CN113283768A - 食品检测项目提取方法、装置、设备及存储介质 - Google Patents
食品检测项目提取方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113283768A CN113283768A CN202110607826.4A CN202110607826A CN113283768A CN 113283768 A CN113283768 A CN 113283768A CN 202110607826 A CN202110607826 A CN 202110607826A CN 113283768 A CN113283768 A CN 113283768A
- Authority
- CN
- China
- Prior art keywords
- food
- risk
- information
- items
- spot
- 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
- 235000013305 food Nutrition 0.000 title claims abstract description 571
- 238000001514 detection method Methods 0.000 title claims abstract description 171
- 238000000605 extraction Methods 0.000 title claims abstract description 65
- 238000007689 inspection Methods 0.000 claims abstract description 180
- 238000005070 sampling Methods 0.000 claims abstract description 144
- 238000012216 screening Methods 0.000 claims abstract description 93
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000012163 sequencing technique Methods 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 abstract description 11
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 16
- 235000015219 food category Nutrition 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 4
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 235000021268 hot food Nutrition 0.000 description 2
- 244000005700 microbiome Species 0.000 description 2
- 239000002636 mycotoxin Substances 0.000 description 2
- 239000000447 pesticide residue Substances 0.000 description 2
- 231100000678 Mycotoxin Toxicity 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001052 transient effect Effects 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及人工智能领域,公开了一种食品检测项目提取方法、装置、设备及存储介质,用于解决现有技术中提取食品检测项目时的效率低下且效果不好的技术问题。该方法包括:接收并解析食品检测项目提取请求携带的至少一个抽检相关信息;根据抽检相关信息确定对应的待检食品后依次输入预置的风险参数识别模型中得到待检食品的风险参数;根据风险参数对待检食品进行排序,得到食品风险序列;根据预设的风险筛选规则对食品风险序列进行筛选,得到建议抽检的风险食品;从食品风险知识图谱中提取风险项目以及对应的风险关联信息,筛选出对应的食品检测项目。此外,本发明还涉及区块链技术,风险食品的相关信息可存储于区块链中。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种食品检测项目提取方法、装置、设备及存储介质。
背景技术
食品安全监督抽检是我国食品***的重要手段,但由于抽检的特性使得“检不出”、“以点代面”的情况时有发生,导致食品安全监督抽检的发现问题能力较弱,故每次抽检时对于抽检食品的种类和食品检测项目的选择十分重要。
现有技术中,抽检人员一般是根据历史经验或随机的方式来进行抽检食品以及食品检测项目的选择,效率低下且选择的效果不好。
发明内容
本发明的主要目的在于解决现有技术中提取食品检测项目时的效率低下且选择效果不好的技术问题。
本发明第一方面提供了一种食品检测项目提取方法,包括:接收食品检测项目提取请求,并解析所述食品检测项目提取请求中携带的至少一个抽检相关信息,其中,所述抽检相关信息包括抽检时间信息和抽检地区信息;根据所述抽检时间信息和所述抽检地区信息确定对应的待检食品;将所述待检食品依次输入预置的风险参数识别模型中进行食品风险参数的识别,得到所述待检食品的风险参数;根据所述风险参数对所述待检食品进行排序,得到食品风险序列;根据预设的风险筛选规则对所述食品风险序列进行筛选,得到建议抽检的风险食品;根据所述建议抽检的风险食品,从预置的食品风险知识图谱中提取风险项目以及对应的风险关联信息,并根据所述风险关联信息筛选出对应的食品检测项目。
可选的,在本发明第一方面的第一种实现方式中,所述风险参数包括检测风险参数和舆情风险参数,所述将所述待检食品依次输入预置的风险参数识别模型中进行食品风险参数的识别,得到所述待检食品的风险参数包括:根据所述抽检时间信息和抽检地区信息在预先建立的历史食品抽检数据库中筛选出所述待检食品的相关历史抽检数据,基于所述相关历史抽检数据计算出检测风险信息;根据所述抽检时间信息和抽检地区信息确定舆情时间范围,获取所述舆情时间范围内所述待检食品的舆情风险信息;调用预置的风险参数识别模型根据所述检测风险信息和舆情风险信息进行食品风险参数的识别,得到所述待检食品的风险参数。
可选的,在本发明第一方面的第二种实现方式中,所述检测风险信息包括历史风险信息、地区风险信息和气候风险信息,所述根据所述抽检时间信息和抽检地区信息在预先建立的历史食品抽检数据库中筛选出所述待检食品的相关历史抽检数据,基于所述相关历史抽检数据计算出检测风险信息包括:根据所述抽检时间信息确定历史抽检时间信息范围,根据所述历史抽检时间信息范围在历史食品抽检数据中筛选并得到第一抽检数据集,并基于所述第一抽检数据集计算出所述历史风险信息;根据所述抽检地区信息在所述历史抽检数据中筛选出与所述抽检地区信息相同的抽检数据,得到第二抽检数据集,并基于所述第二抽检数据集计算出所述地区风险信息;根据所述抽检时间信息和抽检地区信息获取抽检预计气候信息,根据所述抽检预计气候信息在所述历史抽检数据中筛选出与所述抽检预计气候信息相同时的抽检数据,得到第三抽检数据集,并基于所述第三抽检数据集计算出所述气候风险信息。
