CN118333344A - 一种基于云平台及物联网的食堂食品安全监管系统 - Google Patents
一种基于云平台及物联网的食堂食品安全监管系统 Download PDFInfo
- Publication number
- CN118333344A CN118333344A CN202410755308.0A CN202410755308A CN118333344A CN 118333344 A CN118333344 A CN 118333344A CN 202410755308 A CN202410755308 A CN 202410755308A CN 118333344 A CN118333344 A CN 118333344A
- Authority
- CN
- China
- Prior art keywords
- food
- information
- warehousing
- food material
- color image
- 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
- 235000013305 food Nutrition 0.000 title claims abstract description 345
- 239000000463 material Substances 0.000 claims abstract description 236
- 238000003860 storage Methods 0.000 claims abstract description 90
- 238000012545 processing Methods 0.000 claims abstract description 56
- 238000004140 cleaning Methods 0.000 claims abstract description 41
- 238000012544 monitoring process Methods 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims description 62
- 238000004659 sterilization and disinfection Methods 0.000 claims description 32
- 238000009826 distribution Methods 0.000 claims description 17
- 238000012795 verification Methods 0.000 claims description 15
- 241000894006 Bacteria Species 0.000 claims description 14
- 230000001580 bacterial effect Effects 0.000 claims description 8
- 241000700605 Viruses Species 0.000 claims description 7
- 238000007726 management method Methods 0.000 claims description 7
- 230000003071 parasitic effect Effects 0.000 claims description 7
- 239000000447 pesticide residue Substances 0.000 claims description 7
- 238000002791 soaking Methods 0.000 claims description 7
- 230000036760 body temperature Effects 0.000 claims description 6
- 238000009529 body temperature measurement Methods 0.000 claims description 6
- 238000005303 weighing Methods 0.000 claims description 6
- 239000007788 liquid Substances 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 3
- 229910001385 heavy metal Inorganic materials 0.000 claims description 2
- 239000000273 veterinary drug Substances 0.000 claims description 2
- 230000006855 networking Effects 0.000 claims 1
- 230000001954 sterilising effect Effects 0.000 abstract 3
- 235000021186 dishes Nutrition 0.000 description 10
- 238000013527 convolutional neural network Methods 0.000 description 6
- 230000009545 invasion Effects 0.000 description 6
- 235000013336 milk Nutrition 0.000 description 6
- 239000008267 milk Substances 0.000 description 6
- 210000004080 milk Anatomy 0.000 description 6
- 230000014759 maintenance of location Effects 0.000 description 5
- 210000004681 ovum Anatomy 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- 102000002322 Egg Proteins Human genes 0.000 description 4
- 108010000912 Egg Proteins Proteins 0.000 description 4
- 238000000034 method Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- KRKNYBCHXYNGOX-UHFFFAOYSA-N citric acid Chemical compound OC(=O)CC(O)(C(O)=O)CC(O)=O KRKNYBCHXYNGOX-UHFFFAOYSA-N 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 102000004169 proteins and genes Human genes 0.000 description 3
