KR101864252B1 - 인공지능 기반 식품부패예측 모델 개발 시스템 및 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템 - Google Patents
인공지능 기반 식품부패예측 모델 개발 시스템 및 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템 Download PDFInfo
- Publication number
- KR101864252B1 KR101864252B1 KR1020160139103A KR20160139103A KR101864252B1 KR 101864252 B1 KR101864252 B1 KR 101864252B1 KR 1020160139103 A KR1020160139103 A KR 1020160139103A KR 20160139103 A KR20160139103 A KR 20160139103A KR 101864252 B1 KR101864252 B1 KR 101864252B1
- Authority
- KR
- South Korea
- Prior art keywords
- food
- corruption
- module
- prediction model
- model
- Prior art date
Links
- 235000013305 food Nutrition 0.000 title claims abstract description 337
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 55
- 241000894006 Bacteria Species 0.000 claims abstract description 53
- 206010016952 Food poisoning Diseases 0.000 claims abstract description 52
- 208000019331 Foodborne disease Diseases 0.000 claims abstract description 52
- 238000011161 development Methods 0.000 claims abstract description 52
- 238000004458 analytical method Methods 0.000 claims abstract description 41
- 238000004186 food analysis Methods 0.000 claims abstract description 28
- 241000894007 species Species 0.000 claims abstract description 25
- 244000005700 microbiome Species 0.000 claims abstract description 10
- 238000003860 storage Methods 0.000 claims description 33
- 238000009795 derivation Methods 0.000 claims description 21
- 238000010411 cooking Methods 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 17
- 230000007613 environmental effect Effects 0.000 claims description 11
- 238000012544 monitoring process Methods 0.000 claims description 11
- 208000015181 infectious disease Diseases 0.000 claims description 10
- 230000001932 seasonal effect Effects 0.000 claims description 7
- 230000003466 anti-cipated effect Effects 0.000 claims description 3
- 235000012041 food component Nutrition 0.000 claims description 3
- 239000005417 food ingredient Substances 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 8
- 239000003242 anti bacterial agent Substances 0.000 abstract description 2
- 229940088710 antibiotic agent Drugs 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 14
- 239000000463 material Substances 0.000 description 4
- 241000607598 Vibrio Species 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000003891 environmental analysis Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 231100000614 poison Toxicity 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 239000003440 toxic substance Substances 0.000 description 2
- 239000003053 toxin Substances 0.000 description 2
- 206010004022 Bacterial food poisoning Diseases 0.000 description 1
- 206010007269 Carcinogenicity Diseases 0.000 description 1
- 208000035473 Communicable disease Diseases 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 240000008415 Lactuca sativa Species 0.000 description 1
- 241000269799 Perca fluviatilis Species 0.000 description 1
- 208000005374 Poisoning Diseases 0.000 description 1
- 244000061456 Solanum tuberosum Species 0.000 description 1
- 235000002595 Solanum tuberosum Nutrition 0.000 description 1
- 206010043275 Teratogenicity Diseases 0.000 description 1
- 108010059993 Vancomycin Proteins 0.000 description 1
- 208000030961 allergic reaction Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 231100000260 carcinogenicity Toxicity 0.000 description 1
- 230000007670 carcinogenicity Effects 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 231100000739 chronic poisoning Toxicity 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 235000009508 confectionery Nutrition 0.000 description 1
- 235000015142 cultured sour cream Nutrition 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 210000004602 germ cell Anatomy 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 235000021109 kimchi Nutrition 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 230000007886 mutagenicity Effects 0.000 description 1
- 231100000299 mutagenicity Toxicity 0.000 description 1
- 244000045947 parasite Species 0.000 description 1
- 231100000572 poisoning Toxicity 0.000 description 1
- 230000000607 poisoning effect Effects 0.000 description 1
- 235000012015 potatoes Nutrition 0.000 description 1
- 235000012045 salad Nutrition 0.000 description 1
- 235000013547 stew Nutrition 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 235000000346 sugar Nutrition 0.000 description 1
- 150000008163 sugars Chemical class 0.000 description 1
- 231100000211 teratogenicity Toxicity 0.000 description 1
- 231100000765 toxin Toxicity 0.000 description 1
- 229960003165 vancomycin Drugs 0.000 description 1
- MYPYJXKWCTUITO-LYRMYLQWSA-N vancomycin Chemical compound O([C@@H]1[C@@H](O)[C@H](O)[C@@H](CO)O[C@H]1OC1=C2C=C3C=C1OC1=CC=C(C=C1Cl)[C@@H](O)[C@H](C(N[C@@H](CC(N)=O)C(=O)N[C@H]3C(=O)N[C@H]1C(=O)N[C@H](C(N[C@@H](C3=CC(O)=CC(O)=C3C=3C(O)=CC=C1C=3)C(O)=O)=O)[C@H](O)C1=CC=C(C(=C1)Cl)O2)=O)NC(=O)[C@@H](CC(C)C)NC)[C@H]1C[C@](C)(N)[C@H](O)[C@H](C)O1 MYPYJXKWCTUITO-LYRMYLQWSA-N 0.000 description 1
- MYPYJXKWCTUITO-UHFFFAOYSA-N vancomycin Natural products O1C(C(=C2)Cl)=CC=C2C(O)C(C(NC(C2=CC(O)=CC(O)=C2C=2C(O)=CC=C3C=2)C(O)=O)=O)NC(=O)C3NC(=O)C2NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(CC(C)C)NC)C(O)C(C=C3Cl)=CC=C3OC3=CC2=CC1=C3OC1OC(CO)C(O)C(O)C1OC1CC(C)(N)C(O)C(C)O1 MYPYJXKWCTUITO-UHFFFAOYSA-N 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
- G08B21/245—Reminder of hygiene compliance policies, e.g. of washing hands
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Food Science & Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Epidemiology (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Public Health (AREA)
- Mathematical Physics (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Immunology (AREA)
- Emergency Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Biochemistry (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Medicinal Chemistry (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Nutrition Science (AREA)
- Medical Informatics (AREA)
- Child & Adolescent Psychology (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
본 발명은 인공지능 기반 식품부패예측 모델 개발 시스템에 관한 것으로서, 보다 구체적으로는, 식품 데이터를 분석하는 식품 분석 모듈; 복수의 식중독 균 데이터를 분석하는 균 분석 모듈; 및 상기 식품 분석 모듈 및 균 분석 모듈의 분석 결과를 이용하여, 각 식품에 대한 식중독 예상 균의 우점종을 선정하고, 각 식품에 대하여 선정된 우점종의 식중독 균을 적용하여, 시간에 따른 부패 정도를 나타내는 식품부패예측 모델을 개발하는 모델 개발 모듈을 포함하는 것을 그 구성상의 특징으로 한다.
또한, 본 발명은 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템에 관한 것으로서, 보다 구체적으로는 식품명을 입력받는 입력 모듈; 상기 입력받은 식품명과 대응되는 식품에 대하여 선정된 우점종의 예상 식중독 균이 적용된 식품부패예측 모델을 이용하여, 시간에 따른 부패 정도를 나타내는 식품부패예측지수를 도출하는 모델링 모듈; 및 상기 도출된 식품부패예측지수를 출력하는 출력 모듈을 포함하는 것을 그 구성상의 특징으로 한다.