可选的,在本发明第一方面的第三种实现方式中,所述根据所述抽检时间信息和抽检地区信息确定舆情时间范围,获取所述舆情时间范围内所述待检食品的舆情风险信息包括:根据所述抽检时间信息确定舆情时间范围;获取所述舆情时间范围内所述待检食品相关的舆情信息和食品投诉举报平台上的投诉举报信息;对所述舆情信息和投诉举报信息进行数据归一化处理,得到舆情数据和投诉举报数据;根据所述舆情数据和投诉举报数据计算出所述舆情时间范围内所述待检食品的舆情风险信息。
可选的,在本发明第一方面的第四种实现方式中,所述预设的风险筛选规则中包括等级评价规则和等级筛选规则,所述根据预设的风险筛选规则对所述食品风险序列进行筛选,得到建议抽检的风险食品包括:根据所述等级评价规则对所述食品风险序列进行风险等级的评价,得到所述待检食品的风险等级;根据所述等级筛选规则,基于所述风险等级和食品风险序列中的排序信息筛选出建议抽检的风险食品。
可选的,在本发明第一方面的第五种实现方式中,在所述根据所述建议抽检的风险食品,从预置的食品风险知识图谱中提取风险项目以及对应的风险关联信息,并根据所述风险关联信息筛选出对应的食品检测项目之后,还包括:获取所述食品风险知识图谱中包含的风险项目与风险因素的因素关联信息;根据所述因素关联信息,查询所述食品检测项目对应的项目风险因素;基于所述建议抽检的风险食品、所述食品检测项目和对应的项目风险因素生成检测项目明细表。
可选的,在本发明第一方面的第六种实现方式中,在所述接收食品检测项目提取请求,并解析所述食品检测项目提取请求中携带的至少一个抽检相关信息之前,还包括:获取预先建立的历史食品抽检数据库中包含有不合格项目的历史抽检数据,得到不合格抽检数据集;统计所述不合格抽检数据集中每种食品的不合格项目的不合格次数,基于所述不合格次数生成每种食品的风险项目;在现有的知识库中获取所述风险项目的风险因素,基于食品种类、风险项目和风险因素生成食品风险知识图谱。
本发明第二方面提供了一种食品检测项目提取装置,包括:获取模块,用于接收食品检测项目提取请求,并解析所述食品检测项目提取请求中携带的至少一个抽检相关信息,其中,所述抽检相关信息包括抽检时间信息和抽检地区信息;待检范围确定模块,用于根据所述抽检时间信息和所述抽检地区信息确定对应的待检食品;识别模块,用于将所述待检食品依次输入预置的风险参数识别模型中进行食品风险参数的识别,得到所述待检食品的风险参数;排序模块,用于根据所述风险参数对所述待检食品进行排序,得到食品风险序列;筛选模块,用于根据预设的风险筛选规则对所述食品风险序列进行筛选,得到建议抽检的风险食品;输出模块,用于根据所述建议抽检的风险食品,从预置的食品风险知识图谱中提取风险项目以及对应的风险关联信息,并根据所述风险关联信息筛选出对应的食品检测项目。
可选的,在本发明第二方面的第一种实现方式中,所述风险参数包括检测风险参数和舆情风险参数,所述识别模块包括:检测风险信息计算单元,用于根据所述抽检时间信息和抽检地区信息在预先建立的历史食品抽检数据库中筛选出所述待检食品的相关历史抽检数据,基于所述相关历史抽检数据计算出检测风险信息;舆情风险信息计算单元,用于根据所述抽检时间信息和抽检地区信息确定舆情时间范围,获取所述舆情时间范围内所述待检食品的舆情风险信息;参数识别单元,用于调用预置的风险参数识别模型根据所述检测风险信息和舆情风险信息进行食品风险参数的识别,得到所述待检食品的风险参数。
可选的,在本发明第二方面的第二种实现方式中,所述检测风险信息包括历史风险信息、地区风险信息和气候风险信息,所述检测风险信息计算单元包括:历史风险信息计算子单元,用于根据所述抽检时间信息确定历史抽检时间信息范围,根据所述历史抽检时间信息范围在历史食品抽检数据中筛选并得到第一抽检数据集,并基于所述第一抽检数据集计算出所述历史风险信息;地区风险信息计算子单元,用于根据所述抽检地区信息在所述历史抽检数据中筛选出与所述抽检地区信息相同的抽检数据,得到第二抽检数据集,并基于所述第二抽检数据集计算出所述地区风险信息;气候风险信息计算子单元,用于根据所述抽检时间信息和抽检地区信息获取抽检预计气候信息,根据所述抽检预计气候信息在所述历史抽检数据中筛选出与所述抽检预计气候信息相同时的抽检数据,得到第三抽检数据集,并基于所述第三抽检数据集计算出所述气候风险信息。
可选的,在本发明第二方面的第三种实现方式中,所述舆情风险信息计算单元包括:时间范围确定子单元,用于根据所述抽检时间信息确定舆情时间范围;信息获取子单元,用于获取所述舆情时间范围内所述待检食品相关的舆情信息和食品投诉举报平台上的投诉举报信息;数据处理子单元,用于对所述舆情信息和投诉举报信息进行数据归一化处理,得到舆情数据和投诉举报数据;计算子单元,用于根据所述舆情数据和投诉举报数据计算出所述舆情时间范围内所述待检食品的舆情风险信息。
可选的,在本发明第二方面的第四种实现方式中,所述筛选模块包括:等级评价单元,用于根据所述等级评价规则对所述食品风险序列进行风险等级的评价,得到所述待检食品的风险等级;食品筛选单元,用于根据所述等级筛选规则,基于所述风险等级和食品风险序列中的排序信息筛选出建议抽检的风险食品。
可选的,在本发明第二方面的第五种实现方式中,所述食品检测项目提取装置还包括检测项目明细生成模块,具体用于:获取所述食品风险知识图谱中包含的风险项目与风险因素的因素关联信息;根据所述因素关联信息,查询所述食品检测项目对应的项目风险因素;基于所述建议抽检的风险食品、所述食品检测项目和对应的项目风险因素生成检测项目明细表。
可选的,在本发明第二方面的第六种实现方式中,所述食品检测项目提取装置还包括知识图谱生成单元,具体用于:获取预先建立的历史食品抽检数据库中包含有不合格项目的历史抽检数据,得到不合格抽检数据集;统计所述不合格抽检数据集中每种食品的不合格项目的不合格次数,基于所述不合格次数生成每种食品的风险项目;在现有的知识库中获取所述风险项目的风险因素,基于食品种类、风险项目和风险因素生成食品风险知识图谱。
本发明第三方面提供了一种食品检测项目提取设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述食品检测项目提取设备执行上述的食品检测项目提取方法的步骤。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的食品检测项目提取方法的步骤。
本发明提供的技术方案中,接收并解析食品检测项目提取请求携带的至少一个抽检相关信息;根据抽检相关信息确定对应的待检食品后依次输入预置的风险参数识别模型中得到待检食品的风险参数;根据风险参数对待检食品进行排序,得到食品风险序列;根据预设的风险筛选规则对食品风险序列进行筛选,得到建议抽检的风险食品;从食品风险知识图谱中提取风险项目以及对应的风险关联信息,筛选出对应的食品检测项目。本发明实施例中,该方法能够自动提取建议抽检的风险食品和食品检测项目,提高食品抽检时对食品检测项目选择的效率、改善对食品检测项目选择的选择效果。
附图说明
图1为本发明实施例中食品检测项目提取方法的第一实施例的示意图;
图2为本发明实施例中食品检测项目提取方法的第二实施例的示意图;
图3为本发明实施例中食品检测项目提取方法的第三实施例的示意图;
图4为本发明实施例中食品检测项目提取方法的第四实施例的示意图;
图5为本发明实施例中食品检测项目提取装置的一个实施例的示意图;
图6为本发明实施例中食品检测项目提取装置的另一个实施例的示意图;