- 108090000623 proteins and genes Proteins 0.000 description 3
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 2
- 244000068988 Glycine max Species 0.000 description 2
- 235000010469 Glycine max Nutrition 0.000 description 2
- 241000234295 Musa Species 0.000 description 2
- 241001482311 Trionychidae Species 0.000 description 2
- 235000021015 bananas Nutrition 0.000 description 2
- 235000013527 bean curd Nutrition 0.000 description 2
- 235000008429 bread Nutrition 0.000 description 2
- 229910052791 calcium Inorganic materials 0.000 description 2
- 239000011575 calcium Substances 0.000 description 2
- 235000020971 citrus fruits Nutrition 0.000 description 2
- 235000013601 eggs Nutrition 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241001674044 Blattodea Species 0.000 description 1
- BHPQYMZQTOCNFJ-UHFFFAOYSA-N Calcium cation Chemical compound [Ca+2] BHPQYMZQTOCNFJ-UHFFFAOYSA-N 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- 241000270295 Serpentes Species 0.000 description 1
- 102000004142 Trypsin Human genes 0.000 description 1
- 108090000631 Trypsin Proteins 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910001424 calcium ion Inorganic materials 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 235000014633 carbohydrates Nutrition 0.000 description 1
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000003925 fat Substances 0.000 description 1
- 230000004217 heart function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 230000004660 morphological change Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 235000010987 pectin Nutrition 0.000 description 1
- 229920001277 pectin Polymers 0.000 description 1
- 239000001814 pectin Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 229920001864 tannin Polymers 0.000 description 1
- 239000001648 tannin Substances 0.000 description 1
- 235000018553 tannin Nutrition 0.000 description 1
- 239000012588 trypsin Substances 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于云平台及物联网的食堂食品安全监管系统，涉及数据处理领域，包括：入库监管模块，用于记录食材入库信息；储藏监管模块，用于确定待储藏食材的最优储藏参数，进行分区域储藏；出库管理模块，用于记录食材出库信息，结合食材知识图谱，生成食材出库提示信息；加工监管模块，用于确定最优清洗参数，控制自动清洗设备对待加工食材进行清洗，获取多个加工区域的彩色图像信息，生成食材加工提示信息；留样监管模块，用于记录食品留样彩色图像，获取售卖区域的彩色图像信息，生成食品留样提示信息；消杀监管模块，用于获取食堂的运行信息，制定消杀计划，控制消杀机器人执行，具有提高食堂食品安全监管的实时性及自动化程度的优点。
Description
技术领域
本发明涉及数据处理领域，特别涉及一种基于云平台及物联网的食堂食品安全监管系统。
背景技术
食堂通常设于机关、学校和厂矿等企事业单位，为供应其内部职工、学生等就餐的场所。食堂通常是一部分人每天用餐的场所，故食堂的卫生、食品安全变得尤为重要。
目前很多食堂的管理者把食堂对外承包经营后，缺乏有效的监督机制，或者监督弱化，致使食堂的经营者缺乏足够的约束，采购、制作和销售各个环节存在巨大的安全隐患，很容易滋生腐败和危险。比如，食材存储时缺乏有效监管，使用存放过期食材制作食物；食物留样不规范或者没有食物留样；食堂内部安全没有很好的保障。
因此，需要提供一种基于云平台及物联网的食堂食品安全监管系统，用于提高食堂食品安全监管的实时性及自动化程度。
发明内容
本发明提供一种基于云平台及物联网的食堂食品安全监管系统，包括：入库监管模块，用于基于食材入库请求，对入库工作人员进行入库权限验证，完成入库权限验证后，获取待储藏食材的食材检测信息，记录食材入库信息；储藏监管模块，用于基于食材入库信息，确定待储藏食材的最优储藏参数，基于所述待储藏食材的最优储藏参数，对待储藏食材进行分区域储藏；出库管理模块，用于基于食材出库请求，对出库工作人员进行出库权限验证，完成出库权限验证后，记录食材出库信息，并基于所述食材出库信息和食材知识图谱，生成食材出库提示信息；加工监管模块，用于基于待加工食材的食材检测信息，确定最优清洗参数，基于所述最优清洗参数控制自动清洗设备对待加工食材进行清洗，还用于获取多个加工区域的彩色图像信息，基于所述多个加工区域的彩色图像信息，生成食材加工提示信息；留样监管模块，用于接收食品留样请求，对留样工作人员进行留样权限验证，完成留样权限验证后，记录食品留样彩色图像，还用于获取售卖区域的彩色图像信息，基于所述售卖区域的彩色图像信息和所述食品留样彩色图像，生成食品留样提示信息；消杀监管模块，用于获取食堂的运行信息，基于所述食堂的运行信息，制定消杀计划，控制消杀机器人执行所述消杀计划。