본 발명에서 제안하고 있는 인공지능 기반 식품부패예측 모델 개발 시스템 및 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템에 따르면, 식품 데이터 및 식중독 균 데이터를 분석하고, 분석 결과를 이용하여 각 식품의 시간에 따른 부패 정도를 나타내는 식품부패예측 모델을 개발함으로써, 개별 식품에 대한 섭취 기준을 제공하여 실질적인 식중독 예방 효과를 얻을 수 있고, 시간 개념의 식품부패예측지수를 도입하여, 소비자가 쉽게 섭식 가능 시간을 예측하고 실질적인 체감 효과를 가지도록 할 수 있다.
또한, 본 발명은 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템에 관한 것으로서, 보다 구체적으로는 식품명을 입력받는 입력 모듈; 상기 입력받은 식품명과 대응되는 식품에 대하여 선정된 우점종의 예상 식중독 균이 적용된 식품부패예측 모델을 이용하여, 시간에 따른 부패 정도를 나타내는 식품부패예측지수를 도출하는 모델링 모듈; 및 상기 도출된 식품부패예측지수를 출력하는 출력 모듈을 포함하는 것을 그 구성상의 특징으로 한다.
본 발명에서 제안하고 있는 인공지능 기반 식품부패예측 모델 개발 시스템 및 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템에 따르면, 식품 데이터 및 식중독 균 데이터를 분석하고, 분석 결과를 이용하여 각 식품의 시간에 따른 부패 정도를 나타내는 식품부패예측 모델을 개발함으로써, 개별 식품에 대한 섭취 기준을 제공하여 실질적인 식중독 예방 효과를 얻을 수 있고, 시간 개념의 식품부패예측지수를 도입하여, 소비자가 쉽게 섭식 가능 시간을 예측하고 실질적인 체감 효과를 가지도록 할 수 있다.
Description
본 발명은 식품부패예측 모델 개발 시스템 및 식품부패예측 알림 시스템에 관한 것으로서, 보다 구체적으로는 인공지능 기반 식품부패예측 모델 개발 시스템 및 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템에 관한 것이다.
최근 단체 급식을 하는 학교 혹은 돌잔치나 결혼식 피로연 후, 집단 식중독이 발생했다는 뉴스를 종종 접하게 된다. 식중독을 원인물질에 따라 분류하면 세균성 식중독, 화학성 식중독, 자연독 식중독, 미생물 독성대사물질에 의한 식중독 등으로 구분할 수 있다. 각 부류에 속하는 독성물질은 그 종류가 매우 많으며, 독성물질은 당장 건강을 해칠만한 양이 아니라고 하더라도 많은 식품 중에 널리 분포되어 있어서 만성중독, 발암성, 돌연변이 유발성, 기형 유발성, 알레르기성 반응을 일으키는 원인이 될 수도 있다.
식중독을 일으키는 원인은 미생물이 생산한 독소에 의한 것과 미생물 감염에 의한 것으로 구분되지만, 식중독 균은 전염병과 달리 식중독 균이 식품에 오염되어 일정량 이상(약 100만 마리 정도)으로 증식된 식품을 섭취하여야 발생한다. 따라서 식중독을 예방하기 위해서는 청결, 충분한 가열과 신속한 섭취가 가장 중요하다.
최근 지구온난화로 인한 초봄과 초가을의 이상고온 현상으로 인하여, 식중독이 증가하는 추세에 있으며, 학교급식 시설에서 식품 조리나 보관상의 문제로 인하여 식중독 오염사고가 증가하고 있는 실정이다. 식중독을 예방하기 위해서는 식품의 조리과정 및 전 처리 과정에서의 주의도 필요하나, 조리된 음식물의 보관 장소 및 시간도 여름철 식중독을 예방하기 위해서는 매우 중요하다. 예를 들어, 기온이 25℃ 이상 30℃ 미만으로, 상대습도가 80%인 상태가 6시간 정도 지속될 것이 예상되는 경우, 또는 기온이 30℃ 이상으로, 상대습도가 70% 이상인 상태가 6시간 정도 지속될 것이 예상되는 경우, 또는 30℃ 이상 기온이 10시간 이상 지속 되는 경우, 또는 상대습도 90% 이상인 상태가 24시간 이상 지속 되는 경우, 또는 하루의 일교차가 10℃ 이상으로 급격히 기온이 상승하는 경우, 또는 장염비브리오균이 g당 10,000마리 이상인 경우 및 장염비브리오 오염이 확산 될 경우 등과 같은 기후조건 하에서는, 식중독의 발생률이 매우 높기 때문에 식품의 조리, 취급, 보관 등에 각별한 주의가 요구되고 있다.
이와 같은 식중독의 예방을 위하여, 공개특허 제10-2009-0075990호(발명의 명칭: 식중독 지수 예보기, 공개일자: 2009년 07월 13일), 공개특허 제10-2012-0048210호(발명의 명칭: 식중독 지수 표시가 가능한 디스플레이 모듈의 운용 시스템, 공개일자: 2012년 05월 15일) 등의 선행기술이 개시된 바 있다.
이러한 종래의 선행기술들은, 기존의 식중독 지수를 예보 또는 표시하는 역할을 하는데, 기존의 식중독 지수는 식중독에 대한 경고의 의미로서 실제 적용에 있어서는 실질적인 체감효과를 가지기 어렵고, 계절과 날씨에 따른 식품의 손상/부패 정도에 대해 주의를 요구하는 것일 뿐, 개별 식품에 대한 섭취 기준을 제공하지 않는 한계가 있다. 따라서 실질적인 식중독 예방 효과는 크지 않은 실정이며, 이러한 한계를 극복하기 위한 새로운 지수 또는 모델의 개발이 필요한 실정이다.
본 발명은 기존에 제안된 방법들의 상기와 같은 문제점들을 해결하기 위해 제안된 것으로서, 식품 데이터 및 식중독 균 데이터를 분석하고, 분석 결과를 이용하여 각 식품의 시간에 따른 부패 정도를 나타내는 식품부패예측 모델을 개발함으로써, 개별 식품에 대한 섭취 기준을 제공하여 실질적인 식중독 예방 효과를 얻을 수 있고, 시간 개념의 식품부패예측지수를 도입하여, 소비자가 쉽게 섭식 가능 시간을 예측하고 실질적인 체감 효과를 가지도록 할 수 있는, 인공지능 기반 식품부패예측 모델 개발 시스템 및 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템을 제공하는 것을 그 목적으로 한다.
상기한 목적을 달성하기 위한 본 발명의 특징에 따른 인공지능 기반 식품부패예측 모델 개발 시스템은,
식품부패예측 모델 개발 시스템으로서,
식품 데이터를 분석하는 식품 분석 모듈;
복수의 식중독 균 데이터를 분석하는 균 분석 모듈; 및
상기 식품 분석 모듈 및 균 분석 모듈의 분석 결과를 이용하여, 각 식품에 대한 식중독 예상 균의 우점종을 선정하고, 각 식품에 대하여 선정된 우점종의 식중독 균을 적용하여, 시간에 따른 부패 정도를 나타내는 식품부패예측 모델을 개발하는 모델 개발 모듈을 포함하는 것을 그 구성상의 특징으로 한다.
바람직하게는, 상기 식품 분석 모듈은,
식자재의 배송 상태, 식품의 조리 방법, 음식 보관 방법 및 식품 성분을 포함하는 군에서 선택된 적어도 하나 이상의 식품 데이터를 분석할 수 있다.
더욱 바람직하게는, 상기 식자재의 배송 상태는,
계절별 온도, 습도 및 자외선을 포함하는 계절 환경 정보에 따라 결정될 수 있다.
바람직하게는, 상기 식품 분석 모듈은,
식품안전정보포털 데이터로부터 수집된 식품 데이터를 분석할 수 있다.
바람직하게는, 상기 식품 분석 모듈은,
상기 식품 데이터를 이용하여 복수의 식품을 미리 정해진 식품군으로 분류할 수 있다.
더욱 바람직하게는, 상기 모델 개발 모듈은,
상기 식품 분석 모듈에서 분류된 각 식품군 별로 상기 식품부패예측 모델을 개발할 수 있다.
바람직하게는,
상기 균 분석 모듈은, 시간에 따른 각 식중독 균의 성장 또는 사멸을 예측하는 제1차 모델을 개발하며,
상기 모델 개발 모듈은, 각 식품에 대하여 선정된 우점종의 식중독 균에 대하여 상기 균 분석 모듈에서 개발된 제1차 모델을 이용하여, 상기 식품부패예측 모델을 개발할 수 있다.
바람직하게는,
온도, 습도 및 자외선 정보를 포함하는 환경 데이터를 분석하는 환경 분석 모듈을 더 포함하며,
상기 모델 개발 모듈은, 상기 환경 분석 모듈에서 분석한 분석 결과를 상기 식품부패예측 모델에 적용할 수 있다.
더욱 바람직하게는, 상기 환경 분석 모듈은,
기상 정보 및, 조리실 또는 보관실에서 직접 측정된 정보를 포함하는 군에서 선택된 적어도 하나 이상의 환경 데이터를 분석할 수 있다.
바람직하게는,
상기 모델 개발 모듈에서 개발된 식품부패예측 모델을 이용하여, 각 식품에 대한 시간 개념의 식품부패예측지수를 도출하는 지수 도출 모듈을 더 포함할 수 있다.
더욱 바람직하게는, 상기 지수 도출 모듈은,
각 식품에 대해 선정된 우점종의 감염 위험성, 균의 위험성 및 최소 감염수를 포함하는 군에서 선택된 적어도 하나 이상의 요인을 고려하여, 상기 식품부패예측지수를 도출할 수 있다.
상기한 목적을 달성하기 위한 본 발명의 특징에 따른 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템은,
식품부패예측 알림 시스템으로서,
식품명을 입력받는 입력 모듈;
상기 입력받은 식품명과 대응되는 식품에 대하여 선정된 우점종의 예상 식중독 균이 적용된 식품부패예측 모델을 이용하여, 시간에 따른 부패 정도를 나타내는 식품부패예측지수를 도출하는 모델링 모듈; 및
상기 도출된 식품부패예측지수를 출력하는 출력 모듈을 포함하는 것을 그 구성상의 특징으로 한다.
바람직하게는, 상기 식품부패예측지수는,
섭식 가능시간을 나타낼 수 있다.
더욱 바람직하게는, 상기 모델링 모듈은,
미리 입력받은 식단에 대하여, 상기 섭식 가능 시간을 기준으로 조리 우선순위를 설정할 수 있다.
바람직하게는, 상기 모델링 모듈은,
미리 분류된 각 식품군에 대하여 개발된 식품부패예측 모델을 저장하는 모델 저장부;
상기 입력 모듈에서 입력받은 식품명과 상기 각 식품군을 매칭하여, 상기 식품명에 대응되는 식품부패예측 모델을 검색하는 모델 매칭부; 및
상기 모델 매칭부에서 검색된 식품부패예측 모델을 이용하여, 시간에 따른 부패 정도를 나타내는 식품부패예측지수를 도출하는 지수 도출부를 포함할 수 있다.
더욱 바람직하게는, 상기 지수 도출부는,
시간에 따른 부패 속도의 변화를 이용해, 권장 섭식 시간을 더 도출할 수 있다.
더욱 바람직하게는, 상기 모델링 모듈은,
기상 정보 또는, 식품 조리실, 보관실, 보관 용기 및 냉장고를 포함하는 군에서 선택된 적어도 하나에 구비된 센서로부터 온도 및 습도 정보를 수신하는 환경 정보 수신부를 더 포함하며,
상기 지수 도출부는, 상기 환경 정보 수신부에서 수신한 온도 및 습도 정보를 더 이용하여 상기 식품부패예측지수를 도출할 수 있다.
더더욱 바람직하게는, 상기 모델링 모듈은,
상기 식품부패예측지수 및 상기 환경 정보 수신부에서 수신한 온도 및 습도 정보를 이용하여, 식품의 보관 방법 또는 부패 방지 조치를 상기 모델 저장부를 통해 제공하는 대응 정보 제공부를 더 포함할 수 있다.
더욱 바람직하게는,
보관 용기에 구비된 코드 및 냉장고에 구비된 코드 인식 장치로부터, 식품의 냉장고 출입을 모니터링 하는 모니터링부를 더 포함하며,
상기 지수 도출부는, 상기 모니터링 결과에 따라 식품부패예측지수를 수정할 수 있다.
바람직하게는,
상기 입력 모듈 및 출력 모듈 중 적어도 하나는, 스마트 디바이스로 구현될 수 있다.
본 발명에서 제안하고 있는 인공지능 기반 식품부패예측 모델 개발 시스템 및 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템에 따르면, 식품 데이터 및 식중독 균 데이터를 분석하고, 분석 결과를 이용하여 각 식품의 시간에 따른 부패 정도를 나타내는 식품부패예측 모델을 개발함으로써, 개별 식품에 대한 섭취 기준을 제공하여 실질적인 식중독 예방 효과를 얻을 수 있고, 시간 개념의 식품부패예측지수를 도입하여, 소비자가 쉽게 섭식 가능 시간을 예측하고 실질적인 체감 효과를 가지도록 할 수 있다.
도 1은 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델 개발 시스템의 개념을 도시한 도면.
도 2는 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델 개발 시스템의 구성을 도시한 도면.
도 3은 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델 개발 시스템에서, 식품 분석 모듈의 식품 분류를 예를 들어 도시한 도면.
도 4는 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델 개발 시스템에서, 균 분석 모듈이 개발하는 제1차 모델을 예를 들어 도시한 도면.
도 5는 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델 개발 시스템에서, 모델 개발 모듈이 각 식품에 대한 우점종의 식중독 균을 적용하는 과정을 예를 들어 도시한 도면.
도 6은 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템의 구성을 도시한 도면.
도 7은 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템의 구현 형태를 예를 들어 도시한 도면.
도 8은 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템에서, 출력 모듈에 의해 출력된 디스플레이 화면을 예를 들어 도시한 도면.
도 9는 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템에서, 모델링 모듈의 세부적인 구성을 도시한 도면.
도 10은 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템의 구현 상태를 예를 들어 도시한 도면.
도 2는 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델 개발 시스템의 구성을 도시한 도면.
도 3은 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델 개발 시스템에서, 식품 분석 모듈의 식품 분류를 예를 들어 도시한 도면.
도 4는 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델 개발 시스템에서, 균 분석 모듈이 개발하는 제1차 모델을 예를 들어 도시한 도면.
도 5는 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델 개발 시스템에서, 모델 개발 모듈이 각 식품에 대한 우점종의 식중독 균을 적용하는 과정을 예를 들어 도시한 도면.
도 6은 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템의 구성을 도시한 도면.
도 7은 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템의 구현 형태를 예를 들어 도시한 도면.
도 8은 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템에서, 출력 모듈에 의해 출력된 디스플레이 화면을 예를 들어 도시한 도면.
도 9는 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템에서, 모델링 모듈의 세부적인 구성을 도시한 도면.
도 10은 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템의 구현 상태를 예를 들어 도시한 도면.
이하, 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 바람직한 실시예를 상세히 설명한다. 다만, 본 발명의 바람직한 실시예를 상세하게 설명함에 있어, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다. 또한, 유사한 기능 및 작용을 하는 부분에 대해서는 도면 전체에 걸쳐 동일한 부호를 사용한다.
덧붙여, 명세서 전체에서, 어떤 부분이 다른 부분과 ‘연결’ 되어 있다고 할 때, 이는 ‘직접적으로 연결’ 되어 있는 경우뿐만 아니라, 그 중간에 다른 소자를 사이에 두고 ‘간접적으로 연결’ 되어 있는 경우도 포함한다. 또한, 어떤 구성요소를 ‘포함’ 한다는 것은, 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다.
도 1은 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델 개발 시스템(100)의 개념을 도시한 도면이다. 도 1에 도시된 바와 같이, 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델 개발 시스템(100)은, 식품(음식), 식중독 균, 조리/보관 방법, 환경 등을 고려하여 인공지능을 기반으로 각종 바이오 데이터를 분석하는 식품부패예측 모델을 개발함으로써, 식품부패예측지수를 도출할 수 있다.
본 발명의 식품부패예측 모델은, 장기간 보관이 가능한 식품과 즉시 섭취하여야 하는 식품의 차이에 따른 식품의 손상 정도를 예측하는 모델로서, 개발된 식품부패예측 모델을 이용하여 식중독 균의 특성과 개별 식품의 특성을 조합하여 식중독 발생 시간을 예측할 수 있으므로, 위험 범위 내에서 섭취 가능한 식품의 기준을 제공하고, 조리 시간에 따른 식품의 부패 정도를 예측하며, 제조 및 보관의 우선순위를 판정할 수 있다.
도 2는 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델 개발 시스템(100)의 구성을 도시한 도면이다. 도 2에 도시된 바와 같이, 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델 개발 시스템(100)은, 식품 분석 모듈(110), 균 분석 모듈(120) 및 모델 개발 모듈(140)을 포함하여 구성될 수 있으며, 환경 분석 모듈(130) 및 지수 도출 모듈(150)을 더 포함하여 구성될 수 있다.
식품 분석 모듈(110)은, 식품 데이터를 분석할 수 있다. 보다 구체적으로는, 식품 분석 모듈(110)은, 식자재의 배송 상태, 식품의 조리 방법, 음식 보관 방법 및 식품 성분을 포함하는 군에서 선택된 적어도 하나 이상의 식품 데이터를 분석할 수 있다. 즉, 식품 분석 모듈(110)에서는, 식품의 부패에 영향을 미치는 각종 정보를 수집 및 분석할 수 있다. 이때, 식품 분석 모듈(110)이 분석하는 식품 데이터는, 식품안전정보포털 데이터로부터 수집된 것일 수 있다.
여기에서, 식자재의 배송 상태는, 계절별 온도, 습도 및 자외선을 포함하는 계절 환경 정보에 따라 결정될 수 있다. 즉, 계절에 따라 식자재 배송 중의 신선도에 영향이 있을 수 있으므로, 계절 환경 정보에 따른 식자재의 배송 상태를 분석하여 추후 상세히 설명할 모델 개발 모듈(140)에서 반영할 수 있다.
한편, 식품 분석 모듈(110)은, 식품 데이터를 이용하여 복수의 식품을 미리 정해진 식품군으로 분류할 수 있다. 즉, 모든 식품에 대하여 식품 데이터를 분석하고 식품부패예측 모델을 개발하는 것은 시간과 비용 측면에서 비경제적이므로, 유사한 특성을 갖는 식품들을 그룹화하여 미리 정해진 식품군으로 분류할 수 있다.
도 3은 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델 개발 시스템(100)에서, 식품 분석 모듈(110)의 식품 분류를 예를 들어 도시한 도면이다. 도 3에 도시된 바와 같이, 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델 개발 시스템(100)의 식품 분석 모듈(110)은, 농어초밥, 샐러드김밥, 불고기덮밥 등과 같은 구체적인 식품을, 곡류, 감자류, 당류 등 미리 정해진 식품군으로 분류할 수 있다.
균 분석 모듈(120)은, 복수의 식중독 균 데이터를 분석할 수 있다. 식중독을 일으키는 균은 황색포도상구균, 살모넬라균, 장출혈성 대장균, 장염비브리오균, 바실러스 세레우스균 등 다양할 수 있는데, 균 분석 모듈(120)에서는 기존 논문을 활용한 바이오데이터 분석을 통해 구체적인 각 식중독 균의 데이터를 분석할 수 있다.
보다 구체적으로는, 균 분석 모듈(120)은, 시간에 따른 각 식중독 균의 성장 또는 사멸을 예측하는 제1차 모델을 개발할 수 있다. 제1차 모델은, 최대성장속도 및 온도를 변수로 하는 다항식의 형태일 수 있으며, 유도기 및 성장률 등을 나타내는 파라미터를 산출하여 개발될 수 있다.
도 4는 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델 개발 시스템(100)에서, 균 분석 모듈(120)이 개발하는 제1차 모델을 예를 들어 도시한 도면이다. 도 4에 도시된 바와 같이, 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델 개발 시스템(100)의 균 분석 모듈(120)은, 식중독 균의 성장 및 사멸과 관련된 제1차 모델을 이용해, 시간에 따른 세균수의 변화를 예측할 수 있다.
환경 분석 모듈(130)은, 온도, 습도 및 자외선 정보를 포함하는 환경 데이터를 분석할 수 있다. 균 분석 모듈(120)에서 개발된 제1차 모델의 생장과 사멸은, 저장온도, pH, 수분활성도 등의 내적, 외적 환경에 따라 많은 영향을 받을 수 있으므로, 환경 데이터를 분석하여 추후 상세히 설명할 모델 개발 모듈(140)에서 분석 결과를 반영할 수 있다.
여기에서, 환경 분석 모듈(130)은, 기상 정보 및, 조리실 또는 보관실에서 직접 측정된 정보를 포함하는 군에서 선택된 적어도 하나 이상의 환경 데이터를 분석할 수 있다. 즉, 기상 정보를 이용해 계절적 변화와 구체적인 날씨 변화를 분석하고, 조리실이나 보관실과 같은, 실제 식품이 조리되고 보관되는 환경을 분석하여, 식품부패에 영향을 미치는 직접적인 환경 데이터를 식품부패예측 모델에 반영할 수 있다.
모델 개발 모듈(140)은, 식품 분석 모듈(110) 및 균 분석 모듈(120)의 분석 결과를 이용하여, 각 식품에 대한 식중독 예상 균의 우점종을 선정하고, 각 식품에 대하여 선정된 우점종의 식중독 균을 적용하여, 시간에 따른 부패 정도를 나타내는 식품부패예측 모델을 개발할 수 있다.
이때, 모델 개발 모듈(140)은, 식품 분석 모듈(110)에서 분류된 각 식품군 별로 식품부패예측 모델을 개발할 수 있다. 즉, 유사한 특성을 가진 식품의 경우 부패 양상도 유사할 수 있으므로, 각 식품군 별로 식품부패예측 모델을 개발하여, 경제적인 모델 개발 및 활용이 가능하도록 할 수 있다.
또한, 모델 개발 모듈(140)은, 각 식품에 대하여 선정된 우점종의 식중독 균에 대하여 균 분석 모듈(120)에서 개발된 제1차 모델을 이용하여, 식품부패예측 모델을 개발할 수 있다. 여기에서, 우점종은 해당 식품에 대한 감염 위험성, 균의 위험성 및 최소 감염수 등을 고려하여 선정될 수 있다.
도 5는 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델 개발 시스템(100)에서, 모델 개발 모듈(140)이 각 식품에 대한 우점종의 식중독 균을 적용하는 과정을 예를 들어 도시한 도면이다. 도 5에 도시된 바와 같이, 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델 개발 시스템(100)의 모델 개발 모듈(140)은, 식품 분석 모듈(110) 및 균 분석 모듈(120)의 분석 결과로부터, 각 식품 또는 식품군에 대한 예상 식중독 균의 우점종을 선정하고, 해당 우점종의 제1차 모델을 이용해 각 식품 또는 식품군별 식품부패예측 모델을 개발할 수 있다.
한편, 모델 개발 모듈(140)은, 환경 분석 모듈(130)에서 분석한 분석 결과를 식품부패예측 모델에 적용할 수 있다. 즉, 균 분석 모듈(120)에서 개발한 제1차 모델에 환경 분석 결과를 반영하여, 주어진 환경에 따른 식중독 균의 수를 예측하는 제2차 모델을 개발할 수 있다. 모델 개발 모듈(140)은, 선정된 우점종의 제1차 모델과 환경 변화가 반영된 제2차 모델을 통합하여, 사용자가 쉽게 활용할 수 있도록 식품 또는 식품군별로 시간에 따른 부패 정도를 나타내는 식품부패예측 모델을 개발할 수 있다.
지수 도출 모듈(150)은, 모델 개발 모듈(140)에서 개발된 식품부패예측 모델을 이용하여, 각 식품에 대한 시간 개념의 식품부패예측지수를 도출할 수 있다. 지수 도출 모듈(150)은, 각 식품에 대해 선정된 우점종의 감염 위험성, 균의 위험성 및 최소 감염수를 포함하는 군에서 선택된 적어도 하나 이상의 요인을 고려하여, 식품부패예측지수를 도출할 수 있다.
즉, 해당 식중독 균의 위험성 등을 고려하여 균의 수가 임계값에 도달하면 식중독 위험이 있는 것으로 판단하고, 지수 도출 모듈(150)은, 식품부패예측 모델에서 균의 수가 임계값에 도달하기까지의 잔여 시간을 식품부패예측지수로 도출할 수 있다.
도 6은 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템(200)의 구성을 도시한 도면이다. 도 6에 도시된 바와 같이, 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템(200)은, 입력 모듈(210), 모델링 모듈(220) 및 출력 모듈(230)을 포함하여 구성될 수 있다.
즉, 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템(200)은, 도 1 내지 도 5에서 상세히 설명한 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델 개발 시스템(100)에 의해 개발된 식품부패예측 모델을 이용하여, 실제 사용자들이 식품부패 정도를 파악하고 이에 대응할 수 있도록 식품부패예측 지수를 제공할 수 있다.
이하에서는, 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템(200)의 세부적인 구성에 대하여 상세히 설명하도록 한다.
입력 모듈(210)은, 식품명을 입력받을 수 있다. 이때, 식품명은 사용자 디바이스 또는 사용자 인터페이스를 통해 직접 입력받거나 선택받을 수 있으며, 식품의 포장이나 용기 등에 구비된 바코드, QR코드, 일련번호와 같은 아이템 코드 등 각종 코드를 이용하여 입력받을 수도 있다. 예를 들어, 사용자 인터페이스에서 식품명 입력 선택 시, 김밥, 탕수육, 김치찌개 등 구체적인 식품 리스트를 출력하여, 사용자가 선택 가능하도록 할 수 있다.
모델링 모듈(220)은, 입력받은 식품명과 대응되는 식품에 대하여 선정된 우점종의 예상 식중독 균이 적용된 식품부패예측 모델을 이용하여, 시간에 따른 부패 정도를 나타내는 식품부패예측지수를 도출할 수 있다. 이때, 식품부패예측지수는, 식품부패예측 모델 개발 시스템(100)의 지수 도출 모듈(150)에서 설명한 바와 같이 식품부패예측 모델에서 균의 수가 임계값에 도달하기까지의 잔여 시간일 수 있으며, 섭식 가능시간을 나타낼 수도 있다.
한편, 모델링 모듈(220)은, 미리 입력받은 식단에 대하여, 섭식 가능 시간을 기준으로 조리 우선순위를 설정할 수 있다. 특히, 급식 시설의 경우, 다량의 식품 조리로 인해 조리 시간이 오래 걸리기 때문에 식단을 구성하는 각 식품의 조리 시각은 다르지만, 실제 섭식 시간은 동일함에도 불구하고, 부패하기 쉬운 식품에 대한 고려가 전혀 없었다. 모델링 모듈(220)이 식단을 구성하는 각 식품의 식품부패예측지수를 이용하여, 실제 식사가 제공되는 시간에 부패가 일어나지 않도록 조리 우선순위를 설정하여, 기존과 같은 문제를 해결할 수 있다.
모델링 모듈(220)의 세부적인 구성에 대해서는 추후 도 9를 이용하여 상세히 설명하도록 한다.
출력 모듈(230)은, 도출된 식품부패예측지수를 출력할 수 있다. 즉, 사용자가 식품부패예측지수와 조리 우선순위 등을 확인하고, 실제 식품의 조리나 섭식 등에 활용할 수 있도록, 출력 모듈(230)이 식품부패예측지수와 조리 우선순위 등을 출력할 수 있다.
한편, 본 발명에서, 입력 모듈(210) 및 출력 모듈(230) 중 적어도 하나는, 스마트 디바이스로 구현될 수 있다. 여기에서, 스마트 디바이스는, 스마트폰, 스마트 노트, 태블릿 PC, 스마트 카메라, 스마트 TV, 스마트 워치, 웨어러블(wearable) 컴퓨터 등일 수도 있다. 또한, 스마트 디바이스에 통신망 등에서 운영되는 애플리케이션 서버에서 관리하는 설치 프로그램에 의하여 설치된 실행 프로그램인 애플리케이션을 설치하여, 모델링 모듈(220)과 네트워크를 통한 신호 및 데이터의 송수신을 용이하게 하고, 식품명의 입력이나 식품부패예측지수의 출력을 위한 사용자 인터페이스를 활용할 수 있다.
도 7은 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템(200)의 구현 형태를 예를 들어 도시한 도면이다. 도 7에 도시된 바와 같이, 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템(200)의 입력 모듈(210) 및 출력 모듈(230)은, 스마트폰으로 구현될 수 있으며, 사용자가 스마트폰을 이용하여 식품명을 입력하고, 모델링 모듈(220)에서 도출된 식품부패예측지수를 디스플레이부나 스피커 등의 출력 장치를 통해 출력할 수 있다.
도 8은 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템(200)에서, 출력 모듈(230)에 의해 출력된 디스플레이 화면을 예를 들어 도시한 도면이다. 도 8에 도시된 바와 같이, 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템(200)의 출력 모듈(230)은, 식품부패예측 모델을 그래프 형태로 출력할 수 있으며, 온도, 습도 등의 환경 정보와 선택된 식품명, 식중독 예방을 위한 조치 등 각종 정보를 출력할 수도 있다.
도 9는 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템(200)에서, 모델링 모듈(220)의 세부적인 구성을 도시한 도면이다. 도 9에 도시된 바와 같이, 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템(200)의 모델링 모듈(220)은, 모델 저장부(221), 모델 매칭부(222) 및 지수 도출부(224)를 포함하여 구성될 수 있으며, 환경 정보 수신부(223), 대응 정보 제공부(225), 모니터링부(226)를 더 포함하여 구성될 수 있다.
모델 저장부(221)는, 미리 분류된 각 식품군에 대하여 개발된 식품부패예측 모델을 저장할 수 있다. 즉, 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델 개발 시스템(100)에서 개발된 식품군 별 식품부패예측 모델을 저장하여, 모델링이 가능하도록 할 수 있다.
모델 매칭부(222)는, 입력 모듈(210)에서 입력받은 식품명과 각 식품군을 매칭하여, 식품명에 대응되는 식품부패예측 모델을 검색할 수 있다. 즉, 모델 매칭부(222)는, 구체적인 식품명이 속하는 식품군을 검색하여 매칭하고, 해당 식품군에 대한 식품부패예측 모델을 찾아, 추후 상세히 설명할 지수 도출부(224)에서 사용 가능하도록 할 수 있다.
환경 정보 수신부(223)는, 기상 정보 또는, 식품 조리실, 보관실, 보관 용기 및 냉장고를 포함하는 군에서 선택된 적어도 하나에 구비된 센서로부터 온도 및 습도 정보를 수신할 수 있다. 즉, 환경 정보 수신부(223)는, 기상 서버로부터 수신한 기상 정보 이외에도, 식품의 실제 조리와 보관이 이루어지는 장소 또는 용기 등에 구비된 센서로부터, 온도 및 습도 정보를 수신하여, 정확한 식품부패예측이 가능하도록 할 수 있다.
지수 도출부(224)는, 모델 매칭부(222)에서 검색된 식품부패예측 모델을 이용하여, 시간에 따른 부패 정도를 나타내는 식품부패예측지수를 도출할 수 있으며, 환경 정보 수신부(223)에서 수신한 온도 및 습도 정보를 더 이용하여 보다 정확한 식품부패예측지수를 도출할 수 있다. 또한, 지수 도출부(224)는, 시간에 따른 부패 속도의 변화를 이용해, 권장 섭식 시간을 더 도출할 수 있다.
이와 같이, 지수 도출부(224)는, 구체적인 식품에 대하여, 실제 환경에서의 식품부패를 예측하고, 사용자가 체감할 수 있는 시간 개념의 식품부패예측지수를 도출하기 때문에, 정확도 및 활용도가 높아 실질적인 식중독 예방 효과를 얻을 수 있다.
대응 정보 제공부(225)는, 식품부패예측지수 및 환경 정보 수신부(223)에서 수신한 온도 및 습도 정보를 이용하여, 식품의 보관 방법 또는 부패 방지 조치를 출력 모듈(230)을 통해 제공할 수 있다. 즉, 도 8에 도시된 바와 같은 화면에 출력된 “70도 이상으로 5분간 가열 후 보관하세요.”와 같은 조치를 대응 정보 제공부(225)가 제공할 수 있다.
또한, 온도 및 습도 정보에 따라 제공되는 식품의 보관 방법 또는 부패 방지 조치는 서로 상이할 수 있다. 이를 위하여, 대응 정보 제공부(225)는 식품의 보관 방법 또는 부패 방지 조치 등이 저장된 데이터베이스를 활용할 수 있으며, 네트워크를 통해 데이터베이스에 접속하여 다양한 정보를 검색하여 제공할 수도 있다.
모니터링부(226)는, 보관 용기에 구비된 코드 및 냉장고에 구비된 코드 인식 장치로부터, 식품의 냉장고 출입을 모니터링 할 수 있다. 즉, 식품의 보관 용기에 보관된 식품에 대한 코드를 부착하고, 냉장고 출입 시 냉장고의 코드 인식 장치가 보관 용기의 코드를 자동으로 인식하여 모니터링부(226)에 전달함으로써, 모니터링부(226)가 냉장고에 출입하는 식품을 관리할 수 있다.
또한, 모니터링부(226)는, 냉장고 출입에 따른 해당 식품의 환경 변화를 지수 도출부(224)에 전달하고, 지수 도출부(224)는 모니터링 결과에 따라 식품부패예측지수를 수정함으로써, 정확한 모델링이 가능하도록 할 수 있다. 또한, 식품 보관 방법이나 조치 등이 제대로 이루어졌는지 등을 추적할 수도 있다.
도 10은 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템(200)의 구현 상태를 예를 들어 도시한 도면이다. 도 10에 도시된 바와 같이, 본 발명의 일실시예에 따른 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템(200)은, 부엌 내 또는 냉장고 등에 출력 모듈(230)을 구비하여, 실시간으로 업데이트되는 식품부패예측지수를 출력할 수 있다. 또한, 실시예에 따라서는, 사용자의 스마트 디바이스와의 통신을 통해 원격지에 위치한 사용자에게 식품부패여부를 알려주어, 적극적인 대응이 가능하도록 할 수도 있다.
이상 설명한 본 발명은 본 발명이 속한 기술분야에서 통상의 지식을 가진 자에 의하여 다양한 변형이나 응용이 가능하며, 본 발명에 따른 기술적 사상의 범위는 아래의 특허청구범위에 의하여 정해져야 할 것이다.