图7为本发明实施例中食品检测项目提取设备的一个实施例的示意图。
具体实施方式
本发明实施例提供了一种食品检测项目提取方法、装置、设备及存储介质,该方法接收食品检测项目提取请求,并解析食品检测项目提取请求中携带的至少一个抽检相关信息,其中,抽检相关信息包括抽检时间信息和抽检地区信息;据抽检时间信息和抽检地区信息确定对应的待检食品;将待检食品依次输入预置的风险参数识别模型中进行食品风险参数的识别,得到待检食品的风险参数;根据风险参数对待检食品进行排序,得到食品风险序列;根据预设的风险筛选规则对食品风险序列进行筛选,得到建议抽检的风险食品;根据建议抽检的风险食品,从预置的食品风险知识图谱中提取风险项目以及对应的风险关联信息,并根据风险关联信息筛选出对应的食品检测项目。该方法能够自动提取建议抽检的风险食品和食品检测项目,提高食品抽检时对食品检测项目选择的效率、改善对食品检测项目选择的选择效果。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中食品检测项目提取方法的第一实施例包括:
101、接收食品检测项目提取请求,并解析食品检测项目提取请求中携带的至少一个抽检相关信息;
可以理解的是,本发明的执行主体可以为食品检测项目提取装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。服务器在接收到食品检测项目提取请求后,获取该提取请求中包含的请求信息字段,解析该请求信息字段中包含的内容,得到至少一个抽检相关信息。其中,该抽检相关信息可以包括抽检时间信息;也可以包括抽检地区信息或其他抽检相关的信息。此外,本步骤之前,预先建立食品品类表,其中,食品品类表中包括各类食品的各种品名,以便于对食品的相关信息进行分类。根据食品品类表中的相关信息可以将多种食品进行归类,以便后续的数据处理。
102、根据抽检时间信息和抽检地区信息确定对应的待检食品;
根据获取到的抽检时间信息和抽检地区信息确定在该抽检时间信息和抽检地区信息对应的待检食品,其中,在具体对待检食品进行确定时,可以通过预先输入待检表格的方式进行确定,该待检表格中预先根据每个地区及抽检时间信息的不同生成不同的待抽检食品。
103、将待检食品依次输入预置的风险参数识别模型中进行食品风险参数的识别,得到待检食品的风险参数;
将前述步骤中获得到的待检食品输入预置的风险参数识别模型中,基于前述步骤中获取到的抽检相关信息,调用风险参数识别模型进行食品风险参数的识别,得到多个食品的风险参数。
其中,预置的风险参数识别模型可以基于获取到的抽检相关信息对待检食品的风险参数进行识别,得到风险参数,该风险参数识别模型可以是预先获取历史食品抽检数据,并对历史的食品抽检数据进行筛选和处理后得到历史食品风险数据集,并调用该历史食品风险数据集进行训练建立的。具体地,本实施例中的风险参数识别模型是基于该历史风险数据集对预置有根据聚类算法的数据分类工具进行建立的。
104、根据风险参数对待检食品进行排序,得到食品风险序列;
105、根据预设的风险筛选规则对食品风险序列进行筛选,得到建议抽检的风险食品;
前述步骤中,获取到多个食品的风险参数后,根据得到的风险参数对食品进行排序,得到食品风险序列。
获得食品风险序列后,根据预设的风险筛选规则对前述步骤中获取到的食品风险序列进行筛选,得到建议抽检食品。本实施例中,具体可以首先根据预设的风险等级评价规则对食品风险序列进行风险等级评定,得到食品的风险等级;得到风险等级后,综合风险等级和和食品风险序列中的排序信息筛选出建议抽检的风险食品。
106、根据建议抽检的风险食品,从预置的食品风险知识图谱中提取风险项目以及对应的风险关联信息,并根据风险关联信息筛选出对应的食品检测项目。
本步骤中首先需要获取预先基于历史抽检数据建立的食品风险知识图谱,该食品风险知识图谱中具体包括每种食品的风险信息,其中该风险信息包括在历史检测过程中出现的不合格项目、不合格等级以及不合格因素等信息。
随后,根据上步骤中获得到的建议抽检食品在预先基于历史抽检数据建立的食品风险知识图谱中查找出相应的风险食品建议抽检项目。最后将建议抽检的风险食品以及对应的建议检测项目按照风险等级进行排序后输出,从而完成风险食品及其检测项目的提取。
本发明实施例中的技术方案,能够自动提取建议抽检的风险食品和食品检测项目,提高食品抽检时对食品检测项目选择的效率、改善对食品检测项目选择的选择效果。
请参阅图2,本发明实施例中食品检测项目提取方法的第二实施例包括:
201、获取预先建立的历史食品抽检数据库中包含有不合格项目的历史抽检数据,得到不合格抽检数据集;
在本步骤前,要预先建立历史食品抽检数据库,其中,该历史食品抽检数据库可以为历史抽检数据的集合,获取全部历史抽检数据中包含有不合格项目的历史抽检数据,将这些包含不合格项目的抽检数据组成不合格抽检数据集,其中,每种食品有不同的抽检项目,如微生物类项目、真菌毒素类项目、添加剂类项目、品质类项目、农药残留项目以及其他项目;将这些不合格项目以及不合格项目的食品进行标注,将得到的数据组成不合格抽检数据集。
202、统计不合格抽检数据集中每种食品的不合格项目的不合格次数,基于不合格次数生成每种食品的风险项目;
统计得到的不合格抽检数据集中每种食品的不合格项目的不合格次数,根据不合格次数以及每种食品的检测次数计算出每种食品的不合格项目的不合格指数;根据不合格指数对每种食品的不合格项目进行排序,得到不合格项目序列。得到不合格项目序列。按照预设的风险项目筛选规则根据不合格项目序列筛选出每种食品的风险项目。其中,预设的风险项目筛选规则可以为筛选出不合格项目序列排名为前若干名的不合格项目作为风险项目,也可以为筛选出不合格项目序列排名为前若干百分数的不合格项目作为风险项目或其他。
203、在现有的知识库中获取风险项目的风险因素,基于食品种类、风险项目和风险因素生成食品风险知识图谱;
在现有的知识库中获取风险项目的风险因素,其中,该知识库为预先建立的,其中包括有食品安全知识确定得到的各种不合格项目可能产生的因素如人为因素、存储不当因素等。将食品种类、风险项目作为实体,将风险因素以及前述的不合格指数数据等其他关系数据作为实体关系,生成食品风险知识图谱。
204、接收食品检测项目提取请求,并解析食品检测项目提取请求中携带的至少一个抽检相关信息;
205、根据抽检时间信息和抽检地区信息确定对应的待检食品;
本实施例中步骤204和步骤205中具体内容与前述实施例中步骤101和步骤102中内容基本相同,故在此不再赘述。
206、根据抽检时间信息和抽检地区信息在预先建立的历史食品抽检数据库中筛选出待检食品的相关历史抽检数据,基于相关历史抽检数据计算出检测风险信息;
本步骤中,首先根据获取到的抽检相关信息在预先建立的历史食品抽检数据库中筛选出相关历史抽检数据,其中,该抽检相关信息可以为多个,可以是抽检时间信息和抽检地区信息,根据该多个抽检相关信息在历史抽检数据库中筛选出相关历史抽检数据,基于相关历史抽检数据计算出检测风险信息。
207、根据抽检时间信息和抽检地区信息确定舆情时间范围,获取舆情时间范围内待检食品的舆情风险信息;
根据历史抽检数据获取到检测风险信息后,在本实施例中,根据抽检相关信息中的抽检时间信息和抽检地区信息获取舆情相关时间范围,根据舆情相关时间范围获取食品的舆情信息,如筛选近两星期或一个月的新闻网站或社交网站中的热点食品相关信息,并对该舆情信息判断出与食品安全的关联度分析、正负面情感判断以及关联食品种类分析,得到舆情风险信息。