进一步地，所述入库监管模块基于食材入库请求，对入库工作人员进行入库权限验证，包括：基于食材入库请求获取所述入库工作人员的彩色图像信息和红外测温信息，其中，所述入库工作人员的彩色图像信息包括人脸彩色图像、着装彩色图像和手部彩色图像；基于所述红外测温信息，判断体温监测是否合格；判定体温监测合格时，基于所述人脸彩色图像、着装彩色图像和手部彩色图像，判断作业着装是否合格；判定作业着装合格时，基于所述人脸彩色图像和所述手部彩色图像，确定所述入库工作人员的身份信息，基于所述入库工作人员的身份信息，进行入库权限验证。
进一步地，所述入库监管模块基于所述人脸彩色图像和所述手部彩色图像，确定所述入库工作人员的身份信息，包括：建立入库权限人员数据库，其中，所述入库权限人员数据库用于记载多个入库权限人员的身份特征，所述身份特征至少包括眼部特征和手部特征，所述眼部特征至少包括眼距、眼睛宽度、眼白比例、内眼角角度和外眼角角度，所述手部特征至少包括任意两根手指之间的长度差值；对于任意两个所述入库权限人员，基于两个所述入库权限人员的身份特征，计算两个所述入库权限人员的身份特征相似度；通过聚类算法基于任意两个所述入库权限人员的身份特征相似度，对所述多个入库权限人员进行聚类，确定多个入库权限人员簇；对于每个所述入库权限人员簇包括的任意两个所述入库权限人员，计算两个所述入库权限人员在每种眼部特征的相似度和每种手部特征的相似度；对于每个所述入库权限人员簇，基于所述入库权限人员簇包括的任意两个所述入库权限人员在每种眼部特征的相似度和每种手部特征的相似度，筛选所述入库权限人员簇对应的目标眼部特征和目标手部特征；基于所述入库工作人员的人脸彩色图像和手部彩色图像，提取所述入库工作人员的眼部特征和手部特征；对于每个所述入库权限人员簇，基于所述入库工作人员的眼部特征和手部特征以及所述入库权限人员簇的簇中心的眼部特征和手部特征，计算所述入库工作人员与所述入库权限人员簇的簇中心之间的身份特征相似度；基于所述入库工作人员与每个所述入库权限人员簇的簇中心之间的身份特征相似度，确定目标入库权限人员簇；对于每个所述目标入库权限人员簇，基于所述入库权限人员簇对应的目标眼部特征和目标手部特征，提取所述入库工作人员对应的目标眼部特征和目标手部特征，基于所述入库工作人员对应的目标眼部特征和目标手部特征和所述目标入库权限人员簇包括的入库权限人员对应的目标眼部特征和目标手部特征，计算所述入库工作人员与所述目标入库权限人员簇包括的入库权限人员之间的身份特征相似度，确定所述入库工作人员的身份信息。
进一步地，所述入库监管模块获取待储藏食材的食材检测信息，包括：获取所述待储藏食材的彩色图像信息、红外图像和称重信息；基于所述待储藏食材的彩色图像信息，确定所述待储藏食材的种类；基于所述待储藏食材的彩色图像信息和红外图像，进行腐烂检测，获取腐烂检测结果；对所述待储藏食材的进行残留物检测，获取残留物检测结果；基于腐烂检测结果和残留物检测结果，判断是否进行入库；判定进行入库时，基于所述待储藏食材的称重信息，确定所述待储藏食材的入库量，其中，所述待储藏食材的食材检测信息包括种类、腐烂检测结果、残留物检测结果及入库量。
进一步地，所述储藏监管模块基于食材入库信息，确定待储藏食材的最优储藏参数，基于所述待储藏食材的最优储藏参数，对待储藏食材进行分区域储藏，包括：建立食材储藏数据库，其中，所述食材储藏数据库用于记载多种食材对应的最优储藏参数；对于任意两种所述食材，基于两种所述食材对应的最优储藏参数，计算两种所述食材之间的储藏参数相似度；通过聚类算法基于任意两种所述食材之间的储藏参数相似度，对所述多种食材进行聚类，确定多个食材簇；基于所述待储藏食材的种类，从所述多个食材簇中确定目标食材簇；基于所述目标食材簇和多个储藏区域的当前储藏信息，确定候选储藏区域；基于每个所述候选储藏区域的当前剩余空间信息和所述待储藏食材的入库量，确定目标储藏区域。
进一步地，所述食材知识图谱用于记载多种食材对应的相克食材；所述出库管理模块基于所述食材出库信息和食材知识图谱，生成食材出库提示信息，包括：获取在当前食材加工周期的多条食材出库信息；基于所述食材知识图谱和所述在当前食材加工周期的多条食材出库信息，生成食材出库提示信息。
进一步地，所述待加工食材的食材检测信息至少包括农药残留信息、兽药残留信息、重金属残留信息、细菌残留信息、病毒细菌残留信息及寄生虫卵细菌残留信息；所述加工监管模块基于待加工食材的食材检测信息，确定最优清洗参数，包括：建立食材清洗数据库，其中，所述食材清洗数据库用于记载多种食材对应的基础清洗参数，所述基础清洗参数至少包括基础浸泡时间参数、基础浸泡液成分参数、基础超声波工作参数及基础紫外线工作参数；基于所述待储藏食材的种类，从所述食材清洗数据库中获取所述待储藏食材对应的基础清洗参数；基于所述待加工食材的农药残留信息、细菌残留信息、病毒细菌残留信息及寄生虫卵细菌残留信息，对所述待储藏食材对应的基础清洗参数进行调整，确定所述待储藏食材对应的最优清洗参数。
进一步地，所述加工监管模块基于所述多个加工区域的彩色图像信息，生成食材加工提示信息，包括：基于入侵风险区域的彩色图像信息，生成入侵物检测信息，其中，所述多个加工区域包括入侵风险区域；获取加工操作区域的彩色图像信息，生成着装检测信息及人员状态检测信息，其中，所述多个加工区域包括加工操作区域；基于所述入侵物检测信息、着装检测信息及人员状态检测信息，生成所述食材加工提示信息。
进一步地，所述留样监管模块基于所述售卖区域的彩色图像信息和所述食品留样彩色图像，生成食品留样提示信息，包括：基于所述售卖区域的彩色图像信息，获取每道待售卖菜肴的彩色图像；对于每道待售卖菜肴，基于所述待售卖菜肴的彩色图像，提取所述待售卖菜肴的RGB分布特征；基于食品留样彩色图像，确定每道留样菜肴的RGB分布特征；每道所述待售卖菜肴的RGB分布特征和每道所述留样菜肴的RGB分布特征，生成食品留样提示信息。
进一步地，所述消杀监管模块基于所述食堂的运行信息，制定消杀计划，包括：基于所述食堂的运行信息，确定至少一个消杀区域及每个所述消杀区域对应的消杀方式；基于每个所述消杀区域的位置信息，生成消杀轨迹，其中，所述消杀计划包括消杀轨迹及每个所述消杀区域对应的消杀方式。
相比于现有技术，本发明提供的一种基于云平台及物联网的食堂食品安全监管系统，至少具备以下有益效果：
1、实现从食材入库、储藏、出库、清洗、炒制、留样和消杀的全流程自动化监管，提高了食堂食品安全监管的实时性及自动化程度。
2、单特征波动参数大于预设单特征波动参数阈值，则表明该入库权限人员簇包括的入库权限人员，在该眼部特征或手部特征的差异较大，因此，将其作为入库权限人员簇对应的目标眼部特征和目标手部特征，后续进行身份信息确定时，只需要针对性地基于入库工作人员对应的目标眼部特征和目标手部特征和目标入库权限人员簇包括的入库权限人员对应的目标眼部特征和目标手部特征，计算入库工作人员与目标入库权限人员簇包括的入库权限人员之间的身份特征相似度即可，减少了无效的数据处理，提高身份确定的效率。
附图说明
本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本说明书一些实施例所示的一种基于云平台及物联网的食堂食品安全监管系统的模块示意图；
图2是根据本说明书一些实施例所示的对入库工作人员进行入库权限验证的流程示意图；
图3是根据本说明书一些实施例所示的确定入库工作人员的身份信息的流程示意图；
图4是根据本说明书一些实施例所示的对待储藏食材进行分区域储藏的流程示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案，下面将对实施例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说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
图1是根据本说明书一些实施例所示的一种基于云平台及物联网的食堂食品安全监管系统的模块示意图，如图1所示，一种基于云平台及物联网的食堂食品安全监管系统可以包括入库监管模块、储藏监管模块、出库管理模块、加工监管模块、留样监管模块及消杀监管模块。
入库监管模块可以用于基于食材入库请求，对入库工作人员进行入库权限验证，完成入库权限验证后，获取待储藏食材的食材检测信息，记录食材入库信息。
图2是根据本说明书一些实施例所示的对入库工作人员进行入库权限验证的流程示意图，如图2所示，在一些实施例中，入库监管模块基于食材入库请求，对入库工作人员进行入库权限验证，包括：
基于食材入库请求获取入库工作人员的彩色图像信息和红外测温信息，其中，入库工作人员的彩色图像信息包括人脸彩色图像、着装彩色图像和手部彩色图像；
基于红外测温信息，判断体温监测是否合格；
判定体温监测合格时，基于人脸彩色图像、着装彩色图像和手部彩色图像，判断作业着装是否合格；
判定作业着装合格时，基于人脸彩色图像和手部彩色图像，确定入库工作人员的身份信息，基于入库工作人员的身份信息，进行入库权限验证。
具体的，通过SSD（Single Shot MultiBox Detector）目标检测算法基于人脸彩色图像，判断入库工作人员是否佩戴工作口罩和工作头套，基于手部彩色图像，判断入库工作人员的手部是否佩戴饰品（例如，戒指、手环等），当入库工作人员未佩戴工作口罩和工作头套，或者入库工作人员的手部佩戴饰品时，判断作业着装不合格。
图3是根据本说明书一些实施例所示的确定入库工作人员的身份信息的流程示意图，如图3所示，在一些实施例中，入库监管模块基于人脸彩色图像和手部彩色图像，确定入库工作人员的身份信息，包括：
建立入库权限人员数据库，其中，入库权限人员数据库用于记载多个入库权限人员的身份特征，身份特征至少包括眼部特征和手部特征，眼部特征至少包括眼距、眼睛宽度、眼白比例、内眼角角度和外眼角角度，手部特征至少包括任意两根手指之间的长度差值；
对于任意两个入库权限人员，基于两个入库权限人员的身份特征，计算两个入库权限人员的身份特征相似度；
通过聚类算法基于任意两个入库权限人员的身份特征相似度，对多个入库权限人员进行聚类，确定多个入库权限人员簇；
对于每个入库权限人员簇包括的任意两个入库权限人员，计算两个入库权限人员在每种眼部特征的相似度和每种手部特征的相似度；
对于每个入库权限人员簇，基于入库权限人员簇包括的任意两个入库权限人员在每种眼部特征的相似度和每种手部特征的相似度，筛选入库权限人员簇对应的目标眼部特征和目标手部特征；
基于入库工作人员的人脸彩色图像和手部彩色图像，提取入库工作人员的眼部特征和手部特征；
对于每个入库权限人员簇，基于入库工作人员的眼部特征和手部特征以及入库权限人员簇的簇中心的眼部特征和手部特征，计算入库工作人员与入库权限人员簇的簇中心之间的身份特征相似度；
基于入库工作人员与每个入库权限人员簇的簇中心之间的身份特征相似度，确定目标入库权限人员簇；
对于每个目标入库权限人员簇，基于入库权限人员簇对应的目标眼部特征和目标手部特征，提取入库工作人员对应的目标眼部特征和目标手部特征，基于入库工作人员对应的目标眼部特征和目标手部特征和目标入库权限人员簇包括的入库权限人员对应的目标眼部特征和目标手部特征，计算入库工作人员与目标入库权限人员簇包括的入库权限人员之间的身份特征相似度，确定入库工作人员的身份信息。
具体的，可以基于以下公式计算两个入库权限人员的身份特征相似度：
；
其中，为第i个入库权限人员和第j个入库权限人员之间的身份特征相似度，为第i个入库权限人员的第k个眼部特征的值，为第j个入库权限人员的第k个眼部特征的值，为眼部特征的总数，为第i个入库权限人员的第e根手指与第f根手指之间的长度差值，为第j个入库权限人员的第e根手指与第f根手指之间的长度差值，为预设参数，且大于0。
可以根据以下流程通过聚类算法基于任意两个入库权限人员的身份特征相似度，对多个入库权限人员进行聚类，确定多个入库权限人员簇：
S11、从多个入库权限人员中确定m个入库权限人员作为初始的簇中心，m个入库权限人员中每个入库权限人员为一个簇中心，执行S12；
S12、对于每个入库权限人员，将入库权限人员分配给身份特征相似度最大的簇中心所在的入库权限人员簇，执行S13；
S13、判断是否完成所有的入库权限人员的分配，若是，执行S14，若否，执行S12；
S14、对于每个入库权限人员簇，计算入库权限人员簇的身份特征相似度波动参数，执行S15；
S15、判断是否存在至少一个入库权限人员簇的身份特征相似度波动参数大于预设身份特征相似度波动参数阈值，若是，执行S16，若否，执行S17；
S16、将身份特征相似度波动参数大于预设身份特征相似度波动参数阈值的入库权限人员簇作为目标入库权限人员簇，保留目标入库权限人员簇的簇中心，并在目标入库权限人员簇中新增一个簇中心，例如，将与目标入库权限人员簇的簇中心代表的入库权限人员之间的身份特征相似度最小的入库权限人员作为新增的簇中心，执行S12；
S17、判断是否存在至少一个入库权限人员簇包括的入库权限人员的数量小于预设数量阈值，若是，执行S18，若否，执行S19；
S18、将包括的入库权限人员的数量小于预设数量阈值的入库权限人员簇作为异常入库权限人员簇，取消异常入库权限人员簇的簇中心，执行S12；
S19、完成聚类。
例如，可以基于以下公式计算入库权限人员簇的身份特征相似度波动参数：
；
其中，为第t个入库权限人员簇的身份特征相似度波动参数，为第t个入库权限人员簇包括的第g个入库权限人员与第t个入库权限人员簇的簇中心之间的身份特征相似度，为第t个入库权限人员簇包括的入库权限人员的总数，可以将第t个入库权限人员簇包括的第g个入库权限人员对应的目标眼部特征和目标手部特征和第t个入库权限人员簇的簇中心代表的入库权限人员对应的目标眼部特征和目标手部特征带入到的计算公式中，得到。
对于每个入库权限人员簇，基于入库权限人员簇包括的任意两个入库权限人员在每种眼部特征的相似度和每种手部特征的相似度，确定每种眼部特征和每种手部特征对应的单特征波动参数，将单特征波动参数大于预设单特征波动参数阈值的眼部特征作为目标眼部特征，将单特征波动参数大于预设单特征波动参数阈值的手部特征作为目标手部特征。
例如，可以基于以下公式计算每种眼部特征对应的单特征波动参数：
；