100: 본 발명의 일실시예에 따른 식품부패예측 모델 개발 시스템
110: 식품 분석 모듈 120: 균 분석 모듈
130: 환경 분석 모듈 140: 모델 개발 모듈
150: 지수 도출 모듈 200: 식품부패예측 알림 시스템
210: 입력 모듈 220: 모델링 모듈
221: 모델 저장부 222: 모델 매칭부
223: 환경 정보 수신부 224: 지수 도출부
225: 대응 정보 제공부 226: 모니터링부
230: 출력 모듈
110: 식품 분석 모듈 120: 균 분석 모듈
130: 환경 분석 모듈 140: 모델 개발 모듈
150: 지수 도출 모듈 200: 식품부패예측 알림 시스템
210: 입력 모듈 220: 모델링 모듈
221: 모델 저장부 222: 모델 매칭부
223: 환경 정보 수신부 224: 지수 도출부
225: 대응 정보 제공부 226: 모니터링부
230: 출력 모듈
Claims (20)
- 식품부패예측 모델 개발 시스템(100)으로서,
식품 데이터를 분석하고, 상기 식품 데이터를 이용하여 복수의 식품을 미리 정해진 식품군으로 분류하는 식품 분석 모듈(110);
복수의 식중독 균 데이터를 분석하는 균 분석 모듈(120);
온도, 습도 및 자외선 정보를 포함하는 환경 데이터를 분석하는 환경 분석 모듈(130);
상기 식품 분석 모듈(110) 및 균 분석 모듈(120)의 분석 결과를 이용하여, 각 식품에 대한 식중독 예상 균의 우점종을 선정하고, 각 식품에 대하여 선정된 우점종의 식중독 균을 적용하여, 시간에 따른 부패 정도를 나타내는 식품부패예측 모델을 개발하되, 상기 식품 분석 모듈(110)에서 분류된 각 식품군 별로 상기 식품부패예측 모델을 개발하는 모델 개발 모듈(140); 및
상기 모델 개발 모듈(140)에서 개발된 식품부패예측 모델을 이용하여, 각 식품에 대한 시간 개념의 식품부패예측지수를 도출하되, 상기 식품부패예측 모델에서 균의 수가 임계값에 도달하기까지의 잔여 시간을 식품부패예측지수로 도출하는 지수 도출 모듈(150)을 포함하고,
상기 식품 분석 모듈(110)은,
식자재의 배송 상태, 식품의 조리 방법, 음식 보관 방법 및 식품 성분을 포함하는 군에서 선택된 적어도 하나 이상의 식품 데이터를 분석하되, 상기 식자재의 배송 상태는, 계절별 온도, 습도 및 자외선을 포함하는 계절 환경 정보에 따라 결정되며,
상기 환경 분석 모듈(130)은, 조리실 또는 보관실에서 직접 측정된 정보를 포함하는 환경 데이터를 분석하고,
상기 모델 개발 모듈(140)은, 상기 환경 분석 모듈(130)에서 분석한 분석 결과를 상기 식품부패예측 모델에 적용하는 것을 특징으로 하는, 인공지능 기반 식품부패예측 모델 개발 시스템(100).
- 삭제
- 삭제
- 제1항에 있어서, 상기 식품 분석 모듈(110)은,
식품안전정보포털 데이터로부터 수집된 식품 데이터를 분석하는 것을 특징으로 하는, 인공지능 기반 식품부패예측 모델 개발 시스템(100).
- 삭제
- 삭제
- 제1항에 있어서,
상기 균 분석 모듈(120)은, 시간에 따른 각 식중독 균의 성장 또는 사멸을 예측하는 제1차 모델을 개발하며,
상기 모델 개발 모듈(140)은, 각 식품에 대하여 선정된 우점종의 식중독 균에 대하여 상기 균 분석 모듈(120)에서 개발된 제1차 모델을 이용하여, 상기 식품부패예측 모델을 개발하는 것을 특징으로 하는, 인공지능 기반 식품부패예측 모델 개발 시스템(100).
- 삭제
- 삭제
- 삭제
- 제1항에 있어서, 상기 지수 도출 모듈(150)은,
각 식품에 대해 선정된 우점종의 감염 위험성, 균의 위험성 및 최소 감염수를 포함하는 군에서 선택된 적어도 하나 이상의 요인을 고려하여, 상기 식품부패예측지수를 도출하는 것을 특징으로 하는, 인공지능 기반 식품부패예측 모델 개발 시스템(100).
- 식품부패예측 알림 시스템(200)으로서,
식품명을 입력받는 입력 모듈(210);
상기 입력받은 식품명과 대응되는 식품에 대하여 선정된 우점종의 예상 식중독 균이 적용된 식품부패예측 모델을 이용하여, 시간에 따른 부패 정도를 나타내는 식품부패예측지수를 도출하는 모델링 모듈(220); 및
상기 도출된 식품부패예측지수를 출력하는 출력 모듈(230)을 포함하며,
상기 식품부패예측지수는, 섭식 가능시간을 나타내고,
상기 모델링 모듈(220)은, 미리 입력받은 식단에 대하여, 상기 섭식 가능시간을 기준으로 조리 우선순위를 설정하며,
상기 모델링 모듈(220)은,
미리 분류된 각 식품군에 대하여 개발된 식품부패예측 모델을 저장하는 모델 저장부(221);
상기 입력 모듈(210)에서 입력받은 식품명과 상기 각 식품군을 매칭하여, 상기 식품명에 대응되는 식품부패예측 모델을 검색하는 모델 매칭부(222);
식품 조리실, 보관실, 보관 용기 및 냉장고를 포함하는 군에서 선택된 적어도 하나에 구비된 센서로부터 온도 및 습도 정보를 수신하는 환경 정보 수신부(223); 및
상기 모델 매칭부(222)에서 검색된 식품부패예측 모델을 이용하여, 시간에 따른 부패 정도를 나타내는 식품부패예측지수를 도출하되, 상기 환경 정보 수신부(223)에서 수신한 온도 및 습도 정보를 더 이용하여 상기 식품부패예측지수를 도출하는 지수 도출부(224)를 포함하는 것을 특징으로 하는, 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템(200).
- 삭제
- 삭제
- 삭제
- 제12항에 있어서, 상기 지수 도출부(224)는,
시간에 따른 부패 속도의 변화를 이용해, 권장 섭식 시간을 더 도출하는 것을 특징으로 하는, 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템(200).
- 삭제
- 제12항에 있어서, 상기 모델링 모듈(220)은,
상기 식품부패예측지수 및 상기 환경 정보 수신부(223)에서 수신한 온도 및 습도 정보를 이용하여, 식품의 보관 방법 또는 부패 방지 조치를 상기 출력 모듈(230)을 통해 제공하는 대응 정보 제공부(225)를 더 포함하는 것을 특징으로 하는, 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템(200).
- 제12항에 있어서,
보관 용기에 구비된 코드 및 냉장고에 구비된 코드 인식 장치로부터, 식품의 냉장고 출입을 모니터링 하는 모니터링부(226)를 더 포함하며,
상기 지수 도출부(224)는, 상기 모니터링 결과에 따라 식품부패예측지수를 수정하는 것을 특징으로 하는, 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템(200).
- 제12항에 있어서,
상기 입력 모듈(210) 및 출력 모듈(230) 중 적어도 하나는, 스마트 디바이스로 구현되는 것을 특징으로 하는, 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템(200).
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160139103A KR101864252B1 (ko) | 2016-10-25 | 2016-10-25 | 인공지능 기반 식품부패예측 모델 개발 시스템 및 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160139103A KR101864252B1 (ko) | 2016-10-25 | 2016-10-25 | 인공지능 기반 식품부패예측 모델 개발 시스템 및 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20180045230A KR20180045230A (ko) | 2018-05-04 |
| KR101864252B1 true KR101864252B1 (ko) | 2018-06-04 |
Family
ID=62199672
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020160139103A KR101864252B1 (ko) | 2016-10-25 | 2016-10-25 | 인공지능 기반 식품부패예측 모델 개발 시스템 및 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101864252B1 (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10515715B1 (en) | 2019-06-25 | 2019-12-24 | Colgate-Palmolive Company | Systems and methods for evaluating compositions |
| US11263498B2 (en) | 2018-09-21 | 2022-03-01 | Samsung Electronics Co., Ltd. | Method and system for providing information related to a status of an object in a refrigerator |
| KR20230035860A (ko) * | 2021-09-06 | 2023-03-14 | 한국식품연구원 | 변온 조건에서의 식중독균 예측 방법 및 장치 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102314279B1 (ko) * | 2019-11-06 | 2021-10-18 | 농업회사법인 주식회사푸드스미스 | 음식물에서 발생하는 기체와 주변 환경을 정밀하게 측정할 수 있는 기체 측정 장치와 이를 이용한 음식물의 상태를 모니터링하는 방법 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007328464A (ja) * | 2006-06-06 | 2007-12-20 | Sharp Corp | 購買活動管理装置、制御方法、制御プログラムおよびそれを記録したコンピュータ読み取り可能な記録媒体 |
| KR101209404B1 (ko) * | 2012-03-29 | 2012-12-06 | 군산대학교산학협력단 | 식품 내의 병원성미생물에 의한 위해수준의 통계적 예측 진단장치 및 방법 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150140554A (ko) * | 2015-01-14 | 2015-12-16 | 전대연 | 냉장고안의 음식자재 관리시스템 |
-
2016
- 2016-10-25 KR KR1020160139103A patent/KR101864252B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007328464A (ja) * | 2006-06-06 | 2007-12-20 | Sharp Corp | 購買活動管理装置、制御方法、制御プログラムおよびそれを記録したコンピュータ読み取り可能な記録媒体 |
| KR101209404B1 (ko) * | 2012-03-29 | 2012-12-06 | 군산대학교산학협력단 | 식품 내의 병원성미생물에 의한 위해수준의 통계적 예측 진단장치 및 방법 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11263498B2 (en) | 2018-09-21 | 2022-03-01 | Samsung Electronics Co., Ltd. | Method and system for providing information related to a status of an object in a refrigerator |
| US10515715B1 (en) | 2019-06-25 | 2019-12-24 | Colgate-Palmolive Company | Systems and methods for evaluating compositions |
| US10839941B1 (en) | 2019-06-25 | 2020-11-17 | Colgate-Palmolive Company | Systems and methods for evaluating compositions |
| US10839942B1 (en) | 2019-06-25 | 2020-11-17 | Colgate-Palmolive Company | Systems and methods for preparing a product |
| US10861588B1 (en) | 2019-06-25 | 2020-12-08 | Colgate-Palmolive Company | Systems and methods for preparing compositions |
| US11315663B2 (en) | 2019-06-25 | 2022-04-26 | Colgate-Palmolive Company | Systems and methods for producing personal care products |
| US11342049B2 (en) | 2019-06-25 | 2022-05-24 | Colgate-Palmolive Company | Systems and methods for preparing a product |
| US11728012B2 (en) | 2019-06-25 | 2023-08-15 | Colgate-Palmolive Company | Systems and methods for preparing a product |
| KR20230035860A (ko) * | 2021-09-06 | 2023-03-14 | 한국식품연구원 | 변온 조건에서의 식중독균 예측 방법 및 장치 |
| KR102635331B1 (ko) * | 2021-09-06 | 2024-02-08 | 한국식품연구원 | 변온 조건에서의 식중독균 예측 방법 및 장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20180045230A (ko) | 2018-05-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101864252B1 (ko) | 인공지능 기반 식품부패예측 모델 개발 시스템 및 인공지능 기반 식품부패예측 모델을 이용한 식품부패예측 알림 시스템 | |
| US11037681B1 (en) | Method and apparatus for informed personal well-being decision making | |
| Chen | Consumer trust in food safety—A multidisciplinary approach and empirical evidence from Taiwan | |
| Heising et al. | Options for reducing food waste by quality-controlled logistics using intelligent packaging along the supply chain | |
| US20180197135A1 (en) | Apparatus and System For Remote Sensing, Monitoring, Analysis and Alerting of Environmental Attributes | |
| Van Gerwen et al. | Stepwise quantitative risk assessment as a tool for characterization of microbiological food safety | |
| US11244280B2 (en) | Reducing food waste by using a machine learning model | |
| CN103810284A (zh) | 一种厨房管理方法和装置 | |
| CN108254513A (zh) | 一种鱼类货架期的判断方法及装置 | |
| Nauta et al. | Tools for microbiological risk assessment | |
| Sapkota et al. | Price transmission relationships along the seafood value chain in Bangladesh: Aquaculture and capture fisheries | |
| Xiao et al. | Developing an intelligent traceability system for aquatic products in cold chain logistics integrated WSN with SPC | |
| Caya et al. | Determining spoilage level against time and temperature of tomato-based Filipino cuisines using electronic nose | |
| WO2017097683A1 (en) | A system and method for determining the freshness of a food item, and a configuration method | |
| Huang | Evaluating the performance of a new model for predicting the growth of Clostridium perfringens in cooked, uncured meat and poultry products under isothermal, heating, and dynamically cooling conditions | |
| Rijgersberg et al. | Modeling logistic performance in quantitative microbial risk assessment | |
| Giarratana et al. | Temperature fluctuations along food supply chain: A dynamic and stochastic predictive approach to establish the best temperature value in challenge tests for Listeria monocytogenes | |
| US20140136430A1 (en) | Product integrity monitor | |
| Stutt et al. | An integrated model for pre-and post-harvest aflatoxin contamination in maize | |
| CN116205688A (zh) | 生鲜产品信息处理方法、装置、计算机设备及存储介质 | |
| US11810029B2 (en) | Predictive forecasting of food allocation | |
| US20190050796A1 (en) | Method of auditing cold chain distribution systems | |
| Swathi et al. | Survey on IoT based farm freshness mobile application | |
| US20220076275A1 (en) | System and methods for predictive modeling of seafood safety | |
| Seo et al. | Contamination of Clostridium perfringens in soy sauce, and quantitative microbial risk assessment for C. perfringens through soy sauce consumption |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |