观异常系数Wxh1，并将外观异常系数Wxh1与第一预设阈值Q1进行对比，获得第一判定结果；并将温度差系数WD、湿度差系数SD、气体浓度系数Qt拟合获得环境评估系数PG2，并将环境评估系数PG2与第二环境阈值Q2进行对比，获得第二判定结果；并根据第一判定结果和第二判定结果生成第一瑕疵标记、第一合格标记、第二异常标记和第二合格标记；并由追溯标记模块进行二次追溯，以及针对第一瑕疵标记和第二异常标记时，自动触发警报；
所述拟合判定模块包括第一拟合单元和第二拟合单元，所述第一拟合单元用于将肿胀异常系数Zxs、气泡异常系数Qpx和颜色异常系数Fhx拟合成外观异常系数Wxh1：所述外观异常系数Wxh1通过以下公式进行拟合获得：
；
其中，α、β和δ表示为肿胀异常系数Zxs、气泡异常系数Qpx和颜色异常系数Fhx的比例系数，且0.35≤α≤0.55，0.25≤β≤0.45，0.15≤δ≤0.75，且α+β+δ=1，其具体值由用户调整设置，A1为第一修正常数值；
所述第二拟合单元用于将温度差系数WD、湿度差系数SD、气体浓度系数Qt拟合获得环境评估系数PG2，所述环境评估系数PG2通过以下公式进行拟合获得：
；
其中，a、b和c表示为温度差系数WD、湿度差系数SD、气体浓度系数Qt的比例系数，且0.35≤a≤0.45，0.30≤b≤0.65，0.25≤c≤0.55，且a+b+c=1，其具体值由用户调整设置，A2为第二修正常数值；
所述拟合判定模块还包括预设阈值单元和判定结果生成单元，所述预设阈值单元用于预设第一预设阈值Q1和第二环境阈值Q2；
所述判定结果生成单元用于将所述外观异常系数Wxh1与第一预设阈值Q1进行对比，获得第一判定结果，包括：
当外观异常系数Wxh1大于等于第一预设阈值Q1时，判定为瑕疵，生成第一瑕疵标记；当外观异常系数Wxh1小于第一预设阈值Q1时，判定为合格，进行第一合格标记；
并将环境评估系数PG2与第二环境阈值Q2进行对比，获得第二判定结果，包括：当环境评估系数PG2大于等于第二环境阈值Q2时，判定为异常，生成第二异常标记；当环境评估系数PG2小于第二环境阈值Q2时，判定为合格，进行第二合格标记。
2.根据权利要求1所述的一种进行二次追溯的进口冷链食品溯源追溯系统，其特征在于：所述运输转送模块包括生产单元和运输单元；
所述生产单元用于在生产鲜肉批次时，为每批生鲜肉生成唯一的专属条形码，专属条形码包括生产日期、批次号和产地信息；所述运输单元用于运输区域、转运区域、仓储区域和分销区域的入口和出口，设置条形码扫描仪或读取设备，当生鲜肉进入或离开一个区域时，每一次转运过程中，都需要扫描和记录每批生鲜肉上的专属条形码。
3.根据权利要求1所述的一种进行二次追溯的进口冷链食品溯源追溯系统，其特征在于：所述监测模块包括第一监测单元、第二监测单元和第三监测单元；
由第一监测单元在运输区域、转运区域、仓储区域和分销区域中安装温度传感器和湿度传感器，并对每个区域内的温湿度进行实时监测，获取实时温度数据Wd和实时湿度数据Sd，获得数据集A；
由第二监测单元在运输区域、转运区域、仓储区域和分销区域中安装气体质量传感器，并对每个区域内的气体环境进行实时监测，获取实时气体浓度数据Qt，获得数据集B；
由所述第三监测单元用于在运输、仓储和分销区域中安装视觉传感器和激光扫描仪，采集生鲜肉冷链食品在转运的过程中的多帧图像数据，获得数据集C。
4.根据权利要求1所述的一种进行二次追溯的进口冷链食品溯源追溯系统，其特征在于：所述处理模块包括第一分析单元和第二分析单元；
所述第一分析单元用于将数据集A输入，并分析获得每次转运过程中实时温度数据Wd的变化，进而获得：温度差系数WD；所述温度差系数WD通过从每个转运区域过程中，采集若干个实时温度数据Wd，并提取每个区域内的最高温度Wd_max和最低温度Wd_min，由以下公式计算获得温度差系数WD：
；
式中，Twd表示区域的平均温度值，公式的含义表示计算区域内温度的变化和分散程度，WD值越大表示温度在区域内的变化大，WD值越小表示温度在区域内的变化小，温度环境相对稳定；
所述第二分析单元用于将数据集A输入，并分析获得每次转运过程中实时湿度数据Sd的变化，进而获得：湿度差系数SD；所述湿度差系数SD通过从每个转运区域过程中，采集若干个实时湿度数据Sd，并提取每个区域内的最高湿度Sd_max和最低湿度Sd_min，由以下公式计算获得湿度差系数SD：
；
式中，TSd表示区域的平均湿度值，公式的含义表示计算区域内湿度的变化和分散程度，SD值越大表示湿度在区域内的变化大，SD值越小表示湿度在区域内的变化小，湿度环境相对稳定。
5.根据权利要求1所述的一种进行二次追溯的进口冷链食品溯源追溯系统，其特征在于：所述处理模块还包括第三分析单元，所述第三分析单元用于提取数据集C输入，并提取获得转运区域中二氧化碳浓度值CO2、氧气浓度值O2、硫化氢浓度值H2S，氨气浓度值NH3和乙烯浓度值C2H4，由以下公式计算获得气体浓度系数Qt：
；
式中TCO2表示为区域内二氧化碳浓度预设阈值，TO2表示为区域内氧气浓度预设阈值，TH2S表示区域内硫化氢浓度预设阈值，TNH3表示为区域内氨气浓度预设阈值；TC2H4表示为区域内乙烯浓度预设阈值；Qt值越大，表示区域内的气体环境越差。
6.根据权利要求1所述的一种进行二次追溯的进口冷链食品溯源追溯系统，其特征在于：所述追溯标记模块包括统计标记单元和自动化二次追溯单元；
所述统计标记单元用于统计归类获取生鲜肉批次的标记信息，包括第一瑕疵标记、第一合格标记、第二异常标记和第二合格标记；
并通过自动化二次追溯单元，依据第一瑕疵标记、第一合格标记、第二异常标记和第二合格标记，进行二次追溯，并使用第一瑕疵标记和第一合格标记来检索第一批次数据；包括相应批次的数据集C和外观异常系数Wxh1；并使用第二异常标记和第二合格标记来检索第二批次数据，第二批次数据包括区域内数据集A和数据集B以及环境评估系数PG2。
7.根据权利要求6所述的一种进行二次追溯的进口冷链食品溯源追溯系统，其特征在于：所述追溯标记模块还包括自动警报单元，所述自动警报单元用于检测到第一瑕疵标记和第二异常标记时，自动触发警报通知相关人员。
CN202311601118.5A 2023-11-28 2023-11-28 一种进行二次追溯的进口冷链食品溯源追溯系统 Active CN117314477B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311601118.5A CN117314477B (zh) 2023-11-28 2023-11-28 一种进行二次追溯的进口冷链食品溯源追溯系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311601118.5A CN117314477B (zh) 2023-11-28 2023-11-28 一种进行二次追溯的进口冷链食品溯源追溯系统

Publications (2)

Publication Number Publication Date
CN117314477A CN117314477A (zh) 2023-12-29
CN117314477B true CN117314477B (zh) 2024-02-09

Family

ID=89288758

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311601118.5A Active CN117314477B (zh) 2023-11-28 2023-11-28 一种进行二次追溯的进口冷链食品溯源追溯系统

Country Status (1)

Country Link
CN (1) CN117314477B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113205290A (zh) * 2021-04-16 2021-08-03 深圳前海粤十信息技术有限公司 一种应用于冷链冷库的供应链管理系统
CN113205347A (zh) * 2021-04-26 2021-08-03 深圳前海粤十信息技术有限公司 应用于冷链冷库的防伪溯源管理系统
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
CN114186933A (zh) * 2021-12-10 2022-03-15 河南农业大学 一种冷链食品智能监管平台
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

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113205290A (zh) * 2021-04-16 2021-08-03 深圳前海粤十信息技术有限公司 一种应用于冷链冷库的供应链管理系统
CN113205347A (zh) * 2021-04-26 2021-08-03 深圳前海粤十信息技术有限公司 应用于冷链冷库的防伪溯源管理系统
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
CN114186933A (zh) * 2021-12-10 2022-03-15 河南农业大学 一种冷链食品智能监管平台
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

Also Published As

Publication number Publication date
CN117314477A (zh) 2023-12-29

Similar Documents

Publication Publication Date Title
Sarkar et al. Feature extraction techniques for sorting tomatoes by computer vision
Peng et al. Optical methods and techniques for meat quality inspection
US20070203603A1 (en) Abnormality detection system and method of detecting abnormality
CN116843236A (zh) 一种基于人工智能的食品存储监管系统
CN115876258B (zh) 基于多源数据的畜禽养殖环境异常监测及报警系统
CN117314477B (zh) 一种进行二次追溯的进口冷链食品溯源追溯系统
CN111738745A (zh) 农产品供应链品质检测与质量追溯系统
CN114186933A (zh) 一种冷链食品智能监管平台
CN212375416U (zh) 电镀系统
CN117350435A (zh) 一种对虾工厂化养殖设备管理方法及系统
CN117309891A (zh) 一种基于智能反馈机制的玻璃钢化膜检测方法及系统
CN117094609A (zh) 一种基于机器视觉的铝型材生产质量智能管理系统
CN111724350A (zh) 鱼体新鲜度无损检测方法及装置
CN116415864A (zh) 基于人工智能的智慧型物流快检机
CN112796920B (zh) 立式混流式水轮发电机转轮贯穿性裂纹早期预警的方法
CN115359050A (zh) 家畜采食量异常检测方法及装置
TWM619409U (zh) 智慧化加工系統
KR102043335B1 (ko) 떡볶이용 가래떡 연속 제조설비의 자동화 모니터링 시스템
CN113971574A (zh) 一种基于物联网的肉制品加工过程安全溯源方法
Aharari et al. Development of Automated Oxygen Indicator Color Discrimination Using Artificial Intelligent Technology
Septania et al. Quality Control of Frozen Fish Based on Fault Tree Analysis (FTA) and Failure Mode and Effect Analysis (FMEA) Methods
Purwandoko et al. Current Technological Approach for Chicken Meat Freshness Evaluation: A Review
CN115373345A (zh) 智能化加工之方法与系统
CN117292529B (zh) 一种藏品展示安全预警方法、系统及存储介质
CN117665224B (zh) 一种用于食品检测的智能实验室管理方法

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