CN118033065A - 一种食品生产用食品安全检测方法 - Google Patents
一种食品生产用食品安全检测方法 Download PDFInfo
- Publication number
- CN118033065A CN118033065A CN202311789309.9A CN202311789309A CN118033065A CN 118033065 A CN118033065 A CN 118033065A CN 202311789309 A CN202311789309 A CN 202311789309A CN 118033065 A CN118033065 A CN 118033065A
- Authority
- CN
- China
- Prior art keywords
- production
- food
- purity
- cleanliness
- matrix
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 238
- 235000013305 food Nutrition 0.000 title claims abstract description 201
- 238000001514 detection method Methods 0.000 title claims abstract description 100
- 239000002994 raw material Substances 0.000 claims abstract description 120
- 230000003749 cleanliness Effects 0.000 claims abstract description 115
- 239000002344 surface layer Substances 0.000 claims abstract description 66
- 238000000034 method Methods 0.000 claims abstract description 40
- 230000007613 environmental effect Effects 0.000 claims abstract description 38
- 238000005070 sampling Methods 0.000 claims abstract description 37
- 230000008569 process Effects 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000012258 culturing Methods 0.000 claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims description 76
- 239000013598 vector Substances 0.000 claims description 28
- 238000004659 sterilization and disinfection Methods 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000004140 cleaning Methods 0.000 claims description 14
- 230000001954 sterilising effect Effects 0.000 claims description 14
- 239000000654 additive Substances 0.000 claims description 12
- 238000011109 contamination Methods 0.000 claims description 12
- 230000000996 additive effect Effects 0.000 claims description 11
- 239000000463 material Substances 0.000 claims description 10
- 239000000126 substance Substances 0.000 claims description 10
- 238000009792 diffusion process Methods 0.000 claims description 9
- 239000003153 chemical reaction reagent Substances 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 5
- 239000002699 waste material Substances 0.000 claims description 5
- 239000006227 byproduct Substances 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 235000013372 meat Nutrition 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000002604 ultrasonography Methods 0.000 claims description 3
- 235000013311 vegetables Nutrition 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 9
- 238000003860 storage Methods 0.000 description 6
- 241000894007 species Species 0.000 description 3
- 206010040844 Skin exfoliation Diseases 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 244000005700 microbiome Species 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 241000233866 Fungi Species 0.000 description 1
- 238000004566 IR spectroscopy Methods 0.000 description 1
- 241000282376 Panthera tigris Species 0.000 description 1
- 240000004808 Saccharomyces cerevisiae Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000000843 anti-fungal effect Effects 0.000 description 1
- 229940121375 antifungal agent Drugs 0.000 description 1
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 239000013043 chemical agent Substances 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000002538 fungal effect Effects 0.000 description 1
- 239000004519 grease Substances 0.000 description 1
- 239000001963 growth medium Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- 238000001823 molecular biology technique Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011012 sanitization Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/06—Visualisation of the interior, e.g. acoustic microscopy
- G01N29/0654—Imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/023—Solids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30128—Food products
-
- 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
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Quality & Reliability (AREA)
- General Preparation And Processing Of Foods (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Acoustics & Sound (AREA)
- Medicinal Chemistry (AREA)
- Theoretical Computer Science (AREA)
Abstract
本发明提供了一种食品生产用食品安全检测方法，属于食品安全检测技术领域，其方法包括获取食品生产原材料并进行分类，根据分类结果对原材料进行基础处理步骤，对基础处理后的原材料进行取样观测及培养，判断基础处理后的原材料的表层净度；基于食品生产场地的场地环境数据以及食品生产机器在运行过程产生的环境影响数据，构建食品生产场地的环境模型，并根据环境模型以及食品生产流程，确定食品生产过程中不同生产环节下的抽样检测时间，并判断对应生产环节的生产净度根据同流水线的所有表层净度以及同流水线所涉及到的所有生产环节的生产净度，不仅避免对食品检测的粗略性，还能有效保证食品安全检测的可靠性。
Description
技术领域
本发明涉及食品安全检测技术领域，特别涉及一种食品生产用食品安全检测方法。
背景技术
人类生存发展过程中，食物是重要支撑，且食物的质量直接影响人体的健康程度，同时食物种类的层出不穷，食品安全问题也逐步显现，针对食品安全问题，应以食品检测为前提，及时发现问题，从而有效地处理问题，避免问题食品流入市场。
目前常见的食品检测方式时直接对生产前的材料进行人工挑选以及对生产后的产品进行再次人工挑选，大部分情况下只能是粗略的过滤到残缺东西，但是真正意义上的过滤是不严格的，导致安全检测可靠性降低。
因此，本发明提供一种食品生产用食品安全检测方法。
发明内容
本发明提供一种食品生产用食品安全检测方法，用以通过将食品生产原材料分类并取样培养确定原材料的表层净度，获取场地环境数据与环境影响数据构建食品场地的环境模型，确定生产净度，综合表层净度与生产净度确定食品安全性，不仅避免对食品检测的粗略性，还能有效保证食品安全检测的可靠性。
本发明提供一种食品生产用食品安全检测方法，包括：
步骤1：获取食品生产原材料并进行分类，根据分类结果对原材料进行基础处理步骤，对基础处理后的原材料进行取样观测及培养，判断基础处理后的原材料的表层净度；
步骤2：基于食品生产场地的场地环境数据以及食品生产机器在运行过程产生的环境影响数据，构建食品生产场地的环境模型，并根据环境模型以及食品生产流程，确定食品生产过程中不同生产环节下的抽样检测时间，并判断对应生产环节的生产净度；
步骤3：根据同流水线的所有表层净度以及同流水线所涉及到的所有生产环节的生产净度，确定食品生产安全性，实现食品安全检测。
本发明提供一种食品生产用食品安全检测方法，判断基础处理后的原材料的表层净度，包括：
对进行基础处理步骤的器械进行器械菌种培养，确定器械净度；
将食品生产原材料按照可存放时间与荤素种类进行分类，根据分类结果对原材料执行基础处理步骤；
分别对每个分类结果下的基础处理步骤中的每一步骤进行取样观测及培养，并根据观测培养结果建立对应分类下每个原材料的菌种培养向量，其中，所述菌种培养向量由同个原材料在不同步骤中的培养信息构成；
根据同个分类的所有原材料的菌种培养向量进行行排列构建得到对应分类的初级菌种矩阵；
根据初级菌种矩阵判断对应分类下各个步骤中的步骤表层净度，根据所有步骤表层净度与器械净度确定相应原材料表层净度。
本发明提供一种食品生产用食品安全检测方法，其特征在于，根据初级菌种矩阵判断对应分类下各个步骤中的步骤表层净度，根据所有步骤表层净度与器械净度确定相应原材料表层净度，包括：
将同个分类下的各个步骤下的各个原材料所对应培养的器械净度进行获取，构建器械矩阵，其中，所述器械矩阵的每行为对应分类下的同个原材料在不同步骤中所应用的器械的器械净度；
获取不同原材料在不同步骤中的标准信息来构建标准矩阵，并将所述标准矩阵与相应的初级菌种矩阵进行第一对比分析，得到第一差异矩阵，并将所述第一差异矩阵进行元素净度标准化，得到第二差异矩阵；
将所述初级菌种矩阵与器械矩阵进行第二对比分析，得到第三差异矩阵；
对所述第一差异矩阵以及第三差异矩阵进行同行向量的提取，得到双行矩阵，并获取所述双行矩阵中的第一行向量的第一差异绝对均值以及第一净度方差/>、第二行向量的第二差异绝对均值/>以及第二净度方差/>；
对所述第一差异矩阵以及第三差异矩阵进行同列向量的提取，得到双列矩阵，并获取所述双列矩阵中的第一列行向量的第三差异绝对均值以及第三净度方差/>、第二列向量的第四差异绝对均值/>以及第四净度方差/>；
根据所述第三差异绝对均值以及第三净度方差/>，计算得到对应步骤的步骤表层净度/>，其中，/>表示单独步骤净度函数；
根据步骤表层净度且结合器械净度，计算原材料表层净度：
；
其中，表示与对应原材料对应的基础处理步骤的过程净度函数；表示与对应原材料对应的基础处理步骤的器械净度函数；表示与对应原材料对应的每个步骤处理之前的器械净度函数；/>表示原材料的初始净度；J1表示对应原材料的表层净度；/>表示对应第i1个步骤的净度权重；/>表示对应第i1个步骤的步骤表层净度；/>表示对应第i1个步骤中第i2个器械净度；表示对应第i1个步骤下的最小器械净度；/>表示对应第i1个步骤中的对应原材料的当下器械净度，N1是步骤总数；N2是第i1个步骤下的器械净度总数。
本发明提供一种食品生产用食品安全检测方法，其特征在于，判断对应生产环节的生产净度，包括：
获取食品生产场地中每个代表场地点的场地环境数据，并根据所述场地环境数据得出对应代表场地点在不同运行时间点下的点净度，构建初始模型，其中，所述场地环境数据包括对应代表场地点的温度、湿度、空气质量与灭菌消毒值；
获取食品生产机器在运行过程中产生的环境影响数据，并基于环境影响数据、食品生产机器所处场地的场地构架、食品生产机器的位置布局及运行时间表，构建基于所述场地构架的不同运行时间下的影响扩散模型，其中，所述环境影响数据包括：食品生产机器的能源效率、废弃物与副产品、噪声数据、食品生产机器的排放物与食品生产机器在清洗、消毒和维护过程中残留的化学物品；
根据不同运行时间点下的影响扩散模型，对相应运行时间点下的点净度进行净度调整，确定同个运行时间点下的食品生产场地的最低净度场地点并进行第一标记以及对低于预设净度的场地点进行第二标记；
基于第一标记结果以及第二标记结果对所述初始模型进行训练监督，得到环境模型；
获取所述食品生产流程中每个生产环节的生产时间线，并将所述生产时间线与所述环境模型进行融合分析，确定每个生产时间线的抽样检测时间；
基于每个生产环节下的每次抽样检测时间下的检测结果，确定对应生产环节的生产净度。
本发明提供一种食品生产用食品安全检测方法，其特征在于，基于每个生产环节下的每次抽样检测时间下的检测结果，确定对应生产环节的生产净度，包括：
对每次抽样检测时间下的抽样样品进行抽样菌种培养、化学试剂以及图像检测；
基于抽样菌种培养结果得出最慢繁殖周期的第一菌种种类、最快繁殖周期的第二菌种种类以及第二快繁殖周期的第三菌种种类，并确定第一污染度；
基于化学试剂检测结果获取抽样样品的消毒残留情况以及添加剂含量情况，确定第二污染度；
基于图像检测结果进行污染像素分析，确定第三污染度；
基于第一污染度、第二污染度以及第三污染度，获取得到对应生产环节的生产净度。
本发明提供一种食品生产用食品安全检测方法，其特征在于，所述图像检测包括：自然光下的图像检测、红外光下的图像检测以及超声下的图像检测。
本发明提供一种食品生产用食品安全检测方法，其特征在于，确定第一污染度，包括：
；
其中，W1表示对应的第一污染度；T1表示对应最快繁殖周期；表示对应第二快繁殖周期；/>表示对应环节的历史最快繁殖周期；/>表示与T1匹配的繁殖面积；S2表示与T2匹配的繁殖面积；/>表示对应环节的历史最快繁殖速率；/>表示对应的最慢繁殖周期；/>表示基于周期的转化系数；/>表示基于面积的转化系数；/>表示基于速率的转化系数；e为常数，取值为2.7；ln为对数函数符号。
本发明提供一种食品生产用食品安全检测方法，其特征在于，根据同流水线的所有表层净度以及同流水线所涉及到的所有生产环节的生产净度，确定食品生产安全性，实现食品安全检测，包括：
根据同个流水线中每个生产环节的原材料的表层净度以及材料属性，与对应生产环节的生产净度进行净度关联，确定对应原材料基于对应生产环节生产之后的第一子净度；
基于获取同个原材料在不同生产环节的所有第一子净度，来确定对应生产原材料的第二子净度；
将涉及到的所有原材料的第二子净度进行综合计算，获取得到食品生产安全性，当所述食品生产安全性大于预设安全性时，判定食品安全。
与现有技术相比，本申请的有益效果如下：通过将食品生产原材料分类并取样培养确定原材料的表层净度，获取场地环境数据与环境影响数据构建食品场地的环境模型，确定生产净度，综合表层净度与生产净度确定食品安全性，不仅避免对食品检测的粗略性，还能有效保证食品安全检测的可靠性。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种食品生产用食品安全检测方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例1：
本发明实施例提供一种食品生产用食品安全检测方法，如图1所示，包括：
步骤1：获取食品生产原材料并进行分类，根据分类结果对原材料进行基础处理步骤，对基础处理后的原材料进行取样观测及培养，判断基础处理后的原材料的表层净度；
步骤2：基于食品生产场地的场地环境数据以及食品生产机器在运行过程产生的环境影响数据，构建食品生产场地的环境模型，并根据环境模型以及食品生产流程，确定食品生产过程中不同生产环节下的抽样检测时间，并判断对应生产环节的生产净度；
步骤3：根据同流水线的所有表层净度以及同流水线所涉及到的所有生产环节的生产净度，确定食品生产安全性，实现食品安全检测。
该实施例中，分类结果包括蛋白质源、碳水化合物源与脂肪源。
该实施例中，基础处理操作是一级清洗、二级去皮处理、三级切割处理。
该实施例中，取样观测及培养的过程为采集原材料的样品，样品选择是随机的涵盖原材料的各个区域，观测过程是根据分子生物学技术，比如PCR检测DNA或RNA，培养过程是在适当环境条件下促使微生物生长和繁殖的过程，其中适当环境条件包括温度、湿度、气氛与培养基。
该实施例中，表层净度是根据菌种种类与菌种数量确定的。
该实施例中，场地环境数据包括温度、湿度、空气质量与灭菌消毒数据。
该实施例中，环境影响数据包括食品生产机器的能源效率、废弃物与副产品、噪声数据、食品生产机器的排放物与食品生产机器在清洗、消毒和维护过程中残留的化学物品。
该实施例中，环境模型是根据环境影响数据构建的，输入数据是食品生产过程中生产机器的相关数据，输出数据是对应食品生产机器的产生的环境影响数据。
该实施例中，食品生产流程是原材料采购、原材料检验、储存、加工制造、包装、质量控制、标签和配送、储存和运输与废弃物处理。
该实施例中，生产净度是对不同生产流程中的食品进行抽样，并对抽样结果进行抽样菌种培养与化学试剂含量检测，以培养结果与检测结果判断对应生产环节。
该实施例中，抽样检测时间是根据环境数据中的低点标记和生产流程中的相关环境数据确定的，比如抽样点位于低点标记中心，且环境数据中温度与湿度都为微生物生长最适宜环境数据时对应点的抽样检测时间是3天。
该实施例中，所有的表层净度是所有种类的食品原材料的表层干净程度，即对基础处理操作的净度反映。
该实施例中，食品生产安全性是对所有表层净度与所有生产净度进行综合之后最终得出的食品安全性，比如食品A所有的食品原材料对应的平均表层净度为8，所有生产净度平均值为8，最终食品安全为8。
上述技术方案的工作原理及有益效果是：通过将食品生产原材料分类并取样培养确定原材料的表层净度，获取场地环境数据与环境影响数据构建食品场地的环境模型，确定生产净度，综合表层净度与生产净度确定食品安全性，不仅避免对食品检测的粗略性，还能有效保证食品安全检测的可靠性。
实施例2：
本发明实施例提供一种食品生产用食品安全检测方法，判断基础处理后的原材料的表层净度，包括：
对进行基础处理步骤的器械进行器械菌种培养，确定器械净度；
将食品生产原材料按照可存放时间与荤素种类进行分类，根据分类结果对原材料执行基础处理步骤；
分别对每个分类结果下的基础处理步骤中的每一步骤进行取样观测及培养，并根据观测培养结果建立对应分类下每个原材料的菌种培养向量，其中，所述菌种培养向量由同个原材料在不同步骤中的培养信息构成；
根据同个分类的所有原材料的菌种培养向量进行行排列构建得到对应分类的初级菌种矩阵；
根据初级菌种矩阵判断对应分类下各个步骤中的步骤表层净度，根据所有步骤表层净度与器械净度确定相应原材料表层净度。
该实施例中，，其中，/>表示原材料的第/>个菌种对应的菌种培养向量；/>表示原材料的第/>个菌种的生长速率；/>表示原材料的第/>个菌种的代谢产物对食品的污染程度；/>表示原材料的第/>个菌种的生长周期；/>表示原材料的第/>个菌种的适宜生长环境函数；
该实施例中，基础处理步骤包括一级清洗、二级去皮处理与三级切割处理，一级清洗包括包括物理去除污垢和残留物，例如食物碎片、油脂和蛋白质，标准化清洗程序，通常包括预冲、清洗、漂洗和消毒步骤，二级去皮处理包括去除食材的外皮、外壳或皮肤与去籽，三级切割处理是对产品进行符合规格的不同形状和尺寸的切割。
该实施例中，。
该实施例中，原材料表层净度是器械净度与步骤表层净度的平均值。
上述技术方案的工作原理及有益效果是：根据对原材料进行基础处理之后，对原材料的表层与器械表层分别进行菌种培养，获取对应菌种培养数据进行净度计算，得出原材料表层净度，实现对基础操作步骤后的原材料与器械的净度检测，确定对应净度问题位置，并及时进行消毒，保证食品安全性。
实施例3：
本发明实施例提供一种食品生产用食品安全检测方法，根据初级菌种矩阵判断对应分类下各个步骤中的步骤表层净度，根据所有步骤表层净度与器械净度确定相应原材料表层净度，包括：
将同个分类下的各个步骤下的各个原材料所对应培养的器械净度进行获取，构建器械矩阵，其中，所述器械矩阵的每行为对应分类下的同个原材料在不同步骤中所应用的器械的器械净度；
获取不同原材料在不同步骤中的标准信息来构建标准矩阵，并将所述标准矩阵与相应的初级菌种矩阵进行第一对比分析，得到第一差异矩阵，并将所述第一差异矩阵进行元素净度标准化，得到第二差异矩阵；
将所述初级菌种矩阵与器械矩阵进行第二比对分析，得到第三差异矩阵；
对所述第一差异矩阵以及第三差异矩阵进行同行向量的提取，得到双行矩阵，并获取所述双行矩阵中的第一行向量的第一差异绝对均值以及第一净度方差/>、第二行向量的第二差异绝对均值/>以及第二净度方差/>；
对所述第一差异矩阵以及第三差异矩阵进行同列向量的提取，得到双列矩阵，并获取所述双列矩阵中的第一列行向量的第三差异绝对均值以及第三净度方差/>、第二列向量的第四差异绝对均值/>以及第四净度方差/>；
根据所述第三差异绝对均值以及第三净度方差/>，计算得到对应步骤的步骤表层净度/>，其中，/>表示单独步骤净度函数；
根据步骤表层净度且结合器械净度，计算原材料表层净度：
；
其中，表示与对应原材料对应的基础处理步骤的过程净度函数；表示与对应原材料对应的基础处理步骤的器械净度函数；/>表示与对应原材料对应的每个步骤处理之前的器械净度函数；/>表示原材料的初始净度；J1表示对应原材料的表层净度；/>表示对应第i1个步骤的净度权重；/>表示对应第i1个步骤的步骤表层净度；/>表示对应第i1个步骤中第i2个器械净度；/>表示对应第i1个步骤下的最小器械净度；/>表示对应第i1个步骤中的对应原材料的当下器械净度；N1是步骤总数；N2是第i1个步骤下的器械净度总数。
该实施例中，。
该实施例中，。
该实施例中，第一对比分析是对应原材料在标准情况下培养出的菌种，根据该菌种的菌种数据生成对应标准矩阵与初级菌种矩阵做差的过程。
该实施例中，第一差异矩阵是标准矩阵与对应的初级菌种矩阵的差值矩阵。
该实施例中，元素净度标准化是将对应净度减去其所在列的平均值，再除以所在列的标准差得出对应净度的净度标准化的值。
该实施例中，第二对比分析根据初级菌种矩阵获得对应位置的实际净度，构成实际净度矩阵，与器械矩阵做差得出第三差异矩阵。
该实施例中，比较过程是将器械净度与标准器械净度、步骤表层净度与标准步骤净度分别求差值，对差值进行低点标记的扩大，最后得出比较结果。
该实施例中，污染位置是比较结果中不符合标准值的位置点，比如差值为0.5但是对应差值位置点为低点标记点，则扩大为0.8，标准值为0.7，则该点对应的位置为污染位置。
该实施例中，菌种种类设定对应消毒方式与消毒操作包括细菌类的大肠杆菌与沙门氏菌，消毒方式包括热处理、紫外线辐照、化学消毒剂，消毒操作包括维持适当的储存温度，使用合适的消毒剂浸泡或喷洒食品接触表面；真菌类的霉菌与酵母菌，消毒方式包括通常通过控制湿度、温度和食品水分含量来预防真菌污染，同时使用抗真菌化学剂。
消毒操作：保持食品干燥，避免过度储存时间，定期检查食品质量
上述技术方案的工作原理及有益效果是：通过标准净度与实际净度的比较结果，根据比较结果判断是否存在污染位置，并对污染位置进行锁定与消毒处理，实现对基础操作步骤后的原材料与器械的净度检测，确定对应净度问题位置，并及时进行消毒，保证食品安全性。
实施例4：
本发明实施例提供一种食品生产用食品安全检测方法，基判断对应生产环节的生产净度，包括：
获取食品生产场地中每个代表场地点的场地环境数据，并根据所述场地环境数据得出对应代表场地点在不同运行时间点下的点净度，构建初始模型，其中，所述场地环境数据包括对应代表场地点的温度、湿度、空气质量与灭菌消毒值；
获取食品生产机器在运行过程中产生的环境影响数据，并基于环境影响数据、食品生产机器所处场地的场地构架、食品生产机器的位置布局及运行时间表，构建基于所述场地构架的不同运行时间下的影响扩散模型，其中，所述环境影响数据包括：食品生产机器的能源效率、废弃物与副产品、噪声数据、食品生产机器的排放物与食品生产机器在清洗、消毒和维护过程中残留的化学物品；
根据不同运行时间点下的影响扩散模型，对相应运行时间点下的点净度进行净度调整，确定同个运行时间点下的食品生产场地的最低净度场地点并进行第一标记以及对低于预设净度的场地点进行第二标记；
基于第一标记结果以及第二标记结果对所述初始模型进行训练监督，得到环境模型；
获取所述食品生产流程中每个生产环节的生产时间线，并将所述生产时间线与所述环境模型进行融合分析，确定每个生产时间线的抽样检测时间；
基于每个生产环节下的每次抽样检测时间下的检测结果，确定对应生产环节的生产净度。
该实施例中，点净度是根据场地环境所有点的对应环境数据得出的。
该实施例中，食品生产机器所处场地的场地构架包括工作区划分、设备摆放方式、通道与走廊、材料储存区、设备维护区、通风与空气质量控制区、安全设施。
该实施例中，影响扩散模型是场地环境对整个是生产过程的净度影响扩散模型，可以根据环境影响数据进行仿真直接模拟好的，后续的输入数据为场地环境数据，输出数据为对应点在对应时间的净度。
该实施例中，最低净度场地点是整个食品生产场地中对应的环境净度最低点，可存在多个点。
该实施例中，第一标记是对最低净度场地点进行的标记。
该实施例中，第二标记是将最低净度场地点与预设净度进行比较，比预设净度低点的进行第二标记，存在所有最低净度场地点都比预设净度低的情况时，将进行逐级比较，知道剩余场地点的净度都高于预设点。
该实施例中，环境模型是场地环境对食品生产过程的净度影响模型，输入数据为场地环境数据，输出数据为对应整个环境的净度影响因子，其中，不同生产时间线上的时间点下的环境可能是不同的，因此，与环境模型融合，来精准的虎丘后续的抽样检测时间。
该实施例中，抽样检测时间是对生产环节上的食品材料进行抽样的时间间隔。
上述技术方案的工作原理及有益效果是：通过食品生产场地对应的场地环境数据构建初始模型，根据环境影响数据构建影响扩散模型，确定所有点的场地净度并对对应点进行第一标记与第二标记，并根据标记结果对初始模型进行训练监督得出环境模型，确定抽样检测时间，根据检测结果确定生产净度，综合表层净度与生产净度确定食品安全性，不仅避免对食品检测的粗略性，还能有效保证食品安全检测的可靠性。
实施例5：
本发明实施例一种食品生产用食品安全检测方法，基于每个生产环节下的每次抽样检测时间下的检测结果，确定对应生产环节的生产净度，包括：
对每次抽样检测时间下的抽样样品进行抽样菌种培养、化学试剂以及图像检测；
基于抽样菌种培养结果得出最慢繁殖周期的第一菌种种类、最快繁殖周期的第二菌种种类以及第二快繁殖周期的第三菌种种类，并确定第一污染度；
基于化学试剂检测结果获取抽样样品的消毒残留情况以及添加剂含量情况，确定第二污染度；
基于图像检测结果进行污染像素分析，确定第三污染度；
基于第一污染度、第二污染度以及第三污染度，获取得到对应生产环节的生产净度。
该实施例中，第一污染度是菌种引起的污染情况对应的污染程度。
该实施例中，第二污染度是化学试剂引起的污染情况对应的污染程度。
该实施例中，污染像素分析是通过获取图像信息，对图像信息进行平滑、去噪和增强，进行阈值分割，确定污染源像素，对污染源像素进行特征提取与分类，最终得出对应污染情况。
该实施例中，第三污染度是通过图像信息获取的污染情况对应的污染程度。
上述技术方案的工作原理及有益效果是：通过抽样菌种培养结果确定抽样时间间隔，并根据相应实验确定对应生产流程净度，实现对整个生产流程的及时消毒，保证食品安全性。
实施例6：
本发明实施例提供一种食品生产用食品安全检测方法，所述图像检测包括：自然光下的图像检测、红外光下的图像检测以及超声下的图像检测。
该实施例中，自然光情况下获得的图像信息，使用颜色分析技术结合对应食品在生产过程中的质地与纹理变化情况，判断第一添加剂种类与对应含量；
该实施例中，红外光情况下获取的图像信息，绘制对应光谱图，锁定光谱图的吸收峰，根据红外-特征表匹配第二添加剂种类及其含量；
该实施例中，通过超声成像判断食品内部的结构变化状况，判断食品内部异物存在情况与第三添加剂种类及其含量；
该实施例中，综合第一添加剂种类及其含量、第二添加剂种类及其含量与第三添加剂种类及其含量得出抽样结果中的添加剂种类及其含量。
该实施例中，颜色分析技术是通过测量食品的颜色参数，如色调、饱和度和亮度，通常使用CIE Lab或CIE Lab*色彩空间来描述颜色，检查食品的外观和颜色一致性，确定第一添加剂。
该实施例中，质地与纹理变化情况包括水分含量变化，加工方法造成的变化，配方改变造成的变化，储存条件与加工时间造成的变化。
该实施例中，红外-特征表是通过红外光谱技术可以通过检测物质与不同波长的红外光的相互作用来确定物质的化学成分，确定第二添加剂。
上述技术方案的工作原理及有益效果是：通过对应设定实验，确定食品生产中对应的添加剂种类与对应含量，及时把控食物品质，综合表层净度与生产净度确定食品安全性，有效保证食品安全检测的可靠性，保证食品安全性。
实施例7：
本发明实施例提供一种食品生产用食品安全检测方法，确定第一污染度，包括：
；
其中，W1表示对应的第一污染度；T1表示对应最快繁殖周期；表示对应第二快繁殖周期；/>表示对应环节的历史最快繁殖周期；/>表示与T1匹配的繁殖面积；S2表示与T2匹配的繁殖面积；/>表示对应环节的历史最快繁殖速率；/>表示对应的最慢繁殖周期；/>表示基于周期的转化系数；/>表示基于面积的转化系数；/>表示基于速率的转化系数；e为常数，取值为2.7；ln为对数函数符号。
上述技术方案的工作原理及有益效果是：通过对菌种的繁殖周期数据对第一污染度进行计算，避免对食品检测的粗略性，还能有效保证食品安全检测的可靠性。
实施例8：
本发明实施例提供一种食品生产用食品安全检测方法，根据同流水线的所有表层净度以及同流水线所涉及到的所有生产环节的生产净度，确定食品生产安全性，实现食品安全检测，包括：
根据同个流水线中每个生产环节的原材料的表层净度以及材料属性，与对应生产环节的生产净度进行净度关联，确定对应原材料基于对应生产环节生产之后的第一子净度；
基于获取同个原材料在不同生产环节的所有第一子净度，来确定对应生产原材料的第二子净度；
将涉及到的所有原材料的第二子净度进行综合计算，获取得到食品生产安全性，当所述食品生产安全性大于预设安全性时，判定食品安全。
该实施例中，材料属性是耐腐蚀性、温度稳定性与食品与材料相容性。
该实施例中，净度关联是同个原材料的表层净度与生产净度的联系，比如原材料1的表层净度为8，生产净度为7，则净度关联为消极关联，原材料2的表层净度为8，生产净度为9，则净度关联为积极关联。
该实施例中，第一子净度是同个原材料在生产环节之后的净度，对应原材料的表层净度与生产净度加权。
该实施例中，第二子净度是第一子净度的标准化值。
上述技术方案的工作原理及有益效果是：通过确定不同食品生产环节的原材料净度情况，确定生产原材料的净度情况，从而确定食品生产安全性，不仅避免对食品检测的粗略性，还能有效保证食品安全检测的可靠性。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种食品生产用食品安全检测方法，其特征在于，包括：
步骤1：获取食品生产原材料并进行分类，根据分类结果对原材料进行基础处理步骤，对基础处理后的原材料进行取样观测及培养，判断基础处理后的原材料的表层净度；
步骤2：基于食品生产场地的场地环境数据以及食品生产机器在运行过程产生的环境影响数据，构建食品生产场地的环境模型，并根据环境模型以及食品生产流程，确定食品生产过程中不同生产环节下的抽样检测时间，并判断对应生产环节的生产净度；
步骤3：根据同流水线的所有表层净度以及同流水线所涉及到的所有生产环节的生产净度，确定食品生产安全性，实现食品安全检测。
2.根据权利要求1所述的一种食品生产用食品安全检测方法，其特征在于，判断基础处理后的原材料的表层净度，包括：
对进行基础处理步骤的器械进行器械菌种培养，确定器械净度；
将食品生产原材料按照可存放时间与荤素种类进行分类，根据分类结果对原材料执行基础处理步骤；
分别对每个分类结果下的基础处理步骤中的每一步骤进行取样观测及培养，并根据观测培养结果建立对应分类下每个原材料的菌种培养向量，其中，所述菌种培养向量由同个原材料在不同步骤中的培养信息构成；
根据同个分类的所有原材料的菌种培养向量进行行排列构建得到对应分类的初级菌种矩阵；
根据初级菌种矩阵判断对应分类下各个步骤中的步骤表层净度，根据所有步骤表层净度与器械净度确定相应原材料表层净度。
3.根据权利要求2所述的一种食品生产用食品安全检测方法，其特征在于，根据初级菌种矩阵判断对应分类下各个步骤中的步骤表层净度，根据所有步骤表层净度与器械净度确定相应原材料表层净度，包括：
将同个分类下的各个步骤下的各个原材料所对应培养的器械净度进行获取，构建器械矩阵，其中，所述器械矩阵的每行为对应分类下的同个原材料在不同步骤中所应用的器械的器械净度；
获取不同原材料在不同步骤中的标准信息来构建标准矩阵，并将所述标准矩阵与相应的初级菌种矩阵进行第一对比分析，得到第一差异矩阵，并将所述第一差异矩阵进行元素净度标准化，得到第二差异矩阵；
将所述初级菌种矩阵与器械矩阵进行第二对比分析，得到第三差异矩阵；
对所述第一差异矩阵以及第三差异矩阵进行同行向量的提取，得到双行矩阵，并获取所述双行矩阵中的第一行向量的第一差异绝对均值以及第一净度方差/>、第二行向量的第二差异绝对均值/>以及第二净度方差/>；
对所述第一差异矩阵以及第三差异矩阵进行同列向量的提取，得到双列矩阵，并获取所述双列矩阵中的第一列行向量的第三差异绝对均值以及第三净度方差/>、第二列向量的第四差异绝对均值/>以及第四净度方差/>；
根据所述第三差异绝对均值以及第三净度方差/>，计算得到对应步骤的步骤表层净度/>，其中，/>表示单独步骤净度函数；
根据步骤表层净度且结合器械净度，计算原材料表层净度：
；
其中，表示与对应原材料对应的基础处理步骤的过程净度函数；表示与对应原材料对应的基础处理步骤的器械净度函数；/>表示与对应原材料对应的每个步骤处理之前的器械净度函数；/>表示原材料的初始净度；J1表示对应原材料的表层净度；/>表示对应第i1个步骤的净度权重；/>表示对应第i1个步骤的步骤表层净度；/>表示对应第i1个步骤中第i2个器械净度；/>表示对应第i1个步骤下的最小器械净度；/>表示对应第i1个步骤中的对应原材料的当下器械净度，N1是步骤总数；N2是第i1个步骤下的器械净度总数。
4.根据权利要求1所述的一种食品生产用食品安全检测方法，其特征在于，判断对应生产环节的生产净度，包括：
获取食品生产场地中每个代表场地点的场地环境数据，并根据所述场地环境数据得出对应代表场地点在不同运行时间点下的点净度构建初始模型，其中，所述场地环境数据包括对应代表场地点的温度、湿度、空气质量与灭菌消毒值；
获取食品生产机器在运行过程中产生的环境影响数据，并基于环境影响数据、食品生产机器所处场地的场地构架、食品生产机器的位置布局及运行时间表，构建基于所述场地构架的不同运行时间下的影响扩散模型，其中，所述环境影响数据包括：食品生产机器的能源效率、废弃物与副产品、噪声数据、食品生产机器的排放物与食品生产机器在清洗、消毒和维护过程中残留的化学物品；
根据不同运行时间点下的影响扩散模型，对相应运行时间点下的点净度进行净度调整，确定同个运行时间点下的食品生产场地的最低净度场地点并进行第一标记以及对低于预设净度的场地点进行第二标记；
基于第一标记结果以及第二标记结果对所述初始模型进行训练监督，得到环境模型；
获取所述食品生产流程中每个生产环节的生产时间线，并将所述生产时间线与所述环境模型进行融合分析，确定每个生产时间线的抽样检测时间；
基于每个生产环节下的每次抽样检测时间下的检测结果，确定对应生产环节的生产净度。
5.根据权利要求4所述的一种食品生产用食品安全检测方法，其特征在于，基于每个生产环节下的每次抽样检测时间下的检测结果，确定对应生产环节的生产净度，包括：
对每次抽样检测时间下的抽样样品进行抽样菌种培养、化学试剂以及图像检测；
基于抽样菌种培养结果得出最慢繁殖周期的第一菌种种类、最快繁殖周期的第二菌种种类以及第二快繁殖周期的第三菌种种类，并确定第一污染度；
基于化学试剂检测结果获取抽样样品的消毒残留情况以及添加剂含量情况，确定第二污染度；
基于图像检测结果进行污染像素分析，确定第三污染度；
基于第一污染度、第二污染度以及第三污染度，获取得到对应生产环节的生产净度。
6.根据权利要求5所述的一种食品生产用食品安全检测方法，其特征在于，所述图像检测包括：自然光下的图像检测、红外光下的图像检测以及超声下的图像检测。
7.根据权利要求5所述的一种食品生产用食品安全检测方法，其特征在于，确定第一污染度，包括：
；
其中，W1表示对应的第一污染度；T1表示对应最快繁殖周期；表示对应第二快繁殖周期；/>表示对应环节的历史最快繁殖周期；/>表示与T1匹配的繁殖面积；S2表示与T2匹配的繁殖面积；/>表示对应环节的历史最快繁殖速率；/>表示对应的最慢繁殖周期；表示基于周期的转化系数；/>表示基于面积的转化系数；/>表示基于速率的转化系数；e为常数，取值为2.7；ln为对数函数符号。
8.根据权利要求1所述的一种食品生产用食品安全检测方法，其特征在于，根据同流水线的所有表层净度以及同流水线所涉及到的所有生产环节的生产净度，确定食品生产安全性，实现食品安全检测，包括：
根据同个流水线中每个生产环节的原材料的表层净度以及材料属性，与对应生产环节的生产净度进行净度关联，确定对应原材料基于对应生产环节生产之后的第一子净度；
基于获取同个原材料在不同生产环节的所有第一子净度，来确定对应生产原材料的第二子净度；
将涉及到的所有原材料的第二子净度进行综合计算，获取得到食品生产安全性，当所述食品生产安全性大于预设安全性时，判定食品安全。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311789309.9A CN118033065A (zh) | 2023-12-25 | 2023-12-25 | 一种食品生产用食品安全检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311789309.9A CN118033065A (zh) | 2023-12-25 | 2023-12-25 | 一种食品生产用食品安全检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118033065A true CN118033065A (zh) | 2024-05-14 |
Family
ID=90997692
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311789309.9A Pending CN118033065A (zh) | 2023-12-25 | 2023-12-25 | 一种食品生产用食品安全检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118033065A (zh) |
-
2023
- 2023-12-25 CN CN202311789309.9A patent/CN118033065A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108663339B (zh) | 基于光谱和图像信息融合的霉变玉米在线检测方法 | |
| TW589374B (en) | Inspection method for microorganisms and the like, and unit therefore | |
| US20190118226A1 (en) | Sorting system | |
| Jiang et al. | Three-dimensional time-lapse analysis reveals multiscale relationships in maize root systems with contrasting architectures | |
| CN110443262B (zh) | 基于计算机视觉的鱼体新鲜度快速无损检测方法及其装置 | |
| Lunadei et al. | Automatic identification of defects on eggshell through a multispectral vision system | |
| Ibáñez et al. | Quantitative use-wear analysis of stone tools: Measuring how the intensity of use affects the identification of the worked material | |
| US20080102487A1 (en) | Method and apparatus for non-invasive rapid fungal specie (mold) identification having hyperspectral imagery | |
| CN109852677B (zh) | 一种冷链肉与肉制品物流过程中品质智能检测方法及系统 | |
| CN112067761A (zh) | 食品检测集成系统及其方法 | |
| CN110796661A (zh) | 基于卷积神经网络的真菌显微图像分割检测方法及系统 | |
| CN108801971A (zh) | 基于高光谱成像技术的霉菌侵染板栗的检测方法 | |
| Ancin-Murguzur et al. | Automated image analysis tool to measure microbial growth on solid cultures | |
| CN114746539A (zh) | 评价对象的评价方法、图像处理装置和评价对象的评价系统 | |
| CN118033065A (zh) | 一种食品生产用食品安全检测方法 | |
| CN113205052A (zh) | 基于残差深度网络的孢子芽孢识别方法、系统及介质 | |
| Augustin et al. | Design of control charts to monitor the microbiological contamination of pork meat cuts | |
| Ross | A philosophy for the development of kinetic models in predictive microbiology | |
| CN117274994A (zh) | 一种基于图像识别技术的蟹味菇菌盖表型分析方法 | |
| JPH11221070A (ja) | 微生物などの検査方法およびその装置 | |
| CN115438754A (zh) | 一种食品安全检测方法、系统及存储介质 | |
| Puchkov | Computer image analysis of microbial colonies | |
| CN114063587A (zh) | 一种基于机器视觉的蛋糕无菌生产控制方法及系统 | |
| Liping et al. | Prediction and Realization of DO in sewage Treatment based on Machine Vision and BP Neural Network | |
| Griffin et al. | Towards the development of a sterile model cheese for assessing the potential of hyperspectral imaging as a non-destructive fungal detection method |
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 |