CN116385031A - 一种基于大数据和多数据源的数据溯源方法 - Google Patents

Abstract

本发明公开了一种基于大数据和多数据源的数据溯源方法，涉及食品安全溯源技术领域，通过预先收集食品原料配比表，基于食品原料配比表生成食品安全标准表，收集食品加工厂的原料购买订单和库存信息，再收集食品加工厂的食品生产过程信息，若食品生产过程信息存在异常，向食品安全监管方发送第一报警信号，对比食品生产过程信息和库存信息，生成食品对比信息，若食品对比信息存在异常，向食品安全监管方发送第二报警信号；为每批次食品生成溯源码，并基于溯源码，实时接收用户的反馈信息，若反馈信息存在异常，向食品安全监管方发送第三报警信号；保证了食品生产的透明性，保障用户的食品安全。

Description

一种基于大数据和多数据源的数据溯源方法

技术领域

本发明属于涉及食品安全溯源技术，具体是一种基于大数据和多数据源的数据溯源方法。

背景技术

食品安全问题对公众健康和社会稳定具有重大影响。然而，食品安全管理方法往往具有以下特点；

复杂的供应链：食品生产涉及众多环节，包括原料采购、生产加工、运输配送等。食品供应链的复杂性使得追溯食品安全问题变得困难；

缺乏实时监测和预警：传统的食品安全管理方法通常是基于离线的抽样检测和定期检查；这种方式不能实时监测食品的质量和安全状况，导致隐患和问题可能在检测前不被发现；

数据分散和孤立：食品生产涉及多个环节和参与者，相关数据通常分散在不同的组织和系统中，难以实现数据的整合和共享，导致溯源过程困难和效率低下；

为此，本发明提出一种基于大数据和多数据源的数据溯源方法。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于大数据和多数据源的数据溯源方法，该方法保证了食品生产的透明性，保障用户的食品安全。

为实现上述目的，本发明提出一种基于大数据和多数据源的数据溯源方法，包括以下步骤：

步骤一：云服务器端收集食品原料配比表，基于食品原料配比表生成食品安全标准表；

步骤二：云服务器端收集食品加工厂的原料购买订单和库存信息，并在库存上新时，实时对库存信息进行更新；

步骤三：云服务器收集食品加工厂的食品生产过程信息，分析食品生产过程信息是否存在异常，若食品生产过程信息存在异常，向食品安全监管方发送第一报警信号；

步骤四：云服务器对比食品生产过程信息和库存信息，生成食品对比信息，并基于食品安全标准表分析食品对比信息是否存在异常，若食品对比信息存在异常，向食品安全监管方发送第二报警信号；

步骤五：云服务器为每批次食品生成溯源码，并基于溯源码，实时接收用户的反馈信息，对反馈信息进行分析，若反馈信息存在异常，向食品安全监管方发送第三报警信号；

所述食品原料配比表为保存在云服务器端的云数据库中的食品成分表，所述食品成分表以食品类型为主键，以原料类型和食品原料配比范围为属性；

其中，生成食品安全标准表的方式为： 云服务器基于食品安全标准，对食品成分表中每个食品类型的原料配比设置配比上限和配比下限，获得食品安全标准表；所述食品安全标准表以食品类型为主键，以原料类型、配比上限以及配比下限为属性；

所述原料购买订单为食品加工厂向各个原料厂购买各项原料所生成的订单，原料购买订单为电子订单，在原料购买订单生成后，自动上传至云服务器端；原料购买订单包括原料类型、订单号以及购买数量；

所述库存信息为每种原料的实时库存量；获取原料的实时库存量的方式为：

为每个堆放原料的仓库货架预先设置堆放原料类型；所述堆放原料类型为每个仓库货架需要堆放的原料类型；

安装在仓库货架下的重量传感器实时获得原料重量，将该仓库货架对应的堆放原料类型的实时库存量设置为该原料重量；云服务端实时保存每个原料类型的实时库存量作为库存信息；

在库存上新时，对库存信息进行更新的方式为：

在每个仓库货架上安装第一图像捕获设备，在每次原料堆放至仓库货架前，第一图像捕获设备扫描原料包装外的原料码，获得扫描后的原料信息，第一图像捕获设备将原料信息发送至云服务器端；所述原料码为条形码或二维码的任意一种，保存有原料信息；

该原料信息为加密后的原料购买订单，加密方式为非对称加密，且密钥的私钥由原料厂持有，并由堆放原料类型的原料厂对原料购买订单使用私钥进行加密；云服务器端使用该原料厂对应的公钥对原料信息进行解密，若解密成功且解密的原料购买订单包含在食品加工厂的历史的原料购买订单中，不做处理；若解密不成功或解密的原料购买订单不包含在食品加工厂的历史的原料购买订单中，云服务器端发送原料报警信号至食品安全监管方；

收集食品加工厂的食品生产过程信息的方式为：

在食品生产线上的原料输入位置安装若干第二图像捕获设备，第二图像捕获设备实时将捕获的输入的原料图像发送至云服务器端；所述原料输入位置为在食品生产线上，各个类型的原料进入生产线进行食品加工的位置；

在食品生产线的食品出口，安装重量传感器，所述重量传感器实时测量食品产量；

所有捕获的原料图像以及食品产量作为食品生产过程信息；

分析食品生产过程信息是否存在异常的方式为：

云服务器端根据食品生产线类型，获得食品类型；云服务器端使用目标识别技术实时识别输入生产线的原料类型，获得原料识别结果，并从食品原料配比表中检索原料识别结果是否包含在该食品类型对应的原料类型中，若不包含在对应的原料类型中，判断为食品生产过程信息存在异常；

若包含在对应的原料类型中，判断为食品生产过程信息不存在异常；所述原料识别结果为由目标识别技术识别出的原料类型；

生成食品对比信息的方式为：

在每一生产批次的食品生产完成后，计算该批次中食品产量的总重量，将总重量标记为W；

统计每种原料类型在该批次生产前和该批次生产后的库存量差值；将每种原料类型标记为i，将第i种原料类型的库存量差值标记为Ci；若在该批次中对第i种原料类型进行库存上新，将库存量差值Ci更新为库存量差值Ci减去上新的第i种原料类型的重量，上新的第i种原料类型的重量通过库存上新前预先使用重量传感器称重获得；

计算每种原料类型的库存量差值Ci与总重量W的生产配比值Bi；则食品对比信息包括每种原料类型的生产配比值；

分析食品对比信息是否存在异常的方式为：

从食品安全标准表中根据对应食品类型，检索出第i种原料类型的配比上限和配比下限；若生产配比值Bi大于配比上限或小于配比下限，则判断为食品对比信息存在异常；若生产配比值Bi小于配比上限且大于配比下限，则判断为食品对比信息不存在异常；

基于溯源码，实时接收用户的反馈信息的方式为：

云服务端实时接收由用户扫描溯源码发起的溯源请求，并向用户展示溯源结果；所述溯源码为二维码，包含有食品生产的批次编号以及网页地址，用户扫描溯源码后，生成对该网页地址进行访问的溯源请求；所述溯源结果为该网页地址对应的网页内容，网页内容包括该批次编号的原料类型以及反馈框；该批次编号的原料类型是该批次编号的食品生产过程中，由第一图像捕获设备捕获，并由云服务器端识别出的所有原料类型；

对反馈信息进行分析的方式为：

将用户在反馈框内填写的内容作为反馈信息，使用文字情感分析技术分析每项反馈信息的情感正负面，若所有的反馈信息中，计算负面反馈比值，所述负面反馈比值为情感负面的反馈信息数量占所有反馈信息的比值；若情感负面比值大于预设的负面反馈阈值，则判断为反馈信息存在异常；若情感负面比值小于预设的负面反馈阈值，则判断为反馈信息不存在异常。

与现有技术相比，本发明的有益效果是：

本发明通过预先收集食品原料配比表，基于食品原料配比表生成食品安全标准表，再收集食品加工厂的原料购买订单和库存信息，并在库存上新时，实时对库存信息进行更新，在食品生产过程中，对食品中添加的原料类型进行监控，并对异常原料进行报警，在每一批次食品生产完成后，对每种原料类型的配比进行监控，并对异常配比进行报警，最后生成溯源码，向用户展示食品成品的原料类型，同时接收用户的反馈信息，基于用户反馈信息，对食品质量进行监控，并对异常质量进行报警，从而实现对食品生产中使用的所有原料类型进行监控溯源，保证食品生产的透明性，保障用户的食品安全。

附图说明

图1为本发明的实施例1中基于大数据和多数据源的数据溯源方法的流程图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

实施例1

如图1所示，一种基于大数据和多数据源的数据溯源方法，包括以下步骤：

步骤一：云服务器端收集食品原料配比表，基于食品原料配比表生成食品安全标准表；

步骤二：云服务器端收集食品加工厂的原料购买订单和库存信息，并在库存上新时，实时对库存信息进行更新；

步骤三：云服务器收集食品加工厂的食品生产过程信息，分析食品生产过程信息是否存在异常，若食品生产过程信息存在异常，向食品安全监管方发送第一报警信号；若食品生产过程信息不存在异常，则不做处理；

步骤四：云服务器对比食品生产过程信息和库存信息，生成食品对比信息，并基于食品安全标准表分析食品对比信息是否存在异常，若食品对比信息存在异常，向食品安全监管方发送第二报警信号，若食品对比信息不存在异常，则不做处理；

步骤五：云服务器为每批次食品生成溯源码，并基于溯源码，实时接收用户的反馈信息，对反馈信息进行分析，若反馈信息存在异常，向食品安全监管方发送第三报警信号，若反馈信息不存在异常，则不做处理；

在一个优选的实施例中，所述食品原料配比表为保存在云服务器端的云数据库中的食品成分表，所述食品成分表以食品类型为主键，以原料类型和食品原料配比范围为属性；

可以理解的是，食品成分表根据食品加工厂实际生产的食品类型和原材料实际配比而定；例如：食品成分表中的一行可以为蛋糕，面粉，30%-40%；

其中，生成食品安全标准表的方式为： 云服务器基于食品安全标准，对食品成分表中每个食品类型的原料配比设置配比上限和配比下限，获得食品安全标准表；所述食品安全标准表以食品类型为主键，以原料类型、配比上限以及配比下限为属性；

所述原料购买订单为食品加工厂向各个原料厂购买各项原料所生成的订单，原料购买订单为电子订单，在原料购买订单生成后，自动上传至云服务器端；原料购买订单包括原料类型、订单号以及购买数量；

所述库存信息为每种原料的实时库存量；获取原料的实时库存量的方式为：

为每个堆放原料的仓库货架预先设置堆放原料类型；所述堆放原料类型为每个仓库货架需要堆放的原料类型；

安装在仓库货架下的重量传感器实时获得原料重量，将该仓库货架对应的堆放原料类型的实时库存量设置为该原料重量；云服务端实时保存每个原料类型的实时库存量作为库存信息；

需要说明的是，为了保证原料库存量的真实性，在库存上新时，对库存信息进行更新的方式为：

在每个仓库货架上安装第一图像捕获设备，在每次原料堆放至仓库货架前，第一图像捕获设备扫描原料包装外的原料码，获得扫描后的原料信息，第一图像捕获设备将原料信息发送至云服务器端；所述原料码可以为条形码或二维码的任意一种，保存有原料信息；

该原料信息为加密后的原料购买订单，加密方式为非对称加密，且密钥的私钥由原料厂持有，并由堆放原料类型的原料厂对原料购买订单使用私钥进行加密；云服务器端使用该原料厂对应的公钥对原料信息进行解密，若解密成功且解密的原料购买订单包含在食品加工厂的历史的原料购买订单中，则说明堆放至仓库货架的原料是正确的，不做处理；若解密不成功或解密的原料购买订单不包含在食品加工厂的历史的原料购买订单中，说明堆放至仓库货架的原料不属于堆放原料类型，云服务器端发送原料报警信号至食品安全监管方；优选的，所述加密方式可以是RSA、DSA或ECC加密算法中的任意一个；

收集食品加工厂的食品生产过程信息的方式为：

在食品生产线上的原料输入位置安装若干第二图像捕获设备，第二图像捕获设备实时将捕获的输入的原料图像发送至云服务器端；所述原料输入位置为在食品生产线上，各个类型的原料进入生产线进行食品加工的位置；

在食品生产线的食品出口，安装重量传感器，所述重量传感器实时测量食品产量；

所有捕获的原料图像以及食品产量作为食品生产过程信息；

分析食品生产过程信息是否存在异常的方式为：

云服务器端根据食品生产线类型，获得食品类型；云服务器端使用目标识别技术实时识别输入生产线的原料类型，获得原料识别结果，并从食品原料配比表中检索原料识别结果是否包含在该食品类型对应的原料类型中，若不包含在对应的原料类型中，判断为食品生产过程信息存在异常，向食品安全监管方发送第一报警信号；所述第一报警信号为原料异常报警；

若包含在对应的原料类型中，判断为食品生产过程信息不存在异常；所述原料识别结果为由目标识别技术识别出的原料类型；

需要说明的是，目标识别技术属于本领域常用的技术，通过收集每种原料类型以及非食品原料的若干图片，并对每张图片进行对应原料类型或非食品原料的标注，将标注后的图片数据集作为训练数据，再将训练数据作为CNN神经网络模型的训练数据，对CNN神经网络模型进行训练，即可获得识别原料类型或非原料类型的CNN神经网络模型；

生成食品对比信息的方式为：

在每一生产批次的食品生产完成后，计算该批次中食品产量的总重量，将总重量标记为W；所述每一生产批次可以以一天、一周活其他生产周期为单位，具体的根据食品生产厂的需求而定，并为每一生产批次设置一个批次编号；

统计每种原料类型在该批次生产前和该批次生产后的库存量差值；将每种原料类型标记为i，将第i种原料类型的库存量差值标记为Ci；若在该批次中对第i种原料类型进行库存上新，将库存量差值Ci更新为库存量差值Ci减去上新的第i种原料类型的重量，上新的第i种原料类型的重量通过库存上新前预先使用重量传感器称重获得；

计算每种原料类型的库存量差值Ci与总重量W的生产配比值Bi；则食品对比信息包括每种原料类型的生产配比值；

分析食品对比信息是否存在异常的方式为：

从食品安全标准表中根据对应食品类型，检索出第i种原料类型的配比上限和配比下限；若生产配比值Bi大于配比上限或小于配比下限，则判断为食品对比信息存在异常，向食品安全监管方发送第二报警信号；所述第二报警信号为食品原料配比报警；若生产配比值Bi小于配比上限且大于配比下限，则判断为食品对比信息不存在异常；

基于溯源码，实时接收用户的反馈信息的方式为：

云服务端实时接收由用户扫描溯源码发起的溯源请求，并向用户展示溯源结果；所述溯源码为二维码，包含有食品生产的批次编号以及网页地址，用户扫描溯源码后，生成对该网页地址进行访问的溯源请求；所述溯源结果为该网页地址对应的网页内容，网页内容包括该批次编号的原料类型以及反馈框；该批次编号的原料类型是该批次编号的食品生产过程中，由第一图像捕获设备捕获，并由云服务器端识别出的所有原料类型；

对反馈信息进行分析的方式为：

将用户在反馈框内填写的内容作为反馈信息，使用文字情感分析技术分析每项反馈信息的情感正负面，若所有的反馈信息中，计算负面反馈比值，所述负面反馈比值为情感负面的反馈信息数量占所有反馈信息的比值；若情感负面比值大于预设的负面反馈阈值，则判断为反馈信息存在异常，向食品安全监管方发送第三报警信号，所述第三报警信号为食品质量报警；若情感负面比值小于预设的负面反馈阈值，则判断为反馈信息不存在异常；

需要说明的是，文字情感分析技术为一项较为成熟的现有技术，例如授权中文字词向量和方面词向量联合嵌入情感分析方法（专利公告号：CN110083833B），公开一种中文字词向量和方面词向量联合嵌入CNN-LSTM情感分析模型。包括：字词向量联合嵌入表示，词向量和方面词联合嵌入表示，卷积神经网络整合句子特征和方面词特征，句子特征和方面词特征联合输入LSTM神经网络，利用LSTM的时序记忆功能对文本特征进行排序，并且添加基于方面词的注意力机制，最后用全连接层与Softmax函数判断情感类别。由于词语中的汉字对词语的意思具有一定的表征作用，中文字词向量结合嵌入可以使共享汉字的词语之间产生了联系。方面词和评论中的词向量组合输入神经网络训练，可以提高评论内容主题情感判断的准确度。

以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (10)

1.一种基于大数据和多数据源的数据溯源方法，其特征在于，包括以下步骤：

步骤一：云服务器端收集食品原料配比表，基于食品原料配比表生成食品安全标准表；

步骤二：云服务器端收集食品加工厂的原料购买订单和库存信息，并在库存上新时，实时对库存信息进行更新；

步骤三：云服务器收集食品加工厂的食品生产过程信息，分析食品生产过程信息是否存在异常，若食品生产过程信息存在异常，向食品安全监管方发送第一报警信号；

步骤四：云服务器对比食品生产过程信息和库存信息，生成食品对比信息，并基于食品安全标准表分析食品对比信息是否存在异常，若食品对比信息存在异常，向食品安全监管方发送第二报警信号；

步骤五：云服务器为每批次食品生成溯源码，并基于溯源码，实时接收用户的反馈信息，对反馈信息进行分析，若反馈信息存在异常，向食品安全监管方发送第三报警信号。

2.根据权利要求1所述的一种基于大数据和多数据源的数据溯源方法，其特征在于，所述食品原料配比表为保存在云服务器端的云数据库中的食品成分表，所述食品成分表以食品类型为主键，以原料类型和食品原料配比范围为属性；

生成食品安全标准表的方式为： 云服务器基于食品安全标准，对食品成分表中每个食品类型的原料配比设置配比上限和配比下限，获得食品安全标准表；所述食品安全标准表以食品类型为主键，以原料类型、配比上限以及配比下限为属性。

3.根据权利要求2所述的一种基于大数据和多数据源的数据溯源方法，其特征在于，所述原料购买订单为食品加工厂向各个原料厂购买各项原料所生成的订单，原料购买订单为电子订单，在原料购买订单生成后，自动上传至云服务器端；原料购买订单包括原料类型、订单号以及购买数量；

所述库存信息为每种原料的实时库存量；获取原料的实时库存量的方式为：

为每个堆放原料的仓库货架预先设置堆放原料类型；所述堆放原料类型为每个仓库货架需要堆放的原料类型；

安装在仓库货架下的重量传感器实时获得原料重量，将该仓库货架对应的堆放原料类型的实时库存量设置为该原料重量；云服务端实时保存每个原料类型的实时库存量作为库存信息。

4.根据权利要求3所述的一种基于大数据和多数据源的数据溯源方法，其特征在于，在库存上新时，对库存信息进行更新的方式为：

在每个仓库货架上安装第一图像捕获设备，在每次原料堆放至仓库货架前，第一图像捕获设备扫描原料包装外的原料码，获得扫描后的原料信息，第一图像捕获设备将原料信息发送至云服务器端；所述原料码为条形码或二维码的任意一种，保存有原料信息；

该原料信息为加密后的原料购买订单，加密方式为非对称加密，且密钥的私钥由原料厂持有，并由堆放原料类型的原料厂对原料购买订单使用私钥进行加密；云服务器端使用该原料厂对应的公钥对原料信息进行解密，若解密成功且解密的原料购买订单包含在食品加工厂的历史的原料购买订单中，不做处理；若解密不成功或解密的原料购买订单不包含在食品加工厂的历史的原料购买订单中，云服务器端发送原料报警信号至食品安全监管方。

5.根据权利要求4所述的一种基于大数据和多数据源的数据溯源方法，其特征在于，收集食品加工厂的食品生产过程信息的方式为：

在食品生产线上的原料输入位置安装若干第二图像捕获设备，第二图像捕获设备实时将捕获的输入的原料图像发送至云服务器端；所述原料输入位置为在食品生产线上，各个类型的原料进入生产线进行食品加工的位置；

在食品生产线的食品出口，安装重量传感器，所述重量传感器实时测量食品产量；

所有捕获的原料图像以及食品产量作为食品生产过程信息。

6.根据权利要求5所述的一种基于大数据和多数据源的数据溯源方法，其特征在于，分析食品生产过程信息是否存在异常的方式为：

云服务器端根据食品生产线类型，获得食品类型；云服务器端使用目标识别技术实时识别输入生产线的原料类型，获得原料识别结果，并从食品原料配比表中检索原料识别结果是否包含在该食品类型对应的原料类型中，若不包含在对应的原料类型中，判断为食品生产过程信息存在异常；

若包含在对应的原料类型中，判断为食品生产过程信息不存在异常；所述原料识别结果为由目标识别技术识别出的原料类型。

7.根据权利要求6所述的一种基于大数据和多数据源的数据溯源方法，其特征在于，生成食品对比信息的方式为：

在每一生产批次的食品生产完成后，计算该批次中食品产量的总重量，将总重量标记为W；

统计每种原料类型在该批次生产前和该批次生产后的库存量差值；将每种原料类型标记为i，将第i种原料类型的库存量差值标记为Ci；若在该批次中对第i种原料类型进行库存上新，将库存量差值Ci更新为库存量差值Ci减去上新的第i种原料类型的重量，上新的第i种原料类型的重量通过库存上新前预先使用重量传感器称重获得；

计算每种原料类型的库存量差值Ci与总重量W的生产配比值Bi；食品对比信息包括每种原料类型的生产配比值。

8.根据权利要求7所述的一种基于大数据和多数据源的数据溯源方法，其特征在于，分析食品对比信息是否存在异常的方式为：

从食品安全标准表中根据对应食品类型，检索出第i种原料类型的配比上限和配比下限；若生产配比值Bi大于配比上限或小于配比下限，则判断为食品对比信息存在异常；若生产配比值Bi小于配比上限且大于配比下限，则判断为食品对比信息不存在异常。

9.根据权利要求8所述的一种基于大数据和多数据源的数据溯源方法，其特征在于，基于溯源码，实时接收用户的反馈信息的方式为：

云服务端实时接收由用户扫描溯源码发起的溯源请求，并向用户展示溯源结果；所述溯源码为二维码，包含有食品生产的批次编号以及网页地址，用户扫描溯源码后，生成对该网页地址进行访问的溯源请求；所述溯源结果为该网页地址对应的网页内容，网页内容包括该批次编号的原料类型以及反馈框；该批次编号的原料类型是该批次编号的食品生产过程中，由第一图像捕获设备捕获，并由云服务器端识别出的所有原料类型。

10.根据权利要求9所述的一种基于大数据和多数据源的数据溯源方法，其特征在于，对反馈信息进行分析的方式为：

将用户在反馈框内填写的内容作为反馈信息，使用文字情感分析技术分析每项反馈信息的情感正负面，若所有的反馈信息中，计算负面反馈比值，所述负面反馈比值为情感负面的反馈信息数量占所有反馈信息的比值；若情感负面比值大于预设的负面反馈阈值，则判断为反馈信息存在异常；若情感负面比值小于预设的负面反馈阈值，则判断为反馈信息不存在异常。

Images