其中，为第t个入库权限人员簇在第k种眼部特征对应的单特征波动参数，为第t个入库权限人员簇包括的第g个入库权限人员在第k种眼部特征对应的单人特征波动参数，为第t个入库权限人员簇包括的第g个入库权限人员在第k种眼部特征的值，为第t个入库权限人员簇包括的第h个入库权限人员在第k种眼部特征的值。
可以理解的，单特征波动参数大于预设单特征波动参数阈值，则表明该入库权限人员簇包括的入库权限人员，在该眼部特征或手部特征的差异较大，因此，将其作为入库权限人员簇对应的目标眼部特征和目标手部特征，后续进行身份信息确定时，只需要针对性地基于入库工作人员对应的目标眼部特征和目标手部特征和目标入库权限人员簇包括的入库权限人员对应的目标眼部特征和目标手部特征，计算入库工作人员与目标入库权限人员簇包括的入库权限人员之间的身份特征相似度即可，减少了无效的数据处理，提高身份确定的效率。
在一些实施例中，入库监管模块获取待储藏食材的食材检测信息，包括：
获取待储藏食材的彩色图像信息、红外图像和称重信息；
基于待储藏食材的彩色图像信息，确定待储藏食材的种类；
基于待储藏食材的彩色图像信息和红外图像，进行腐烂检测，获取腐烂检测结果；
对待储藏食材的进行残留物检测，获取残留物检测结果，其中，残留物检测结果可以包括农药残留信息、细菌残留信息、病毒细菌残留信息及寄生虫卵细菌残留信息；
基于腐烂检测结果和残留物检测结果，判断是否进行入库；
判定进行入库时，基于待储藏食材的称重信息，确定待储藏食材的入库量，其中，待储藏食材的食材检测信息包括种类、腐烂检测结果、残留物检测结果及入库量。
可以理解的，当食材开始腐烂时，它可能会经历一系列生物化学变化，这些变化可能会产生热量。这是因为食材中的微生物（例如，细菌和真菌）在分解食材中的蛋白质、碳水化合物和脂肪等营养成分时，会进行代谢活动，从而产生热量。并且，发生腐烂的食材通常会变色，这会影响图像的RGB值。例如，原本新鲜的食材可能呈现出鲜艳的颜色，但腐烂后颜色可能会变暗、变黄或产生其他不正常的颜色。这些颜色变化在彩色图像中会被捕捉到，并反映为RGB值的改变。同时，腐烂的食材表面可能会产生斑点、凹陷或其他形态变化，这些都会影响图像的纹理和形状特征。例如，通过图像处理技术可以提取出食材的纹理特征，而腐烂的食材由于表面结构的变化，其纹理特征也会与新鲜食材有所不同。因此，可以结合待储藏食材的彩色图像信息和红外图像，进行腐烂检测，获取腐烂检测结果。
当检测到待储藏食材发生腐烂或残留物超标时，不允许待储藏食材入库。
储藏监管模块可以用于基于食材入库信息，确定待储藏食材的最优储藏参数，基于待储藏食材的最优储藏参数，对待储藏食材进行分区域储藏。
图4是根据本说明书一些实施例所示的对待储藏食材进行分区域储藏的流程示意图，如图4所示，在一些实施例中，储藏监管模块基于食材入库信息，确定待储藏食材的最优储藏参数，基于待储藏食材的最优储藏参数，对待储藏食材进行分区域储藏，包括：
建立食材储藏数据库，其中，食材储藏数据库用于记载多种食材对应的最优储藏参数，最优储藏参数可以包括最优储藏温度、最优储藏湿度及最优储藏通风风速等；
对于任意两种食材，基于两种食材对应的最优储藏参数，计算两种食材之间的储藏参数相似度；
通过聚类算法基于任意两种食材之间的储藏参数相似度，对多种食材进行聚类，确定多个食材簇；
基于待储藏食材的种类，从多个食材簇中确定目标食材簇；
基于目标食材簇和多个储藏区域的当前储藏信息，确定候选储藏区域；
基于每个候选储藏区域的当前剩余空间信息和待储藏食材的入库量，确定目标储藏区域。
具体的，对于任意两种食材，可以基于两种食材对应的最优储藏参数的差值，计算两种食材之间的储藏参数相似度，最优储藏参数的差值越小，两种食材之间的储藏参数相似度越大。
聚类算法可以为K-Means算法、谱聚类算法等。
可以将待储藏食材的种类所属的食材簇作为目标食材簇。
储藏区域的当前储藏信息可以包括储藏区域的当前储藏的食材及区域剩余储藏空间。候选储藏区域可以为当前储藏的食材属于目标食材簇的储藏区域或未储藏有食材的储藏区域。可以将区域剩余储藏空间大于待储藏食材的入库量的候选储藏区域作为目标储藏区域。
出库管理模块可以用于基于食材出库请求，对出库工作人员进行出库权限验证，完成出库权限验证后，记录食材出库信息，并基于食材出库信息和食材知识图谱，生成食材出库提示信息。
对出库工作人员进行出库权限验证与对入库工作人员进行入库权限验证的方式相似，此处不再赘述。
在一些实施例中，食材知识图谱用于记载多种食材对应的相克食材。例如，鸡蛋中的黏液性蛋白易和豆浆中的胰蛋白酶结合，产生一种不易被人体吸收的物质，可能影响营养的吸收，因此，食材知识图谱中可以记载鸡蛋和豆浆可以互为相克食材。又例如，牛奶中的蛋白质和钙可能与柑橘类水果中的柠檬酸产生反应，影响消化，因此，食材知识图谱中可以记载牛奶和柑橘类水果可以互为相克食材。又例如，豆腐和甲鱼两者都富含高钙，同时食用可能导致体内钙离子浓度升高，影响心脏功能，因此，食材知识图谱中可以记载豆腐和甲鱼可以互为相克食材。又例如，面包中的淀粉质和香蕉中的果胶等物质在胃里可能产生不易消化的物质，因此，食材知识图谱中可以记载面包和香蕉可以互为相克食材。又例如，咖啡中的鞣酸可能与牛奶中的蛋白质结合，形成难以消化的物质，因此，食材知识图谱中可以记载牛奶和咖啡可以互为相克食材。
在一些实施例中，出库管理模块基于食材出库信息和食材知识图谱，生成食材出库提示信息，包括：
获取在当前食材加工周期的多条食材出库信息；
基于食材知识图谱和在当前食材加工周期的多条食材出库信息，生成食材出库提示信息。
例如，当在当前食材加工周期（例如，一天等），出现互为相克食材的两种食材出库时，生成食材出库提示信息，该食材出库提示信息包括相克食物的食材出库信息。
加工监管模块可以用于基于待加工食材的食材检测信息，确定最优清洗参数，基于最优清洗参数控制自动清洗设备对待加工食材进行清洗，还用于获取多个加工区域的彩色图像信息，基于多个加工区域的彩色图像信息，生成食材加工提示信息。
在一些实施例中，加工监管模块基于待加工食材的食材检测信息，确定最优清洗参数，包括：
建立食材清洗数据库，其中，食材清洗数据库用于记载多种食材对应的基础清洗参数，基础清洗参数至少包括基础浸泡时间参数、基础浸泡液成分参数、基础超声波工作参数及基础紫外线工作参数，浸泡液成分可以包括盐水含量、碱水含量等；
基于待储藏食材的种类，从食材清洗数据库中获取待储藏食材对应的基础清洗参数；
基于待加工食材的农药残留信息、细菌残留信息、病毒细菌残留信息及寄生虫卵细菌残留信息，对待储藏食材对应的基础清洗参数进行调整，确定待储藏食材对应的最优清洗参数。
具体的，可以通过参数调整模型基于待加工食材的农药残留信息、细菌残留信息、病毒细菌残留信息及寄生虫卵细菌残留信息，对待储藏食材对应的基础清洗参数进行调整，确定待储藏食材对应的最优清洗参数，其中，参数调整模型可以为卷积神经网络（Convolutional Neural Network,CNN）模型。
在一些实施例中，加工监管模块基于多个加工区域的彩色图像信息，生成食材加工提示信息，包括：
基于入侵风险区域的彩色图像信息，生成入侵物检测信息，其中，多个加工区域包括入侵风险区域；
获取加工操作区域的彩色图像信息，生成着装检测信息及人员状态检测信息，其中，多个加工区域包括加工操作区域；
基于入侵物检测信息、着装检测信息及人员状态检测信息，生成食材加工提示信息。
具体的，入侵物检测信息可以包括生物入侵检测信息（例如，蛇入侵检测信息、鼠入侵检测信息、蟑螂入侵检测信息）和非工作人员入侵检测信息，着装检测信息可以包括工作人员是否穿着工作服、佩戴工作口罩和工作帽等，人员状态检测信息可以包括工作人员是否发生瞌睡、玩手机等行为。食材加工提示信息可以包括入侵物提示信息、着装提示信息和状态提示信息。
留样监管模块可以用于接收食品留样请求，对留样工作人员进行留样权限验证，完成留样权限验证后，记录食品留样彩色图像，还用于获取售卖区域的彩色图像信息，基于售卖区域的彩色图像信息和食品留样彩色图像，生成食品留样提示信息。
对留样工作人员进行留样权限验证与对入库工作人员进行入库权限验证的方式相似，此处不再赘述。
在一些实施例中，留样监管模块基于售卖区域的彩色图像信息和食品留样彩色图像，生成食品留样提示信息，包括：
基于售卖区域的彩色图像信息，获取每道待售卖菜肴的彩色图像；
对于每道待售卖菜肴，基于待售卖菜肴的彩色图像，提取待售卖菜肴的RGB分布特征；
基于食品留样彩色图像，确定每道留样菜肴的RGB分布特征；
每道待售卖菜肴的RGB分布特征和每道留样菜肴的RGB分布特征，生成食品留样提示信息。
具体的，对于每道待售卖菜肴，可以通过直方图生成模型基于待售卖菜肴的彩色图像，生成待售卖菜肴的彩色图像对应的颜色直方图，对于待售卖菜肴的彩色图像的每一行像素，计算该行像素对应的行RGB波动参数，确定最大行RGB波动参数，对于待售卖菜肴的彩色图像的每一列像素，计算该行像素对应的列RGB波动参数，确定最大列RGB波动参数，其中，待售卖菜肴的RGB分布特征可以包括颜色直方图、最大行RGB波动参数和最大列RGB波动参数。对食品留样彩色图像进行相同处理，获取的留样菜肴的RGB分布特征包括颜色直方图、最大行RGB波动参数和最大列RGB波动参数，直方图生成模型可以包括生成式对抗网络（Generative Adversarial Networks）。
基于每道待售卖菜肴的RGB分布特征和每道留样菜肴的RGB分布特征，确定待售卖菜肴与留样菜肴之间的菜肴匹配度，当待售卖菜肴与某道留样菜肴之间的菜肴匹配度大于预设菜肴匹配度阈值时，判断该待售卖菜肴已留样，若检测到某道待售卖菜肴未留样，则生成食品留样提示信息，用于提示工作人员对该道待售卖菜肴进行留样。
仅作为示例的，可以基于以下公式计算行RGB波动参数：
；
其中，为行RGB波动参数，为一列像素中第r个像素的RGB值，为一列像素的总数。
基于以下公式计算菜肴匹配度：
；
其中， 为第x道待售卖菜肴与第y道留样菜肴之间的菜肴匹配度，为第x道待售卖菜肴对应的颜色直方图与第y道留样菜肴对应的颜色直方图之间的相似度，为第x道待售卖菜肴对应的最大行RGB波动参数，为第y道留样菜肴对应的最大行RGB波动参数，为第x道待售卖菜肴对应的最大列RGB波动参数，为第y道留样菜肴对应的最大列RGB波动参数，及均为预设权重，及均大于0，且。
消杀监管模块可以用于获取食堂的运行信息，基于食堂的运行信息，制定消杀计划，控制消杀机器人执行消杀计划。
在一些实施例中，消杀监管模块基于食堂的运行信息，制定消杀计划，包括：
基于食堂的运行信息，确定至少一个消杀区域及每个消杀区域对应的消杀方式；
基于每个消杀区域的位置信息，生成消杀轨迹，其中，消杀计划包括消杀轨迹及每个消杀区域对应的消杀方式。
食堂的运行信息可以包括食材入库信息、食材出库信息、入侵物检测信息、着装检测信息、人员状态检测信息、人流量信息等。
消杀区域可以为发生入侵的区域、食材入库区域、食材出库区域、人流量密集区域等。
可以通过轨迹生成模型基于每个消杀区域的位置信息和食堂的运行信息，生成消杀轨迹，其中，消杀计划包括消杀轨迹及每个消杀区域对应的消杀方式，其中，轨迹生成模型可以为卷积神经网络（Convolutional Neural Network,CNN）模型，消杀方式可以包括物理消杀、化学消杀、紫外线消杀、喷雾式消杀、擦拖式消杀等。
最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种基于云平台及物联网的食堂食品安全监管系统，其特征在于，包括：
入库监管模块，用于基于食材入库请求，对入库工作人员进行入库权限验证，完成入库权限验证后，获取待储藏食材的食材检测信息，记录食材入库信息；
储藏监管模块，用于基于食材入库信息，确定待储藏食材的最优储藏参数，基于所述待储藏食材的最优储藏参数，对待储藏食材进行分区域储藏；
出库管理模块，用于基于食材出库请求，对出库工作人员进行出库权限验证，完成出库权限验证后，记录食材出库信息，并基于所述食材出库信息和食材知识图谱，生成食材出库提示信息；
加工监管模块，用于基于待加工食材的食材检测信息，确定最优清洗参数，基于所述最优清洗参数控制自动清洗设备对待加工食材进行清洗，还用于获取多个加工区域的彩色图像信息，基于所述多个加工区域的彩色图像信息，生成食材加工提示信息；
留样监管模块，用于接收食品留样请求，对留样工作人员进行留样权限验证，完成留样权限验证后，记录食品留样彩色图像，还用于获取售卖区域的彩色图像信息，基于所述售卖区域的彩色图像信息和所述食品留样彩色图像，生成食品留样提示信息；
消杀监管模块，用于获取食堂的运行信息，基于所述食堂的运行信息，制定消杀计划，控制消杀机器人执行所述消杀计划。
2.根据权利要求1所述的一种基于云平台及物联网的食堂食品安全监管系统，其特征在于，所述入库监管模块基于食材入库请求，对入库工作人员进行入库权限验证，包括：
基于食材入库请求获取所述入库工作人员的彩色图像信息和红外测温信息，其中，所述入库工作人员的彩色图像信息包括人脸彩色图像、着装彩色图像和手部彩色图像；
基于所述红外测温信息，判断体温监测是否合格；
判定体温监测合格时，基于所述人脸彩色图像、着装彩色图像和手部彩色图像，判断作业着装是否合格；
判定作业着装合格时，基于所述人脸彩色图像和所述手部彩色图像，确定所述入库工作人员的身份信息，基于所述入库工作人员的身份信息，进行入库权限验证。
3.根据权利要求2所述的一种基于云平台及物联网的食堂食品安全监管系统，其特征在于，所述入库监管模块基于所述人脸彩色图像和所述手部彩色图像，确定所述入库工作人员的身份信息，包括：
建立入库权限人员数据库，其中，所述入库权限人员数据库用于记载多个入库权限人员的身份特征，所述身份特征至少包括眼部特征和手部特征，所述眼部特征至少包括眼距、眼睛宽度、眼白比例、内眼角角度和外眼角角度，所述手部特征至少包括任意两根手指之间的长度差值；
对于任意两个所述入库权限人员，基于两个所述入库权限人员的身份特征，计算两个所述入库权限人员的身份特征相似度；
通过聚类算法基于任意两个所述入库权限人员的身份特征相似度，对所述多个入库权限人员进行聚类，确定多个入库权限人员簇；
对于每个所述入库权限人员簇包括的任意两个所述入库权限人员，计算两个所述入库权限人员在每种眼部特征的相似度和每种手部特征的相似度；
对于每个所述入库权限人员簇，基于所述入库权限人员簇包括的任意两个所述入库权限人员在每种眼部特征的相似度和每种手部特征的相似度，筛选所述入库权限人员簇对应的目标眼部特征和目标手部特征；
基于所述入库工作人员的人脸彩色图像和手部彩色图像，提取所述入库工作人员的眼部特征和手部特征；
对于每个所述入库权限人员簇，基于所述入库工作人员的眼部特征和手部特征以及所述入库权限人员簇的簇中心的眼部特征和手部特征，计算所述入库工作人员与所述入库权限人员簇的簇中心之间的身份特征相似度；
基于所述入库工作人员与每个所述入库权限人员簇的簇中心之间的身份特征相似度，确定目标入库权限人员簇；
对于每个所述目标入库权限人员簇，基于所述入库权限人员簇对应的目标眼部特征和目标手部特征，提取所述入库工作人员对应的目标眼部特征和目标手部特征，基于所述入库工作人员对应的目标眼部特征和目标手部特征和所述目标入库权限人员簇包括的入库权限人员对应的目标眼部特征和目标手部特征，计算所述入库工作人员与所述目标入库权限人员簇包括的入库权限人员之间的身份特征相似度，确定所述入库工作人员的身份信息。
4.根据权利要求1所述的一种基于云平台及物联网的食堂食品安全监管系统，其特征在于，所述入库监管模块获取待储藏食材的食材检测信息，包括：
获取所述待储藏食材的彩色图像信息、红外图像和称重信息；
基于所述待储藏食材的彩色图像信息，确定所述待储藏食材的种类；
基于所述待储藏食材的彩色图像信息和红外图像，进行腐烂检测，获取腐烂检测结果；
对所述待储藏食材的进行残留物检测，获取残留物检测结果；
基于腐烂检测结果和残留物检测结果，判断是否进行入库；
判定进行入库时，基于所述待储藏食材的称重信息，确定所述待储藏食材的入库量，其中，所述待储藏食材的食材检测信息包括种类、腐烂检测结果、残留物检测结果及入库量。
5.根据权利要求4所述的一种基于云平台及物联网的食堂食品安全监管系统，其特征在于，所述储藏监管模块基于食材入库信息，确定待储藏食材的最优储藏参数，基于所述待储藏食材的最优储藏参数，对待储藏食材进行分区域储藏，包括：
建立食材储藏数据库，其中，所述食材储藏数据库用于记载多种食材对应的最优储藏参数；
对于任意两种所述食材，基于两种所述食材对应的最优储藏参数，计算两种所述食材之间的储藏参数相似度；
通过聚类算法基于任意两种所述食材之间的储藏参数相似度，对所述多种食材进行聚类，确定多个食材簇；
基于所述待储藏食材的种类，从所述多个食材簇中确定目标食材簇；
基于所述目标食材簇和多个储藏区域的当前储藏信息，确定候选储藏区域；
基于每个所述候选储藏区域的当前剩余空间信息和所述待储藏食材的入库量，确定目标储藏区域。
6.根据权利要求1所述的一种基于云平台及物联网的食堂食品安全监管系统，其特征在于，所述食材知识图谱用于记载多种食材对应的相克食材；
所述出库管理模块基于所述食材出库信息和食材知识图谱，生成食材出库提示信息，包括：
获取在当前食材加工周期的多条食材出库信息；
基于所述食材知识图谱和所述在当前食材加工周期的多条食材出库信息，生成食材出库提示信息。
7.根据权利要求1-6中任意一项所述的一种基于云平台及物联网的食堂食品安全监管系统，其特征在于，所述待加工食材的食材检测信息至少包括农药残留信息、兽药残留信息、重金属残留信息、细菌残留信息、病毒细菌残留信息及寄生虫卵细菌残留信息；
所述加工监管模块基于待加工食材的食材检测信息，确定最优清洗参数，包括：
建立食材清洗数据库，其中，所述食材清洗数据库用于记载多种食材对应的基础清洗参数，所述基础清洗参数至少包括基础浸泡时间参数、基础浸泡液成分参数、基础超声波工作参数及基础紫外线工作参数；
基于所述待储藏食材的种类，从所述食材清洗数据库中获取所述待储藏食材对应的基础清洗参数；
基于所述待加工食材的农药残留信息、细菌残留信息、病毒细菌残留信息及寄生虫卵细菌残留信息，对所述待储藏食材对应的基础清洗参数进行调整，确定所述待储藏食材对应的最优清洗参数。
8.根据权利要求1-6中任意一项所述的一种基于云平台及物联网的食堂食品安全监管系统，其特征在于，所述加工监管模块基于所述多个加工区域的彩色图像信息，生成食材加工提示信息，包括：
基于入侵风险区域的彩色图像信息，生成入侵物检测信息，其中，所述多个加工区域包括入侵风险区域；
获取加工操作区域的彩色图像信息，生成着装检测信息及人员状态检测信息，其中，所述多个加工区域包括加工操作区域；
基于所述入侵物检测信息、着装检测信息及人员状态检测信息，生成所述食材加工提示信息。
9.根据权利要求1-6中任意一项所述的一种基于云平台及物联网的食堂食品安全监管系统，其特征在于，所述留样监管模块基于所述售卖区域的彩色图像信息和所述食品留样彩色图像，生成食品留样提示信息，包括：
基于所述售卖区域的彩色图像信息，获取每道待售卖菜肴的彩色图像；
对于每道待售卖菜肴，基于所述待售卖菜肴的彩色图像，提取所述待售卖菜肴的RGB分布特征；
基于食品留样彩色图像，确定每道留样菜肴的RGB分布特征；
每道所述待售卖菜肴的RGB分布特征和每道所述留样菜肴的RGB分布特征，生成食品留样提示信息。
10.根据权利要求1-6中任意一项所述的一种基于云平台及物联网的食堂食品安全监管系统，其特征在于，所述消杀监管模块基于所述食堂的运行信息，制定消杀计划，包括：
基于所述食堂的运行信息，确定至少一个消杀区域及每个所述消杀区域对应的消杀方式；
基于每个所述消杀区域的位置信息，生成消杀轨迹，其中，所述消杀计划包括消杀轨迹及每个所述消杀区域对应的消杀方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410755308.0A CN118333344B (zh) | 2024-06-12 | 一种基于云平台及物联网的食堂食品安全监管系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410755308.0A CN118333344B (zh) | 2024-06-12 | 一种基于云平台及物联网的食堂食品安全监管系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118333344A true CN118333344A (zh) | 2024-07-12 |
| CN118333344B CN118333344B (zh) | 2024-08-27 |
Family
ID=
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017135742A1 (ko) * | 2016-02-03 | 2017-08-10 | 주식회사 원더풀플랫폼 | 식재료 관리 시스템 및 식재료 관리 방법, 식재료를 이용한 레시피 제공 방법 및 이를 실행하는 서버, 식재료를 이용한 창작 레시피 생성방법 |
| CN107918854A (zh) * | 2017-12-20 | 2018-04-17 | 广东东洲大数据技术有限公司 | 一种云平台监管食堂食品安全的方法和系统 |
| CN109697685A (zh) * | 2018-11-01 | 2019-04-30 | 惠州市格讯信息产业有限公司 | 一种公共食堂食品安全的全流程监管系统 |
| CN111059863A (zh) * | 2019-12-23 | 2020-04-24 | 珠海格力电器股份有限公司 | 食品管理方法、装置、设备和储藏设备 |
| CN111474880A (zh) * | 2020-04-13 | 2020-07-31 | 佛山科学技术学院 | 一种高校厨房智能监管系统 |
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017135742A1 (ko) * | 2016-02-03 | 2017-08-10 | 주식회사 원더풀플랫폼 | 식재료 관리 시스템 및 식재료 관리 방법, 식재료를 이용한 레시피 제공 방법 및 이를 실행하는 서버, 식재료를 이용한 창작 레시피 생성방법 |
| CN107918854A (zh) * | 2017-12-20 | 2018-04-17 | 广东东洲大数据技术有限公司 | 一种云平台监管食堂食品安全的方法和系统 |
| CN109697685A (zh) * | 2018-11-01 | 2019-04-30 | 惠州市格讯信息产业有限公司 | 一种公共食堂食品安全的全流程监管系统 |
| CN111059863A (zh) * | 2019-12-23 | 2020-04-24 | 珠海格力电器股份有限公司 | 食品管理方法、装置、设备和储藏设备 |
| CN111474880A (zh) * | 2020-04-13 | 2020-07-31 | 佛山科学技术学院 | 一种高校厨房智能监管系统 |
Non-Patent Citations (2)
| Title |
|---|
| XIAO-XIANG JI: "Research on food safety supervision model based on the perspective of "Internet+".", JOURNAL OF FOOD SAFETY AND QUALITY, vol. 10, no. 1, 31 December 2019 (2019-12-31), pages 261 - 267 * |
| 马丽颖;孟童;郭亚新;邹健;: "食堂采购供应链信息化建设方案与措施", 食品安全质量检测学报, no. 01, 25 January 2017 (2017-01-25), pages 349 - 352 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mehta et al. | Improving Crop Health Management: Federated Learning CNN for Spinach Leaf Disease Detection | |
| CN105954281B (zh) | 一种稻谷霉变真菌菌落无损识别的方法 | |
| Azarbad et al. | Segmentation of infrared images and objectives detection using maximum entropy method based on the bee algorithm | |
| CN112016527A (zh) | 基于深度学习的大熊猫行为识别方法、系统、终端及介质 | |
| CN114971933B (zh) | 一种食用菌的保存方法和系统 | |
| CN108460370B (zh) | 一种固定式家禽生命信息报警装置 | |
| AU2011344261A1 (en) | System and a method for controlling an automatic milking system | |
| Gobhinath et al. | Smart irrigation with field protection and crop health monitoring system using autonomous rover | |
| CN118333344B (zh) | 一种基于云平台及物联网的食堂食品安全监管系统 | |
| Lin et al. | IoT-based strawberry disease detection with wall-mounted monitoring cameras | |
| Xin et al. | Real-time assessment of swine thermal comfort by computer vision | |
| CN118333344A (zh) | 一种基于云平台及物联网的食堂食品安全监管系统 | |
| Gupta et al. | Lemon Diseases Detection and Classification using Hybrid CNN-SVM Model | |
| Sharmila et al. | Weighted Mask Recurrent-Convolutional Neural Network based Plant Disease Detection using Leaf Images | |
| CN111652084B (zh) | 一种异常蛋鸡识别方法及装置 | |
| CN113408334A (zh) | 一种小龙虾全链条数据采集与智能检测方法及装置 | |
| CN118155144B (zh) | 基于ai视觉的蔬菜种植农药投入品监管系统及方法 | |
| De Baerdemaeker et al. | Good Agricultural Practices, Quality, Traceability, and Precision Agriculture | |
| Góral et al. | Multi-Agent Vision System for Supporting Autonomous Orchard Spraying | |
| US20100316294A1 (en) | Method and Data Processing System for Creating Image Segmentation Models | |
| Khumaidi et al. | Design of Smart System For Fruit Packinghouse Management in Supply Chain | |
| Nong et al. | Surveillance Approaches to Intrusion Detection, Crop Health, and Disease Prevention in Agriculture | |
| CN117197148B (zh) | 一种基于热成像的木材钻蛀类害虫检测方法、系统和介质 | |
| Senanayaka et al. | Surveillance and Predictive Information System for Tea Smallholdings (SPIS-TS) | |
| CN117575368B (zh) | 一种基于物联网技术的水产种质资源管理方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |