CN117422480B - 一种中药材提取过程溯源方法及系统 - Google Patents
一种中药材提取过程溯源方法及系统 Download PDFInfo
- Publication number
- CN117422480B CN117422480B CN202311733313.3A CN202311733313A CN117422480B CN 117422480 B CN117422480 B CN 117422480B CN 202311733313 A CN202311733313 A CN 202311733313A CN 117422480 B CN117422480 B CN 117422480B
- Authority
- CN
- China
- Prior art keywords
- production link
- detection
- detection index
- uplink
- index
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000000605 extraction Methods 0.000 title claims abstract description 25
- 241000411851 herbal medicine Species 0.000 title claims description 4
- 238000001514 detection method Methods 0.000 claims abstract description 324
- 238000004519 manufacturing process Methods 0.000 claims abstract description 313
- 239000000463 material Substances 0.000 claims abstract description 63
- 239000003814 drug Substances 0.000 claims abstract description 59
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 40
- 239000006185 dispersion Substances 0.000 claims abstract description 26
- 238000005259 measurement Methods 0.000 claims abstract description 14
- 238000005070 sampling Methods 0.000 claims description 39
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 abstract description 3
- 239000000047 product Substances 0.000 description 68
- 230000008569 process Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 3
- 238000003064 k means clustering Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000857 drug effect Effects 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000002791 soaking Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及用于数据处理技术领域,具体涉及一种中药材提取过程溯源方法及系统,包括:根据每个生产环节的每个检测指标的误差精度需求以及每个检测指标的平均离散度得到每个检测指标对待上链中药材产品品质的影响程度,然后根据上游生产环节检测指标与下游生产环节检测指标的关联程度得到每个生产环节受到上游生产环节的影响程度;进而得到每个生产环节的重要程度,并将其用于优化待上链中药材产品之间的聚类距离度量值,得到若干个待上链中药材产品的聚簇,并对每个待上链中药材产品聚簇统一赋予溯源码。本发明避免了仅对单批次中药材产品赋予溯源码导致无法准确定位以及溯源可信度较低的问题,提高了溯源准确性。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种中药材提取过程溯源方法及系统。
背景技术
中医在本世纪逐渐在全球范围受到广泛使用,其神奇之处在于多种中药材相互作用产生独特的药效,而对于中药的药材制备提取是保证中药制剂的品质、安全性和疗效的关键步骤之一,为了确保中药材提取过程中的质量和可追溯性,可以通过对过程中的中药材构建区块链系统,以监测和管理提取过程中各个环节。
目前已有便于待上链中药材产品流通的完善区块链系统,通常在提取过程结束后通过抽样检测的方式对同批次中所有待上链中药材产品进行统一上链,但由于中药材提取过程中存在多个生产环节,对整个批次的中药材统一上链会导致最终溯源结果不准确,难以追踪提取过程中实际质量的变化;同时不同工艺流程和工艺指标的不同,导致在提取过程中不同环节结束后中药材的质量存在一定的差异,该差异会影响重要材最终的品质,可能使赋予相同溯源码的中药材实际品质参差不齐。
发明内容
本发明提供一种中药材提取过程溯源方法,以解决现有待上链中药材产品统一上链的方式存在溯源可信度较低,溯源精度较差的问题。
本发明的一种中药材提取过程溯源方法及系统采用如下技术方案:
本发明一个实施例提供了一种中药材提取过程溯源方法,该方法包括以下步骤:
获取每一批待上链中药材产品每个生产环节的每个检测指标的检测值;获取每个生产环节的每个检测指标的误差精度需求;
对于每一批待上链中药材产品,根据每个生产环节的每个检测指标的检测值得到每个生产环节的每个检测指标的平均离散度,根据每个生产环节的每个检测指标的误差精度需求以及每个生产环节的每个检测指标的平均离散度,得到每个生产环节的每个检测指标对待上链中药材产品品质的影响程度;根据每个生产环节的每个检测指标的检测值获取每个生产环节的每个检测指标与每个上游生产环节的每个检测指标的关联程度,根据每个生产环节的每个检测指标与每个上游生产环节的每个检测指标的关联程度,得到每个生产环节受到上游生产环节的影响程度;根据每个生产环节的每个检测指标对待上链中药材产品品质的影响程度以及每个生产环节受到上游生产环节的影响程度,得到每个生产环节的重要程度;
根据每一批待上链中药材产品中任意两个待上链中药材产品的每个生产环节的重要程度以及每个生产环节的每个检测指标的检测值得到任意两个待上链中药材产品之间的聚类距离度量值,根据任意两个待上链中药材产品之间的聚类距离度量值得到每一批待上链中药材产品中若干个待上链中药材产品聚簇,对每个待上链中药材产品聚簇赋予相同的溯源码。
进一步的,所述获取每个生产环节的每个检测指标的误差精度需求,包括的具体步骤如下:
每个生产环节的每个检测指标的误差精度需求包括误差范围以及误差波动单位;
获取历史所有批次的中药材产品每个生产环节的每个检测指标的所有历史检测值;
将每个生产环节的每个检测指标的最大历史检测值与最小历史检测值的差值作为每个生产环节的每个检测指标的误差范围;
将每个生产环节的每个检测指标所有的历史检测值按照由小到大的顺序排列,得到每个生产环节的每个检测指标的历史检测值序列,获取每个生产环节的每个检测指标的历史检测值序列上所有相邻两个历史检测值的差值绝对值,将最小差值绝对值作为每个生产环节的每个检测指标的误差波动单位。
进一步的,所述根据每个生产环节的每个检测指标的检测值得到每个生产环节的每个检测指标的平均离散度,包括的具体步骤如下:
其中,i代表第i个生产环节,j代表第i个生产环节的第j个检测指标,代表第i个生产环节的第j个检测指标的平均离散度,t代表第t次抽样检测,R代表抽样检测总次数,代表第t次抽样检测第i个生产环节的第j个检测指标的检测值,/>代表所有次抽样检测第i个生产环节的第j个检测指标的检测值的平均值。
进一步的,所述根据每个生产环节的每个检测指标的误差精度需求以及每个生产环节的每个检测指标的平均离散度,得到每个生产环节的每个检测指标对待上链中药材产品品质的影响程度,包括的具体步骤如下:
其中,i代表第i个生产环节,j代表第i个生产环节的第j个检测指标,代表第i个生产环节的第j个检测指标的平均离散度,/>代表第i个生产环节的第j个检测指标对待上链中药材产品品质的影响程度;/>代表第i个生产环节的第j个检测指标的误差范围,/>表示第i个生产环节的第j个检测指标的误差波动单位,/>代表自然常数。
进一步的,所述根据每个生产环节的每个检测指标的检测值获取每个生产环节的每个检测指标与每个上游生产环节的每个检测指标的关联程度,包括的具体步骤如下:
其中,i代表第i个生产环节,j代表第i个生产环节的第j个检测指标,t代表第t次抽样检测,R代表抽样检测总次数,代表第t次抽样检测第i个生产环节的第j个检测指标的检测值,/>代表所有次抽样检测第i个生产环节的第j个检测指标的检测值的平均值,a代表第i-1个生产环节的第a个检测指标,/>代表第t次抽样检测第i-1个生产环节的第a个检测指标的检测值,/>代表所有次抽样检测第i-1个生产环节的第a个检测指标的检测值的平均值;/>代表第i-1个生产环节的第a个检测指标与第i个生产环节的第j个检测指标之间的关联程度,/>代表所有次抽样检测第i-1个生产环节的第a个检测指标的检测值的标准差,/>代表所有次抽样检测第i个生产环节的第j个检测指标的检测值的标准差。
进一步的,所述根据每个生产环节的每个检测指标与每个上游生产环节的每个检测指标的关联程度,得到每个生产环节受到上游生产环节的影响程度,包括的具体步骤如下:
其中,代表第i-1个生产环节的第a个检测指标与第i个生产环节的第j个检测指标之间的关联程度,/>代表第i个生产环节的第j个检测指标的平均离散度,代表第i-1个生产环节的第a个检测指标的平均离散度,/>代表第i个生产环节的所有检测指标数量,/>代表第i-1个生产环节的所有检测指标数量,/>代表第i个生产环节受到上游生产环节的影响程度。
进一步的,所述根据每个生产环节的每个检测指标对待上链中药材产品品质的影响程度以及每个生产环节受到上游生产环节的影响程度,得到每个生产环节的重要程度,包括的具体步骤如下:
其中,i代表第i个生产环节,j代表第i个生产环节的第j个检测指标,代表第i个生产环节的重要程度,/>代表自然常数,/>代表第i个生产环节受到上游生产环节的总影响程度,/>代表第i个生产环节的第j个检测指标对待上链中药材产品品质的影响程度,/>代表第i个生产环节的所有检测指标数量。
进一步的,所述根据每一批待上链中药材产品中任意两个待上链中药材产品的每个生产环节的重要程度以及每个生产环节的每个检测指标的检测值得到任意两个待上链中药材产品之间的聚类距离度量值,包括的具体步骤如下:
其中,代表第i个生产环节的重要程度,M表示每个待上链中药材产品的生产环节总数,p、q代表任意两个待上链中药材产品,/>代表第p个与第q个待上链中药材产品之间的聚类距离度量值,/>代表第p个待上链中药材产品生产过程中第i个生产环节的第j个检测指标的检测值的平均值,/>代表第q个待上链中药材产品生产过程中第i个生产环节的第j个检测指标的检测值的平均值,/>代表第i个生产环节的所有检测指标数量。
进一步的,所述根据任意两个待上链中药材产品之间的聚类距离度量值得到每一批待上链中药材产品中若干个待上链中药材产品聚簇,包括的具体步骤如下:
利用任意两个待上链中药材产品之间的聚类距离度量值对所有待上链中药材产品进行k-means聚类,得到若干个待上链中药材产品聚簇。
一种中药材提取过程溯源系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述计算机程序执行并实现以上所有方法。
本发明的技术方案的有益效果是:通过计算生产过程中不同生产环节的检测指标对产品质量的影响程度,以及每个生产环节受到上游生产环节的影响程度,得到每个生产环节在待上链中药材产品生产过程中的重要程度,进而得到精准的聚类距离度量值以及产品聚类结果,对待上链中药材产品实现统一赋予溯源码。本发明通过细化不同环节实际影响程度获取新的特征值,避免了仅对单批次中药材产品赋予溯源码导致无法准确定位以及溯源可信度较低的问题,提高了溯源准确性。
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,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为本发明一种中药材提取过程溯源方法的步骤流程图。
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中药材提取过程溯源方法及系统,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。
下面结合附图具体的说明本发明所提供的一种中药材提取过程溯源方法及系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种中药材提取过程溯源方法的步骤流程图,该方法包括以下步骤:
步骤S001、获取每一批待上链中药材产品包装上链之前所有生产环节的抽样检测结果。
中药材提取过程分为预处理、浸泡、煎煮、过滤、浓缩、干燥、精制等,最终得到待上链中药材产品,每一道生产环节结束后,都会对生产结果进行抽样检测,获取每一批待上链中药材产品包装上链之前各个生产环节的检测数据。需要说明的是,每一批中药材的每个生产环节均进行设置N个采样位置,每个采样位置处的采样频率为1分钟一次,因此每个生产环节可以得到若干个抽样检测结果。
步骤S002、根据每个生产环节的每个检测指标的误差精度需求以及每个检测指标的平均离散度,得到每个检测指标对待上链中药材产品品质的影响程度。
中药材提取过程中不同环节工艺指标差异对最终产品品质的好坏也会产生影响,因此需要分析并计算每个生产环节的重要程度。首先,由于不同生产环节在抽样检测过程中所检测的多项指标所要求的误差范围不同,并且在检测过程中所要求的误差精度需求也不相同,因此获取任意一个生产环节中的检测指标的误差范围以及误差波动单位。
获取历史所有批次的中药材产品每个生产环节的每个检测指标的所有历史检测值;
将每个生产环节的每个检测指标的最大历史检测值与最小历史检测值的差值作为每个生产环节的每个检测指标的误差范围;
将每个生产环节的每个检测指标所有的历史检测值按照由小到大的顺序排列,得到每个生产环节的每个检测指标的历史检测值序列,获取每个生产环节的每个检测指标的历史检测值序列上所有相邻两个历史检测值的差值绝对值,将最小差值绝对值作为每个生产环节的每个检测指标的误差波动单位。
进一步的,获取对于每个生产环节的每个检测指标对待上链中药材产品品质的影响程度:
其中,i代表第i个生产环节,j代表第i个生产环节的第j个检测指标,代表第i个生产环节的第j个检测指标的平均离散度,t代表第t次抽样检测,R代表抽样检测总次数,代表第t次抽样检测第i个生产环节的第j个检测指标的检测值,/>代表所有次抽样检测第i个生产环节的第j个检测指标的检测值的平均值;/>代表第i个生产环节的第j个检测指标对待上链中药材产品品质的影响程度;/>代表第i个生产环节的第j个检测指标的误差范围,/>表示第i个生产环节的第j个检测指标的误差波动单位,/>代表自然常数;
代表第t次抽样检测第i个生产环节的第j个检测指标的检测值对于平均值的离散度,再除以平均值的目的是为了统一不同检测指标的量纲,/>代表第i个生产环节的第j个检测指标所有检测值的平均离散度;
代表第i个生产环节的第j个检测指标的误差范围乘以误差波动单位,该乘积越小,代表对于当前工序的精度要求越严格,利用负指数函数对乘积反比例归一化,当第i个生产环节的第j个检测指标的标准差越大且工艺精度越严格时,则该生产环节第j个检测指标对待上链中药材产品品质的影响程度越高。
步骤S003、根据上游生产环节检测指标与下游生产环节检测指标的关联程度,得到每个生产环节受到上游生产环节的影响程度。
中药材生产过程中,各个生产环节之间存在一定的关联性,将每个生产环节之前相邻的生产环节称为该生产环节的上游生产环节;
上游生产环节的检测指标差异会对下游生产环节检测指标产生一定影响,因此需要判断上、下游生产环节不同检测指标之间的关联程度,进而得到上游生产环节检测指标对下游生产环节检测指标所产生的影响程度。
每个生产环节的每个检测指标与每个上游生产环节的每个检测指标的关联程度的获取方法如下:
其中,i代表第i个生产环节,j代表第i个生产环节的第j个检测指标,t代表第t次抽样检测,R代表抽样检测总次数,代表第t次抽样检测第i个生产环节的第j个检测指标的检测值,/>代表所有次抽样检测第i个生产环节的第j个检测指标的检测值的平均值,a代表第i-1个生产环节的第a个检测指标,/>代表第t次抽样检测第i-1个生产环节的第a个检测指标的检测值,/>代表所有次抽样检测第i-1个生产环节的第a个检测指标的检测值的平均值;/>代表第i-1个生产环节的第a个检测指标与第i个生产环节的第j个检测指标之间的关联程度,/>代表所有次抽样检测第i-1个生产环节的第a个检测指标的检测值的标准差,/>代表所有次抽样检测第i个生产环节的第j个检测指标的检测值的标准差;
代表第i-1个生产环节的第a个检测指标与第i个生产环节的第j个检测指标的检测值的协方差,该协方差除以第a个与j个检测指标检测值标准差的乘积,得到第a个与第j个检测指标的皮尔逊相关系数,将该皮尔逊相关系数作为第i-1个生产环节的第a个检测指标与第i个生产环节的第j个检测指标之间的关联程度;
进一步的,计算每个生产环节受到上游生产环节的影响程度,具体为:
其中,代表第i-1个生产环节的第a个检测指标与第i个生产环节的第j个检测指标之间的关联程度,/>代表第i个生产环节的第j个检测指标的平均离散度,代表第i-1个生产环节的第a个检测指标的平均离散度,/>代表第i个生产环节的所有检测指标数量,/>代表第i-1个生产环节的所有检测指标数量,/>代表第i个生产环节受到上游生产环节的影响程度;
代表第i个生产环节的第j个检测指标的平均离散度除以第i-1个生产环节的第a个检测指标的平均离散度,/>越大时代表第a个检测指标较小的波动可能会使第j个检测指标产生较大的波动,因此该比值越大代表上游生产环节第a个检测指标对下游生产环节第j个检测指标的影响程度越大;/>代表对第a个检测指标与第j个检测指标的关联程度进行求和归一化,求和归一化结果作为第a个检测指标对第j个检测指标影响关系的权重值,/>代表将上游生产环节i-1的所有检测指标与下游生产环节i中第j个检测指标的平均离散度之比进行加权累乘,得到上游生产环节所有检测指标对下游生产环节第j个检测指标的影响程度,然后再对第i个生产环节中所有检测指标所受上游检测指标的影响程度进行求均,得到第i个生产环节受到上游生产环节的影响程度。
步骤S004、根据每个生产环节每个检测指标对待上链中药材产品的影响程度,以及每个生产环节受到上游生产环节的影响程度,计算每个生产环节的重要程度。
其中,代表第i个生产环节的重要程度,/>代表自然常数,/>代表第i个生产环节受到上游生产环节的总影响程度,/>代表第i个生产环节的第j个检测指标对待上链中药材产品品质的影响程度,/>代表第i个生产环节的所有检测指标数量;
代表第i个生产环节所有检测指标对待上链中药材产品品质的影响程度的平均值;
当第i个生产环节受到上游生产环节的总影响程度越大时,代表第i个生产环节容易被其他生产环节所影响,因此该生产环节的重要程度越低,利用指数函数将第i个生产环节受到上游生产环节的总影响程度进行反比例归一化,用于矫正逻辑关系,然后将第i个生产环节受到上游生产环节的总影响程度的反比例归一化结果乘以第i个生产环节所有检测指标对待上链中药材产品的平均影响程度,得到第i个生产环节的重要程度。
步骤S005、根据每个生产环节的重要程度以及检测指标得到任意两个待上链中药材产品之间的聚类距离度量值,利用聚类距离度量值对所有待上链中药材产品进行k-means聚类,并统一赋予溯源码。
最后利用现有技术k-means聚类方法,将所有待上链中药材产品进行聚类,聚类距离度量具体为:
其中,代表第i个生产环节的重要程度,M表示每个待上链中药材产品的生产环节总数,p、q代表任意两个待上链中药材产品,/>代表第p个与第q个待上链中药材产品之间的聚类距离度量值,/>代表第p个待上链中药材产品生产过程中第i个生产环节的第j个检测指标的检测值的平均值,/>代表第q个待上链中药材产品生产过程中第i个生产环节的第j个检测指标的检测值的平均值,/>代表第i个生产环节的所有检测指标数量;
代表第p个与第q个待上链中药材产品生产过程中第i个生产环节的第j个检测指标之间的平均检测值的差值绝对值,/>代表第p个与第q个待上链中药材产品生产过程中第i个生产环节的平均差异,/>代表利用第i个生产环节的重要程度对第p、q个中药材之间第i个生产环节的平均差异进行加权求均,得到第p个与第q个待上链中药材产品之间的聚类距离度量值。
利用任意两个待上链中药材产品之间的聚类距离度量值所有对待上链中药材产品进行k-means聚类处理,利用手肘法获取最优类簇数量k值,得到该k值下对应的聚类结果,即若干个待上链中药材产品聚簇,视每个聚簇中的待上链中药材产品具有相同生产工艺;
然后对每个聚簇中的待上链中药材产品赋予相同的溯源码,即可在实现批量赋码的同时,保证商品信息的可追溯性以及追溯可信度。
本实施例还提供了一种中药材提取过程溯源系统,包括:
存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,该计算机程序用于执行本实施例步骤S001~S005的方法。对于计算机程序具体的处理逻辑已经在上述内容中进行了详细阐述,因此不再进行赘述。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种中药材提取过程溯源方法,其特征在于,该方法包括以下步骤:
获取每一批待上链中药材产品每个生产环节的每个检测指标的检测值;获取每个生产环节的每个检测指标的误差精度需求;
对于每一批待上链中药材产品,根据每个生产环节的每个检测指标的检测值得到每个生产环节的每个检测指标的平均离散度,根据每个生产环节的每个检测指标的误差精度需求以及每个生产环节的每个检测指标的平均离散度,得到每个生产环节的每个检测指标对待上链中药材产品品质的影响程度;根据每个生产环节的每个检测指标的检测值获取每个生产环节的每个检测指标与每个上游生产环节的每个检测指标的关联程度,根据每个生产环节的每个检测指标与每个上游生产环节的每个检测指标的关联程度,得到每个生产环节受到上游生产环节的影响程度;根据每个生产环节的每个检测指标对待上链中药材产品品质的影响程度以及每个生产环节受到上游生产环节的影响程度,得到每个生产环节的重要程度;
根据每一批待上链中药材产品中任意两个待上链中药材产品的每个生产环节的重要程度以及每个生产环节的每个检测指标的检测值得到任意两个待上链中药材产品之间的聚类距离度量值,根据任意两个待上链中药材产品之间的聚类距离度量值得到每一批待上链中药材产品中若干个待上链中药材产品聚簇,对每个待上链中药材产品聚簇赋予相同的溯源码;
所述获取每个生产环节的每个检测指标的误差精度需求,包括的具体步骤如下:
每个生产环节的每个检测指标的误差精度需求包括误差范围以及误差波动单位;
获取历史所有批次的中药材产品每个生产环节的每个检测指标的所有历史检测值;
将每个生产环节的每个检测指标的最大历史检测值与最小历史检测值的差值作为每个生产环节的每个检测指标的误差范围;
将每个生产环节的每个检测指标所有的历史检测值按照由小到大的顺序排列,得到每个生产环节的每个检测指标的历史检测值序列,获取每个生产环节的每个检测指标的历史检测值序列上所有相邻两个历史检测值的差值绝对值,将最小差值绝对值作为每个生产环节的每个检测指标的误差波动单位;
所述根据每个生产环节的每个检测指标的检测值得到每个生产环节的每个检测指标的平均离散度,包括的具体步骤如下:
其中,i代表第i个生产环节,j代表第i个生产环节的第j个检测指标,代表第i个生产环节的第j个检测指标的平均离散度,t代表第t次抽样检测,R代表抽样检测总次数,/>代表第t次抽样检测第i个生产环节的第j个检测指标的检测值,/>代表所有次抽样检测第i个生产环节的第j个检测指标的检测值的平均值;
所述根据每个生产环节的每个检测指标的误差精度需求以及每个生产环节的每个检测指标的平均离散度,得到每个生产环节的每个检测指标对待上链中药材产品品质的影响程度,包括的具体步骤如下:
其中,i代表第i个生产环节,j代表第i个生产环节的第j个检测指标,代表第i个生产环节的第j个检测指标的平均离散度,/>代表第i个生产环节的第j个检测指标对待上链中药材产品品质的影响程度;/>代表第i个生产环节的第j个检测指标的误差范围,/>表示第i个生产环节的第j个检测指标的误差波动单位,/>代表自然常数;
所述根据每个生产环节的每个检测指标的检测值获取每个生产环节的每个检测指标与每个上游生产环节的每个检测指标的关联程度,包括的具体步骤如下:
其中,i代表第i个生产环节,j代表第i个生产环节的第j个检测指标,t代表第t次抽样检测,R代表抽样检测总次数,代表第t次抽样检测第i个生产环节的第j个检测指标的检测值,/>代表所有次抽样检测第i个生产环节的第j个检测指标的检测值的平均值,a代表第i-1个生产环节的第a个检测指标,/>代表第t次抽样检测第i-1个生产环节的第a个检测指标的检测值,/>代表所有次抽样检测第i-1个生产环节的第a个检测指标的检测值的平均值;/>代表第i-1个生产环节的第a个检测指标与第i个生产环节的第j个检测指标之间的关联程度,/>代表所有次抽样检测第i-1个生产环节的第a个检测指标的检测值的标准差,/>代表所有次抽样检测第i个生产环节的第j个检测指标的检测值的标准差;
所述根据每个生产环节的每个检测指标与每个上游生产环节的每个检测指标的关联程度,得到每个生产环节受到上游生产环节的影响程度,包括的具体步骤如下:
其中,代表第i-1个生产环节的第a个检测指标与第i个生产环节的第j个检测指标之间的关联程度,/>代表第i个生产环节的第j个检测指标的平均离散度,/>代表第i-1个生产环节的第a个检测指标的平均离散度,/>代表第i个生产环节的所有检测指标数量,/>代表第i-1个生产环节的所有检测指标数量,/>代表第i个生产环节受到上游生产环节的影响程度;
所述根据每个生产环节的每个检测指标对待上链中药材产品品质的影响程度以及每个生产环节受到上游生产环节的影响程度,得到每个生产环节的重要程度,包括的具体步骤如下:
其中,i代表第i个生产环节,j代表第i个生产环节的第j个检测指标,代表第i个生产环节的重要程度,/>代表自然常数,/>代表第i个生产环节受到上游生产环节的总影响程度,/>代表第i个生产环节的第j个检测指标对待上链中药材产品品质的影响程度,/>代表第i个生产环节的所有检测指标数量;
所述根据每一批待上链中药材产品中任意两个待上链中药材产品的每个生产环节的重要程度以及每个生产环节的每个检测指标的检测值得到任意两个待上链中药材产品之间的聚类距离度量值,包括的具体步骤如下:
其中,代表第i个生产环节的重要程度,M表示每个待上链中药材产品的生产环节总数,p、q代表任意两个待上链中药材产品,/>代表第p个与第q个待上链中药材产品之间的聚类距离度量值,/>代表第p个待上链中药材产品生产过程中第i个生产环节的第j个检测指标的检测值的平均值,/>代表第q个待上链中药材产品生产过程中第i个生产环节的第j个检测指标的检测值的平均值,/>代表第i个生产环节的所有检测指标数量。
2.根据权利要求1所述一种中药材提取过程溯源方法,其特征在于,所述根据任意两个待上链中药材产品之间的聚类距离度量值得到每一批待上链中药材产品中若干个待上链中药材产品聚簇,包括的具体步骤如下:
利用任意两个待上链中药材产品之间的聚类距离度量值对所有待上链中药材产品进行k-means聚类,得到若干个待上链中药材产品聚簇。
3.一种中药材提取过程溯源系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1~2任意一项所述一种中药材提取过程溯源方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311733313.3A CN117422480B (zh) | 2023-12-18 | 2023-12-18 | 一种中药材提取过程溯源方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311733313.3A CN117422480B (zh) | 2023-12-18 | 2023-12-18 | 一种中药材提取过程溯源方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117422480A CN117422480A (zh) | 2024-01-19 |
CN117422480B true CN117422480B (zh) | 2024-03-08 |
Family
ID=89525135
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311733313.3A Active CN117422480B (zh) | 2023-12-18 | 2023-12-18 | 一种中药材提取过程溯源方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117422480B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530808A (zh) * | 2013-10-25 | 2014-01-22 | 西安凌科信息技术有限公司 | 一种果品物流全程质量安全追溯系统 |
CN103884676A (zh) * | 2014-02-27 | 2014-06-25 | 浙江大学 | 一种中药材多指标成分含量的快速测定方法 |
CN110969447A (zh) * | 2019-11-25 | 2020-04-07 | 江苏省农业科学院 | 一种基于区块链技术的产品深度溯源系统 |
CN110992058A (zh) * | 2019-11-21 | 2020-04-10 | 山东爱城市网信息技术有限公司 | 一种基于区块链的化妆品溯源方法、设备及介质 |
CN111091396A (zh) * | 2019-12-24 | 2020-05-01 | 云南唯恒基业科技有限公司 | 一种基于区块链技术的中药材追溯系统 |
CN111445264A (zh) * | 2020-02-17 | 2020-07-24 | 江苏荣泽信息科技股份有限公司 | 一种基于区块链的食品供应链溯源系统及实现方法 |
WO2021197350A1 (zh) * | 2020-04-01 | 2021-10-07 | 深圳点链科技有限公司 | 基于区块链的质量追溯系统、方法及计算机可读存储介质 |
WO2023014279A1 (en) * | 2021-08-03 | 2023-02-09 | Hitachi, Ltd. | Method and system for managing nodes of a supply chain |
WO2023016259A1 (zh) * | 2021-08-11 | 2023-02-16 | 苏州泽达兴邦医药科技有限公司 | 一种基于数据挖掘的中药提取过程质量控制方法 |
WO2023020491A1 (zh) * | 2021-08-19 | 2023-02-23 | 西门子(中国)有限公司 | 产品溯源管理方法和系统 |
CN116049264A (zh) * | 2023-04-03 | 2023-05-02 | 广东省建设工程质量安全检测总站有限公司 | 一种基于区块链的工程试验数据分析管理方法及系统 |
CN116665848A (zh) * | 2023-03-29 | 2023-08-29 | 贵州中医药大学第一附属医院 | 一种中药配比设备及其中药配比方法 |
CN116976917A (zh) * | 2023-07-31 | 2023-10-31 | 金景(海南)科技发展有限公司 | 基于区块链技术的农业品牌存证体系建设方法 |
CN117010918A (zh) * | 2023-10-07 | 2023-11-07 | 深圳点筹农业供应链有限公司 | 一种基于区块链的农产品全程溯源系统 |
-
2023
- 2023-12-18 CN CN202311733313.3A patent/CN117422480B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530808A (zh) * | 2013-10-25 | 2014-01-22 | 西安凌科信息技术有限公司 | 一种果品物流全程质量安全追溯系统 |
CN103884676A (zh) * | 2014-02-27 | 2014-06-25 | 浙江大学 | 一种中药材多指标成分含量的快速测定方法 |
CN110992058A (zh) * | 2019-11-21 | 2020-04-10 | 山东爱城市网信息技术有限公司 | 一种基于区块链的化妆品溯源方法、设备及介质 |
CN110969447A (zh) * | 2019-11-25 | 2020-04-07 | 江苏省农业科学院 | 一种基于区块链技术的产品深度溯源系统 |
CN111091396A (zh) * | 2019-12-24 | 2020-05-01 | 云南唯恒基业科技有限公司 | 一种基于区块链技术的中药材追溯系统 |
CN111445264A (zh) * | 2020-02-17 | 2020-07-24 | 江苏荣泽信息科技股份有限公司 | 一种基于区块链的食品供应链溯源系统及实现方法 |
WO2021197350A1 (zh) * | 2020-04-01 | 2021-10-07 | 深圳点链科技有限公司 | 基于区块链的质量追溯系统、方法及计算机可读存储介质 |
WO2023014279A1 (en) * | 2021-08-03 | 2023-02-09 | Hitachi, Ltd. | Method and system for managing nodes of a supply chain |
WO2023016259A1 (zh) * | 2021-08-11 | 2023-02-16 | 苏州泽达兴邦医药科技有限公司 | 一种基于数据挖掘的中药提取过程质量控制方法 |
WO2023020491A1 (zh) * | 2021-08-19 | 2023-02-23 | 西门子(中国)有限公司 | 产品溯源管理方法和系统 |
CN116665848A (zh) * | 2023-03-29 | 2023-08-29 | 贵州中医药大学第一附属医院 | 一种中药配比设备及其中药配比方法 |
CN116049264A (zh) * | 2023-04-03 | 2023-05-02 | 广东省建设工程质量安全检测总站有限公司 | 一种基于区块链的工程试验数据分析管理方法及系统 |
CN116976917A (zh) * | 2023-07-31 | 2023-10-31 | 金景(海南)科技发展有限公司 | 基于区块链技术的农业品牌存证体系建设方法 |
CN117010918A (zh) * | 2023-10-07 | 2023-11-07 | 深圳点筹农业供应链有限公司 | 一种基于区块链的农产品全程溯源系统 |
Non-Patent Citations (5)
Title |
---|
"Activation of Meningeal 5-HTZB Receptors: An Early Step in the Generation of Migraine Headache?";Karin Schmuck等;《European Journal of Neuroscience》;19960501;第8卷;第959-967页 * |
"区块链视角下的名贵中药材溯源系统研究";文琴;《信息通信》;20201231(第6期);第160-162页 * |
基于区块链技术的中药材质量安全溯源系统设计;谢春辉;熊蔚维;李国妹;杨毅;;云南民族大学学报(自然科学版)(第01期);第84-90页 * |
基于区块链技术的中药溯源体系研究;肖丽;谭星;谢鹏;田燕;温川飙;;时珍国医国药;20171120(第11期);第2762-2764页 * |
基于区块链的药品溯源系统分析与设计;张兰;陈敏;;中国数字医学;20200915(第09期);第38-40页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117422480A (zh) | 2024-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gamboa et al. | Validation of the rapid detection approach for enhancing the electronic nose systems performance, using different deep learning models and support vector machines | |
CN101713731B (zh) | 一种药物制剂包衣质量的鉴别方法 | |
Carrington et al. | Deep ROC analysis and AUC as balanced average accuracy to improve model selection, understanding and interpretation | |
CN113127552B (zh) | 基于大数据的食品安全识别方法及系统 | |
CN106384119A (zh) | 一种利用方差分析确定k值的k‑均值聚类改进算法 | |
CN117422480B (zh) | 一种中药材提取过程溯源方法及系统 | |
Li et al. | Manufacturer identification and storage time determination of “Dong’e Ejiao” using near infrared spectroscopy and chemometrics | |
Bellmann et al. | Ordinal classification: Working definition and detection of ordinal structures | |
CN107290305B (zh) | 一种基于集成学习的近红外光谱定量建模方法 | |
CN114203285B (zh) | 应用于智慧医疗的大数据分析方法及智慧医疗服务器 | |
CN116975672B (zh) | 一种煤矿皮带输送电机温度监测方法及系统 | |
Shi et al. | Performance improvement: A lightweight gas information classification method combined with an electronic nose system | |
CN110858289A (zh) | 一种基于深度学习的粮食水分检测方法及系统 | |
Zhang et al. | Curriculum learning-based approaches for end-to-end gas recognition | |
CN110866672B (zh) | 数据处理方法、装置、终端及介质 | |
Wang et al. | Exploiting the self-attention mechanism in gas sensor array (GSA) data with neural networks | |
CN111261298A (zh) | 一种医疗数据质量预判方法、装置、可读介质及电子设备 | |
Zhang et al. | Identification of Radix puerariae starch from different geographical origins by FT-NIR spectroscopy | |
CN103076595A (zh) | 一种多元离散雷达辐射源信号的异常类型识别方法 | |
CN115932144A (zh) | 色谱仪性能检测方法、装置、设备和计算机介质 | |
CN114783539A (zh) | 一种基于光谱聚类的中药成分分析方法及系统 | |
CN111638427B (zh) | 一种基于核胶囊神经元覆盖的变压器故障检测方法 | |
Kumar et al. | Ensemble based ERDNet model for leaf disease detection in rice and maize crops | |
Huang et al. | An efficient convolutional neural network-based diagnosis system for citrus fruit diseases | |
Zhu | SVM classification algorithm in ECG classification |
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 |