208、调用预置的风险参数识别模型根据检测风险信息和舆情风险信息进行食品风险参数的识别,得到待检食品的风险参数;
得到检测风险信息和舆情风险信息后,根据检测风险信息和舆情风险信息调用预置的风险参数识别模型进行食品风险识别,得到多个食品的风险参数。其中,预置的风险参数识别模型可以根据获取到的抽检相关信息识别出食品的风险参数,该风险参数识别模型可以是预先获取历史食品抽检数据,并对历史的食品抽检数据进行筛选和处理后得到历史食品风险数据集,并调用该历史食品风险数据集基于该历史风险数据集对预置有根据聚类算法的数据分类工具进行训练建立。
209、根据风险参数对待检食品进行排序,得到食品风险序列;
前述步骤中,获取到多个食品的风险参数后,根据得到的风险参数对食品进行排序,得到食品风险序列。
210、根据等级评价规则对食品风险序列进行风险等级的评价,得到待检食品的风险等级;
获得到食品风险参数后,首先根据食品风险参数对各种食品种类进行排序,得到食品风险序列,并根据预设的风险等级评价规则对食品风险序列进行风险等级评定,得到待检食品的风险等级,最后综合风险等级信息和食品风险序列中的信息,在各种待检食品中筛选出建议抽检食品。
接下来以具体的例子进行说明,根据预设的一次分级规则对得到各种食品进行一次分级。本实施例中一次分级操作将将各种食品分为四个等级,该四个等级风险由高到低表示为P0'、P1'、P2'和P3';且本步骤中的一次分级是根据获得的食品风险参数进行一次分级的,例如,本步骤中将食品风险参数大于或等于0.4的作为P0'等级、将食品风险参数小于0.4且大于等于0.2的食品种类分为P1'等级、将食品风险参数小于0.2且大于等于0.1的食品种类分为P2'等级、将食品风险参数小于0.1且大于等于0.05的食品种类分为P3'等级。
随后,根据预设的二次分级规则对各种食品进行二次分级。本实施例中一次分级操作将将各种食品分为四个等级,该四个等级风险由高到低表示为P0"、P1"、P2"和P3";且本步骤中的二次分级是根据获得的食品风险参数进行二次分级的,具体地,首先根据全部的食品风险参数计算出风险预警平均值m以及风险预警值标准差s,将食品风险参数大于或等于m+s的作为P0"等级、将食品风险参数小于m+s且大于等于m+a*s的食品种类分为P1"等级、将食品风险参数小于m+a*s且大于等于m+b*s的食品种类分为P2"等级、将食品风险参数小于m+b*s且大于等于m+c*s的食品种类分为P3"等级;其中,系数a、b、c为预设的数值,与食品的种类数相关,其取值范围均为[0,1]。
211、根据等级筛选规则,基于风险等级和食品风险序列中的排序信息筛选出建议抽检的风险食品;
最后综合食品风险序列以及一次分级和二次分级的分级结果对各食品种类进行风险等级的评价,具体地食品风险等级分为四个等级,该四个等级风险由高到低表示为P0、P1、P2和P3,其中,将同时属于食品风险序列排名前10、P0'和P0"等级中的食品种类评为食品风险等级P0;将食品种类中除P0等级外其余的食品种类中同时属于食品风险序列中去除P0等级后排名前12、P1'和P1"等级中的食品种类评为食品风险等级P1;将食品种类中除P0和P1等级外其余的食品种类中同时属于食品风险序列中去除P0和P1等级后排名前15、P2'和P2"等级中的食品种类评为食品风险等级P2;将食品种类中除P0、P1P2等级外其余的食品种类中同时属于食品风险序列中去除P0、P1和P2等级后排名前18、P3'和P3"等级中的食品种类评为食品风险等级P3。本例子中筛选得到P0、P1、P2和P3的食品种类后,将这些食品种类进行输出,得到建议抽检的风险食品。
212、根据建议抽检的风险食品,从预置的食品风险知识图谱中提取风险项目以及对应的风险关联信息,并根据风险关联信息筛选出对应的食品检测项目。
本步骤中具体内容与前述实施例中步骤106的内容基本相同,故在此不再赘述。
本发明实施例中的技术方案,能够自动提取建议抽检的风险食品和食品检测项目,且预先建立的食品风险知识图谱,根据知识图谱确定风险食品对应的建议检测项目,提高食品抽检时对食品检测项目选择的效率、改善对食品检测项目选择的选择效果。
请参阅图3,本发明实施例中食品检测项目提取方法的第三实施例包括:
301、接收食品检测项目提取请求,并解析食品检测项目提取请求中携带的至少一个抽检相关信息;
302、根据抽检时间信息和抽检地区信息确定对应的待检食品;
本实施例中步骤301和步骤302中具体内容与前述实施例中步骤101和步骤102中内容基本相同,故在此不再赘述。
303、根据抽检时间信息确定历史抽检时间信息范围,根据历史抽检时间信息范围在历史食品抽检数据中筛选并得到第一抽检数据集,并基于第一抽检数据集计算出历史风险信息;
本实施例中抽检相关信息包括抽检时间信息、抽检地区信息和抽检预计气候信息,检测风险信息包括历史风险信息、地区风险信息和气候风险信息;本实施例中根据抽检时间信息、抽检地区信息和抽检预计气候信息分别对历史风险信息、地区风险信息和气候风险信息进行计算。
具体地,首先基于获取到的多个抽检数据集中的抽检数据,计算出每种食品在该多个不同历史时间段的不合格指数,得到多个抽检不合格指数。随后根据预先设定的不合格指数权重对多个抽检不合格指数进行加权计算,得到历史风险信息。
例如,当历史所有不合格指数、历史同期不合格指数、历史同期及同期上下月不合格指数、最近一个月不合格指数、最近三个月不合格指数、近半年不合格指数和最近一年不合格指数的权重指数分别为a1、a2、a3、a4、a5、a6、和a7时,则:历史风险信息=a1*历史所有不合格指数+a2*历史同期不合格指数+a3*历史同期及同期上下月不合格指数+a4*最近一个月不合格指数+a5*最近三个月不合格指数+a6*最近半年不合格指数+a6*最近一年不合格指数。
304、根据抽检地区信息在历史抽检数据中筛选出与抽检地区信息相同的抽检数据,得到第二抽检数据集,并基于第二抽检数据集计算出地区风险信息;
其次,根据抽检相关信息中包含的抽检地区信息,获取该地区中各种食品的抽检数据,并根据该抽检数据组成多个第二抽检数据集,根据第二抽检数据集中的信息计算出各种食品在该地区的历史抽检中的地区风险信息。
305、根据抽检时间信息和抽检地区信息获取抽检预计气候信息,根据抽检预计气候信息在历史抽检数据中筛选出与抽检预计气候信息相同时的抽检数据,得到第三抽检数据集,并基于第三抽检数据集计算出气候风险信息;
本实施例中具体是首先获取待抽检地区的气候预测信息,其中气候预测信息包括有天气预测信息、温度预测信息和湿度预测信息,根据这些预测信息分别在历史抽检数据中筛选出与上述气候预测信息相同或相似的历史抽检数据,基于抽取到的历史抽检数据分别生成多个第三抽检数据集,随后根据每种抽检预计气候信息与不合格参数的关联度对多个第三抽检数据集中的历史抽检数据进行加权计算,得到气候风险信息。其中,抽检预计气候信息与不合格参数的关联度是预先根据历史抽检数据集中获得大量抽检数据后利用皮尔森算法计算出的检测项目与抽检预计气候信息的相关程度。
306、根据抽检时间信息和抽检地区信息确定舆情时间范围,获取舆情时间范围内待检食品的舆情风险信息;
本实施例中步骤306中具体内容与前述实施例步骤207中内容基本相同,故在此不再赘述。
307、调用预置的风险参数识别模型根据检测风险信息和舆情风险信息进行食品风险参数的识别,得到待检食品的风险参数;
得到检测风险信息和舆情风险信息后,根据检测风险信息和舆情风险信息调用预置的风险参数识别模型进行食品风险识别,得到多个食品的风险参数。
其中,本步骤中所述检测风险信息中包括前述实施例中所述的历史风险信息、地区风险信息和气候风险信息;该预置的风险参数识别模型可以根据获取到的抽检相关信息识别出食品的风险参数,该风险参数识别模型可以是预先获取历史食品抽检数据,并对历史的食品抽检数据进行筛选和处理后得到历史食品风险数据集,并调用该历史食品风险数据集基于该历史风险数据集对预置有根据聚类算法的数据分类工具进行训练建立。
308、根据风险参数对待检食品进行排序,得到食品风险序列;
前述步骤中,获取到多个食品的风险参数后,根据得到的风险参数对待检食品进行排序,得到食品风险序列。
309、根据预设的风险筛选规则对食品风险序列进行筛选,得到建议抽检的风险食品;
310、根据建议抽检的风险食品,从预置的食品风险知识图谱中提取风险项目以及对应的风险关联信息,并根据风险关联信息筛选出对应的食品检测项目;
本实施例中步骤309和步骤310中具体内容与前述实施例中步骤105和步骤106中内容基本相同,故在此不再赘述。
311、获取食品风险知识图谱中包含的风险项目与风险因素的因素关联信息;
获取预先建立的食品风险知识图谱,读取该知识图谱中的内容,获取该食品风险知识图谱中包含有的风险项目与风险因素的因素关联信息。
312、根据因素关联信息,查询食品检测项目对应的项目风险因素;
根据读取到的因素关联信息,查询前述步骤中获取到的食品检测项目对应的项目风险因素,其中,该食品检测项目可以具体包括微生物类项目、真菌毒素类项目、添加剂类项目、品质类项目、农药残留项目以及其他项目,对应的项目风险因素可以具体包括人为因素、存储不当因素等。
313、基于建议抽检的风险食品、食品检测项目和对应的项目风险因素生成检测项目明细表。
根据获取到的建议抽检的风险食品、食品检测项目和对应的项目风险因素生成检测项目明细表,并将该检测项目明细表保存至数据库中,后续可以根据需求将该检测项目明细表与建议抽检的风险食品及对应的建议检测项目一同输出。
本发明实施例中的技术方案,能够根据多种因素确定不同的历史抽检信息,根据获得的不同抽检信息,自动提取建议抽检的风险食品和食品检测项目,大大提高食品抽检时对食品检测项目选择的效率、改善对食品检测项目选择的选择效果。
请参阅图4,本发明实施例中食品检测项目提取方法的第四实施例包括:
401、获取预先建立的历史食品抽检数据库中包含有不合格项目的历史抽检数据,得到不合格抽检数据集;
402、统计不合格抽检数据集中每种食品的不合格项目的不合格次数,基于不合格次数生成每种食品的风险项目;
403、在现有的知识库中获取风险项目的风险因素,基于食品种类、风险项目和风险因素生成食品风险知识图谱;
本实施例中步骤401-403中具体内容与步骤201-203中基本相同,故在此不再赘述。
404、接收食品检测项目提取请求,并解析食品检测项目提取请求中携带的至少一个抽检相关信息;
405、根据抽检时间信息和抽检地区信息确定对应的待检食品;
本实施例中步骤403和步骤404中具体内容与前述实施例中步骤101和步骤102中内容基本相同,故在此不再赘述。
406、根据抽检时间信息确定历史抽检时间信息范围,根据历史抽检时间信息范围在历史食品抽检数据中筛选并得到第一抽检数据集,并基于第一抽检数据集计算出历史风险信息;
407、根据抽检地区信息在历史抽检数据中筛选出与抽检地区信息相同的抽检数据,得到第二抽检数据集,并基于第二抽检数据集计算出地区风险信息;
408、根据抽检时间信息和抽检地区信息获取抽检预计气候信息,根据抽检预计气候信息在历史抽检数据中筛选出与抽检预计气候信息相同时的抽检数据,得到第三抽检数据集,并基于第三抽检数据集计算出气候风险信息;
本实施例中步骤406-408中具体内容与步骤303-305中基本相同,故在此不再赘述。
409、根据抽检时间信息确定舆情时间范围;
在本实施例中,本步骤之前,预先建立食品品类表,其中,食品品类表中包括各类食品的各种品名,以便于对食品的相关信息进行分类。根据食品品类表中的相关信息可以将多种食品进行归类,以便后续的数据处理。
首先根据预设的时间划分规则根据抽检时间信息确定舆情时间范围,本实施例中,舆情时间范围可以为抽检时间信息点前一段设定好的时间范围,如筛选近两星期或一个月作为舆情时间范围。
410、获取舆情时间范围内待检食品相关的舆情信息和食品投诉举报平台上的投诉举报信息;
411、对舆情信息和投诉举报信息进行数据归一化处理,得到舆情数据和投诉举报数据;
412、根据舆情数据和投诉举报数据计算出舆情时间范围内待检食品的舆情风险信息;
通过爬虫工具或其他数据提取预设时间段中工具获取网络上公开的与食品安全相关的舆情信息,如筛选近两星期或一个月的新闻网站或社交网站中的热点食品相关信息,并对该舆情信息判断出与食品安全的关联度分析、正负面情感判断以及关联食品种类分析,得到舆情信息值;按照预先设定的舆情归一化计算规则对舆情信息值进行数值归一化处理,得到食品的舆情指数。
获取具有使用权限的食品投诉举报信息,统计各种食品投诉举报信息以及投诉举报的具体原因,按照预先设定的食品投诉举报归一化计算规则对食品投诉举报信息进行数值归一化处理,得到食品的投诉举报指数。
随后,获取预先建立的舆情风险信息计算方法,该舆情风险信息计算方法可以为加权计算或其他计算方法,本实施例中以加权计算作为例子说明,预先设定好各指数的权重值,根据各权重值对获得到的舆情数据和投诉举报数据进行计算得到舆情风险信息。
413、调用预置的风险参数识别模型根据检测风险信息和舆情风险信息进行食品风险参数的识别,得到待检食品的风险参数;
本步骤中具体内容与前述实施例中步骤307中内容基本相同,故在此不再赘述。
414、根据风险参数对待检食品进行排序,得到食品风险序列;
前述步骤中,获取到多个食品的风险参数后,根据得到的风险参数对食品进行排序,得到食品风险序列。
415、根据等级评价规则对食品风险序列进行风险等级的评价,得到待检食品的风险等级;
416、根据等级筛选规则,基于风险等级和食品风险序列中的排序信息筛选出建议抽检的风险食品;
本实施例中步骤415-416中具体内容与步骤210-211中基本相同,故在此不再赘述。
417、根据建议抽检的风险食品,从预置的食品风险知识图谱中提取风险项目以及对应的风险关联信息,并根据风险关联信息筛选出对应的食品检测项目;
本步骤中具体内容与前述实施例中步骤106的内容基本相同,故在此不再赘述。
418、获取食品风险知识图谱中包含的风险项目与风险因素的因素关联信息;
419、根据因素关联信息,查询食品检测项目对应的项目风险因素;
420、基于建议抽检的风险食品、食品检测项目和对应的项目风险因素生成检测项目明细表。
本实施例中步骤418-420中具体内容与步骤311-313中基本相同,故在此不再赘述。
本发明实施例中的技术方案,能够根据多种因素确定不同的历史抽检信息,根据获得的不同抽检信息,自动提取建议抽检的风险食品和食品检测项目,且预先建立食品风险知识图谱,根据知识图谱确定风险食品对应的食品检测项目,大大提高食品抽检时对食品检测项目选择的效率、改善对食品检测项目选择的选择效果。
上面对本发明实施例中食品检测项目提取方法进行了描述,下面对本发明实施例中食品检测项目提取装置进行描述,请参阅图5,本发明实施例中食品检测项目提取装置的一个实施例包括:
获取模块501,用于接收食品检测项目提取请求,并解析所述食品检测项目提取请求中携带的至少一个抽检相关信息,其中,所述抽检相关信息包括抽检时间信息和抽检地区信息;
待检范围确定模块502,用于根据所述抽检时间信息和所述抽检地区信息确定对应的待检食品;
识别模块503,用于将所述待检食品依次输入预置的风险参数识别模型中进行食品风险参数的识别,得到所述待检食品的风险参数;
排序模块504,用于根据所述风险参数对所述待检食品进行排序,得到食品风险序列;
筛选模块505,用于根据预设的风险筛选规则对所述食品风险序列进行筛选,得到建议抽检的风险食品;
输出模块506,用于根据所述建议抽检的风险食品,从预置的食品风险知识图谱中提取风险项目以及对应的风险关联信息,并根据所述风险关联信息筛选出对应的食品检测项目。
本发明实施例中的技术方案,能够自动提取建议抽检的风险食品和食品检测项目,提高食品抽检时对食品检测项目选择的效率、改善对食品检测项目选择的选择效果。
请参阅图6,本发明实施例中食品检测项目提取装置的另一个实施例包括:
获取模块501,用于接收食品检测项目提取请求,并解析所述食品检测项目提取请求中携带的至少一个抽检相关信息,其中,所述抽检相关信息包括抽检时间信息和抽检地区信息;待检范围确定模块502,用于根据所述抽检时间信息和所述抽检地区信息确定对应的待检食品;识别模块503,用于将所述待检食品依次输入预置的风险参数识别模型中进行食品风险参数的识别,得到所述待检食品的风险参数;排序模块504,用于根据所述风险参数对所述待检食品进行排序,得到食品风险序列;筛选模块505,用于根据预设的风险筛选规则对所述食品风险序列进行筛选,得到建议抽检的风险食品;输出模块506,用于根据所述建议抽检的风险食品,从预置的食品风险知识图谱中提取风险项目以及对应的风险关联信息,并根据所述风险关联信息筛选出对应的食品检测项目。
可选的,所述风险参数包括检测风险参数和舆情风险参数,所述识别模块503包括:检测风险信息计算单元5031,用于根据所述抽检时间信息和抽检地区信息在预先建立的历史食品抽检数据库中筛选出所述待检食品的相关历史抽检数据,基于所述相关历史抽检数据计算出检测风险信息;舆情风险信息计算单元5032,用于根据所述抽检时间信息和抽检地区信息确定舆情时间范围,获取所述舆情时间范围内所述待检食品的舆情风险信息;参数识别单元5033,用于调用预置的风险参数识别模型根据所述检测风险信息和舆情风险信息进行食品风险参数的识别,得到所述待检食品的风险参数。
可选的,所述检测风险信息包括历史风险信息、地区风险信息和气候风险信息,所述检测风险信息计算单元5031包括:历史风险信息计算子单元,用于根据所述抽检时间信息确定历史抽检时间信息范围,根据所述历史抽检时间信息范围在历史食品抽检数据中筛选并得到第一抽检数据集,并基于所述第一抽检数据集计算出所述历史风险信息;地区风险信息计算子单元,用于根据所述抽检地区信息在所述历史抽检数据中筛选出与所述抽检地区信息相同的抽检数据,得到第二抽检数据集,并基于所述第二抽检数据集计算出所述地区风险信息;气候风险信息计算子单元,用于根据所述抽检时间信息和抽检地区信息获取抽检预计气候信息,根据所述抽检预计气候信息在所述历史抽检数据中筛选出与所述抽检预计气候信息相同时的抽检数据,得到第三抽检数据集,并基于所述第三抽检数据集计算出所述气候风险信息。
可选的,所述舆情风险信息计算单元5032包括:时间范围确定子单元,用于根据所述抽检时间信息确定舆情时间范围;信息获取子单元,用于获取所述舆情时间范围内所述待检食品相关的舆情信息和食品投诉举报平台上的投诉举报信息;数据处理子单元,用于对所述舆情信息和投诉举报信息进行数据归一化处理,得到舆情数据和投诉举报数据;计算子单元,用于根据所述舆情数据和投诉举报数据计算出所述舆情时间范围内所述待检食品的舆情风险信息。
可选的,所述筛选模块505包括:等级评价单元5051,用于根据所述等级评价规则对所述食品风险序列进行风险等级的评价,得到所述待检食品的风险等级;食品筛选单元5052,用于根据所述等级筛选规则,基于所述风险等级和食品风险序列中的排序信息筛选出建议抽检的风险食品。
可选的,所述食品检测项目提取装置还包括检测项目明细生成模块,具体用于:获取所述食品风险知识图谱中包含的风险项目与风险因素的因素关联信息;根据所述因素关联信息,查询所述食品检测项目对应的项目风险因素;基于所述建议抽检的风险食品、所述食品检测项目和对应的项目风险因素生成检测项目明细表。
可选的,所述食品检测项目提取装置还包括知识图谱生成单元,具体用于:获取预先建立的历史食品抽检数据库中包含有不合格项目的历史抽检数据,得到不合格抽检数据集;统计所述不合格抽检数据集中每种食品的不合格项目的不合格次数,基于所述不合格次数生成每种食品的风险项目;在现有的知识库中获取所述风险项目的风险因素,基于食品种类、风险项目和风险因素生成食品风险知识图谱。
本发明实施例中的技术方案,能够根据多种因素确定不同的历史抽检信息,根据获得的不同抽检信息,自动提取建议抽检的风险食品和食品检测项目,且预先建立食品风险知识图谱,根据知识图谱确定风险食品对应的食品检测项目,大大提高食品抽检时对食品检测项目选择的效率、改善对食品检测项目选择的选择效果。
上面图5和图6从模块化功能实体的角度对本发明实施例中的食品检测项目提取装置进行详细描述,下面从硬件处理的角度对本发明实施例中食品检测项目提取设备进行详细描述。
图7是本发明实施例提供的一种食品检测项目提取设备的结构示意图,该食品检测项目提取设备700可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)710(例如,一个或一个以上处理器)和存储器720,一个或一个以上存储应用程序733或数据732的存储介质730(例如一个或一个以上海量存储设备)。其中,存储器720和存储介质730可以是短暂存储或持久存储。存储在存储介质730的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对食品检测项目提取设备700中的一系列指令操作。更进一步地,处理器710可以设置为与存储介质730通信,在食品检测项目提取设备700上执行存储介质730中的一系列指令操作。
食品检测项目提取设备700还可以包括一个或一个以上电源740,一个或一个以上有线或无线网络接口750,一个或一个以上输入输出接口760,和/或,一个或一个以上操作***731,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图7示出的食品检测项目提取设备结构并不构成对食品检测项目提取设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种计算机设备,该计算机设备可以是能够执行上述实施例中所述的食品检测项目提取方法的任何一种设备,所述计算机设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的所述食品检测项目提取方法的步骤。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述食品检测项目提取方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种食品检测项目提取方法,其特征在于,所述食品检测项目提取方法包括:
接收食品检测项目提取请求,并解析所述食品检测项目提取请求中携带的至少一个抽检相关信息,其中,所述抽检相关信息包括抽检时间信息和抽检地区信息;
根据所述抽检时间信息和所述抽检地区信息确定对应的待检食品;
将所述待检食品依次输入预置的风险参数识别模型中进行食品风险参数的识别,得到所述待检食品的风险参数;
根据所述风险参数对所述待检食品进行排序,得到食品风险序列;
根据预设的风险筛选规则对所述食品风险序列进行筛选,得到建议抽检的风险食品;
根据所述建议抽检的风险食品,从预置的食品风险知识图谱中提取风险项目以及对应的风险关联信息,并根据所述风险关联信息筛选出对应的食品检测项目。
2.根据权利要求1所述的食品检测项目提取方法,其特征在于,所述风险参数包括检测风险参数和舆情风险参数,所述将所述待检食品依次输入预置的风险参数识别模型中进行食品风险参数的识别,得到所述待检食品的风险参数包括:
根据所述抽检时间信息和抽检地区信息在预先建立的历史食品抽检数据库中筛选出所述待检食品的相关历史抽检数据,基于所述相关历史抽检数据计算出检测风险信息;
根据所述抽检时间信息和抽检地区信息确定舆情时间范围,获取所述舆情时间范围内所述待检食品的舆情风险信息;
调用预置的风险参数识别模型根据所述检测风险信息和舆情风险信息进行食品风险参数的识别,得到所述待检食品的风险参数。
3.根据权利要求2所述的食品检测项目提取方法,其特征在于,所述检测风险信息包括历史风险信息、地区风险信息和气候风险信息,所述根据所述抽检时间信息和抽检地区信息在预先建立的历史食品抽检数据库中筛选出所述待检食品的相关历史抽检数据,基于所述相关历史抽检数据计算出检测风险信息包括:
根据所述抽检时间信息确定历史抽检时间信息范围,根据所述历史抽检时间信息范围在历史食品抽检数据中筛选并得到第一抽检数据集,并基于所述第一抽检数据集计算出所述历史风险信息;
根据所述抽检地区信息在所述历史抽检数据中筛选出与所述抽检地区信息相同的抽检数据,得到第二抽检数据集,并基于所述第二抽检数据集计算出所述地区风险信息;
根据所述抽检时间信息和抽检地区信息获取抽检预计气候信息,根据所述抽检预计气候信息在所述历史抽检数据中筛选出与所述抽检预计气候信息相同时的抽检数据,得到第三抽检数据集,并基于所述第三抽检数据集计算出所述气候风险信息。
4.根据权利要求3所述的食品检测项目提取方法,其特征在于,所述根据所述抽检时间信息和抽检地区信息确定舆情时间范围,获取所述舆情时间范围内所述待检食品的舆情风险信息包括:
根据所述抽检时间信息确定舆情时间范围;
获取所述舆情时间范围内所述待检食品相关的舆情信息和食品投诉举报平台上的投诉举报信息;
对所述舆情信息和投诉举报信息进行数据归一化处理,得到舆情数据和投诉举报数据;
根据所述舆情数据和投诉举报数据计算出所述舆情时间范围内所述待检食品的舆情风险信息。
5.根据权利要求4所述的食品检测项目提取方法,其特征在于,所述预设的风险筛选规则中包括等级评价规则和等级筛选规则,所述根据预设的风险筛选规则对所述食品风险序列进行筛选,得到建议抽检的风险食品包括:
根据所述等级评价规则对所述食品风险序列进行风险等级的评价,得到所述待检食品的风险等级;
根据所述等级筛选规则,基于所述风险等级和食品风险序列中的排序信息筛选出建议抽检的风险食品。
6.根据权利要求5所述的食品检测项目提取方法,其特征在于,在所述根据所述建议抽检的风险食品,从预置的食品风险知识图谱中提取风险项目以及对应的风险关联信息,并根据所述风险关联信息筛选出对应的食品检测项目之后,还包括:
获取所述食品风险知识图谱中包含的风险项目与风险因素的因素关联信息;
根据所述因素关联信息,查询所述食品检测项目对应的项目风险因素;
基于所述建议抽检的风险食品、所述食品检测项目和对应的项目风险因素生成检测项目明细表。
7.根据权利要求1-6中任一项所述的食品检测项目提取方法,其特征在于,在所述接收食品检测项目提取请求,并解析所述食品检测项目提取请求中携带的至少一个抽检相关信息之前,还包括:
获取预先建立的历史食品抽检数据库中包含有不合格项目的历史抽检数据,得到不合格抽检数据集;
统计所述不合格抽检数据集中每种食品的不合格项目的不合格次数,基于所述不合格次数生成每种食品的风险项目;
在现有的知识库中获取所述风险项目的风险因素,基于食品种类、风险项目和风险因素生成食品风险知识图谱。
8.一种食品检测项目提取装置,其特征在于,所述食品检测项目提取装置包括:
获取模块,用于接收食品检测项目提取请求,并解析所述食品检测项目提取请求中携带的至少一个抽检相关信息,其中,所述抽检相关信息包括抽检时间信息和抽检地区信息;
待检范围确定模块,用于根据所述抽检时间信息和所述抽检地区信息确定对应的待检食品;
识别模块,用于将所述待检食品依次输入预置的风险参数识别模型中进行食品风险参数的识别,得到所述待检食品的风险参数;
排序模块,用于根据所述风险参数对所述待检食品进行排序,得到食品风险序列;
筛选模块,用于根据预设的风险筛选规则对所述食品风险序列进行筛选,得到建议抽检的风险食品;
输出模块,用于根据所述建议抽检的风险食品,从预置的食品风险知识图谱中提取风险项目以及对应的风险关联信息,并根据所述风险关联信息筛选出对应的食品检测项目。
9.一种食品检测项目提取设备,其特征在于,所述食品检测项目提取设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述食品检测项目提取设备执行如权利要求1-7中任一项所述的食品检测项目提取方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1-7中任一项所述食品检测项目提取方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110607826.4A CN113283768A (zh) | 2021-06-01 | 2021-06-01 | 食品检测项目提取方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110607826.4A CN113283768A (zh) | 2021-06-01 | 2021-06-01 | 食品检测项目提取方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113283768A true CN113283768A (zh) | 2021-08-20 |
Family
ID=77283011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110607826.4A Pending CN113283768A (zh) | 2021-06-01 | 2021-06-01 | 食品检测项目提取方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113283768A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115375194A (zh) * | 2022-10-24 | 2022-11-22 | 浙江省标准化研究院(金砖国家标准化(浙江)研究中心、浙江省物品编码中心) | 风险预警方法、装置、电子设备及存储介质 |
CN115796710A (zh) * | 2023-02-06 | 2023-03-14 | 佰聆数据股份有限公司 | 电力物资智能抽检方法、装置、电子设备及可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102364512A (zh) * | 2011-10-11 | 2012-02-29 | 中华人民共和国宁波出入境检验检疫局 | 一种产品检验检疫过程中实现计算机自动抽检的方法 |
US20170124502A1 (en) * | 2015-11-02 | 2017-05-04 | International Business Machines Corporation | Selecting key performance indicators for anomaly detection analytics |
CN106897883A (zh) * | 2017-01-23 | 2017-06-27 | 武汉奇米网络科技有限公司 | 一种自动化商品抽检方法及*** |
CN110807082A (zh) * | 2018-08-01 | 2020-02-18 | 北京京东尚科信息技术有限公司 | 质量抽检项目确定方法、***、电子设备及可读存储介质 |
CN111242170A (zh) * | 2019-12-31 | 2020-06-05 | 航天信息股份有限公司 | 食品检验检测项目预知方法及装置 |
US20210026725A1 (en) * | 2019-07-15 | 2021-01-28 | Bull Sas | Method and device for determining an estimated time before a technical incident in a computing infrastructure from values of performance indicators |
-
2021
- 2021-06-01 CN CN202110607826.4A patent/CN113283768A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102364512A (zh) * | 2011-10-11 | 2012-02-29 | 中华人民共和国宁波出入境检验检疫局 | 一种产品检验检疫过程中实现计算机自动抽检的方法 |
US20170124502A1 (en) * | 2015-11-02 | 2017-05-04 | International Business Machines Corporation | Selecting key performance indicators for anomaly detection analytics |
CN106897883A (zh) * | 2017-01-23 | 2017-06-27 | 武汉奇米网络科技有限公司 | 一种自动化商品抽检方法及*** |
CN110807082A (zh) * | 2018-08-01 | 2020-02-18 | 北京京东尚科信息技术有限公司 | 质量抽检项目确定方法、***、电子设备及可读存储介质 |
US20210026725A1 (en) * | 2019-07-15 | 2021-01-28 | Bull Sas | Method and device for determining an estimated time before a technical incident in a computing infrastructure from values of performance indicators |
CN111242170A (zh) * | 2019-12-31 | 2020-06-05 | 航天信息股份有限公司 | 食品检验检测项目预知方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115375194A (zh) * | 2022-10-24 | 2022-11-22 | 浙江省标准化研究院(金砖国家标准化(浙江)研究中心、浙江省物品编码中心) | 风险预警方法、装置、电子设备及存储介质 |
CN115796710A (zh) * | 2023-02-06 | 2023-03-14 | 佰聆数据股份有限公司 | 电力物资智能抽检方法、装置、电子设备及可读存储介质 |
CN115796710B (zh) * | 2023-02-06 | 2023-04-18 | 佰聆数据股份有限公司 | 电力物资智能抽检方法、装置、电子设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113657545B (zh) | 用户业务数据的处理方法、装置、设备及存储介质 | |
CN113792825B (zh) | 一种用电信息采集设备故障分类模型训练方法及装置 | |
CN113283768A (zh) | 食品检测项目提取方法、装置、设备及存储介质 | |
EP3029582A1 (en) | Document classification system, document classification method, and document classification program | |
CN110619691B (zh) | 一种板坯表面裂纹的预测方法及装置 | |
CN113762764B (zh) | 一种进口食品安全风险自动分级与预警***及方法 | |
CN111984442A (zh) | 计算机集群***的异常检测方法及装置、存储介质 | |
CN110046789B (zh) | 一种学生信息素养测评试卷的自动生成方法及*** | |
CN113051291A (zh) | 工单信息的处理方法、装置、设备及存储介质 | |
CN109297534B (zh) | 用于评价室内环境质量的环境参数权重确定方法及*** | |
CN111242170B (zh) | 食品检验检测项目预知方法及装置 | |
Meskas et al. | flowCut: an R package for automated removal of outlier events and flagging of files based on time versus fluorescence analysis | |
CN117394337A (zh) | 一种电网负荷预警方法及其*** | |
TWI556128B (zh) | Forensic system, forensic method and evidence collection program | |
CN110808947A (zh) | 一种自动化的脆弱性量化评估方法及*** | |
CN114546841B (zh) | 基于云计算的软件质量评估方法 | |
CN113283512A (zh) | 数据异常检测方法、装置、设备及存储介质 | |
CN113918471A (zh) | 测试用例的处理方法、装置及计算机可读存储介质 | |
CN110991940A (zh) | 海洋观测数据产品质量在线检验方法、装置及服务器 | |
Olsen et al. | Predicting dactyloscopic examiner fingerprint image quality assessments | |
CN111638989A (zh) | 故障诊断方法、装置、存储介质及设备 | |
CN106442376B (zh) | 化验数据质量的评估方法 | |
CN114020643B (zh) | 一种知识库测试方法及装置 | |
CN115396238B (zh) | 一种基于大数据安全评估分析***及方法 | |
CN116911959B (zh) | 一种建材非标准件的数据处理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |