一种食品企业风险分级智能化管控系统的制作方法

阅读：评论：0

1.本发明涉及食品安全领域，具体地，涉及一种食品企业分级智能化管控系统。

背景技术：

2.食品是人类赖以生存和发展的最基本物质条件，随着现代经济社会的不断发展和生活科技水平的不断提升，人们对于食品的需求逐渐由数量转向了质量。而食品安全则是评价食品质量的一条红线，只有在保证了食品安全的前提下才能进一步提高食品的质量，满足人们对于食品的需要。因此，食品安全成为了世界范围内的重要问题，也成为了人们在日常生活中最担忧和关注的问题之一，与人们的健康、经济的发展以及社会的稳定息息相关。要避免食品安全事件对社会带来消极影响，就要杜绝各类企业食品在生产、运输以及销售过程中的安全隐患并加以整改，从源头上保证食品安全。目前，对食品及食品企业进行风险评估的方式通常基于评定表对食品安全的各项内容进行评估，根据评估结果对高风险实施重点监管以保障食品安全。现有的食品企业风险分级系统通过对食品企业相关各项指标进行差异化考量，获得风险评估结果，但仍然存在以下问题：对于相同的食品，在不同生产过程和不同食品企业中，风险评估标准不同；对于相同的食品企业，在不同的生产角和不同的生产任务中，风险评估标准不同。因此，如何分析食品或食品企业的信息内部关系，获得准确的食品或食品企业风险评估标准，及时发现食品或食品企业存在的风险，并进行相应的管控措施这一问题亟待解决。

技术实现要素：

3.为了准确分析食品或食品企业的信息，并自动化对发现的影响食品安全的风险项进行分析与分级，以便对风险食品及食品企业实施重点监管，及时隔离或跟踪风险食品及食品企业，从而保障食品安全，本发明提供了一种食品企业风险分级智能化管控系统，所述食品企业风险分级智能化管控系统包括：
4.数据建设单元，用于建立食品数据库，所述食品数据库用于存储食品信息，所述食品信息包括食品质量信息、食品特征信息和食品企业信息；
5.数据存储单元，用于将食品信息存入所述食品数据库中，并对所述食品数据库中的数据进行删除、修改和查询操作；
6.模型建设单元，用于建立食品风险评估模型，所述食品风险评估模型用于评估所述食品信息是否存在风险以及所述食品信息的风险等级；
7.数据分析单元，用于根据所述食品风险评估模型对所述食品数据库中的数据进行评估，获得评估结果；
8.结果反馈单元，用于根据所述评估结果向用户提供企业食品风险预警信息和企业食品风险等级信息。
9.其中，本系统原理为：数据建设单元建立用于存储食品信息的食品数据库，通过数据存储单元对所述食品数据库进行管理，将食品信息分为食品质量信息、食品特征信息和
食品企业信息，对食品信息做出了准确的区分，模型建设单元根据所述食品数据库建立用于评估食品是否存在风险以及风险等级的食品风险评估模型，数据分析单元根据所述风险评估模型对已有的食品数据进行评估，获得评估结果，最后由所述结果反馈单元根据所述评估结果向用户提供食品风险预警信息和食品风险等级信息，实现了准确、自动的对发现的影响食品或食品企业安全的风险项进行分析与分级，以便对风险食品及食品企业实施重点监管，保障了食品安全。
10.进一步的，由于食品安全涉及食品生产及供应的整个过程，生产、运输、储存、销售以及加工过程中的若干因素都会影响最终的食品质量安全，使食品或食品企业存在风险，同时，不同品类的食品在上述生产供应流程的安全标准不同，因此，需要存储的食品信息内存在复杂的引用关系，需要对食品数据存储结构进行设计，以便于后续对食品信息的处理，所述食品数据库为关系型数据库，所述食品数据库包括若干相互引用的数据表，所述数据建设单元首先根据所述食品信息建设对应的若干数据表，然后建立所述若干数据表间的引用关系，最后获得所述食品数据库。
11.其中，由于不同品类的食品、不同制造流程中的食品以及不同食品企业类型对应的食品安全评估侧重点不同，为了准备描述食品信息间的相互引用关系，便于后续对食品安全进行评估，所述若干数据表包括食品品类表、食品制造流程表、食品属性表、环境属性表和企业信息表。
12.进一步的，由于食品种类丰富，新品类的食品层出不穷，为了自动化对新获得的食品信息进行分类，存入所述食品数据库对应位置，所述数据存储单元将食品信息存入所述食品数据库包括以下步骤：
13.建立机器学习模型，将所述食品数据库作为训练集对所述机器学习模型进行训练，获得食品分类模型；
14.获得食品数据，并根据所述食品分类模型对所述食品数据进行分类，获得分类结果；
15.根据所述分类结果将所述食品信息存入所述食品数据库中。
16.进一步的，对于不同类别的食品或不同类型的食品企业，影响其食品安全的若干属性的重要性优先级不同，但对于相同类别的食品或相同类型的食品企业，影响其食品安全的若干属性的重要性优先级相似，为了自动根据食品类别确定影响食品安全的属性重要性优先级，便于后续对食品风险进行评估，所述数据存储单元根据所述食品分类模型对所述食品数据进行分类，获得分类结果后，首先根据所述分类结果对所述食品数据添加数据标记，所述数据标记用于表示所述食品数据的属性优先级，然后根据所述分类结果将所述食品信息及对应的标记存入所述食品数据库中。
17.进一步的，食品安全的影响因素众多，各类因素以直接或间接的方式影响食品安全，导致食品产生不同程度的风险，而间接影响食品安全的因素通常无法直接通过观察推理发现，因此，为了发现食品安全的间接影响因素，所述数据分析单元还用于根据所述食品数据库中存储的食品信息进行数据挖掘，获得食品风险项；
18.所述数据反馈单元根据所述食品风险项向用户发出第一预警信息，用户根据所述第一预警信息判断是否根据所述食品风险项更新所述食品风险评估模型。
19.进一步的，由于食品种类丰富，新品类的食品层出不穷，相应的，为了提高食品风
险评估结果的准确性，所述风险评估模型也需要相应的更新，所述数据存储单元还用于存储所述风险评估模型和对应的版本号，用户能够依据所述版本号回溯所述风险评估模型的版本，选择最佳的风险评估模型，所述风险评估模型更新时，同步更新所述风险评估模型对应的版本号。
20.进一步的，所述风险评估模型根据食品信息的特征评价食品信息的风险等级，为了使所述风险评估模型在异常情况下仍能够提供准确的评估结果，所述风险评估模型对所述食品数据库中的数据进行评估具体包括以下步骤：
21.访问所述食品数据库，提取食品数据特征；
22.根据所述食品数据特征确定风险标准值；
23.根据所述风险标准值对所述食品数据进行评估，获得评估结果。
24.进一步的，在环境异常或气候异常时，食品产生安全风险的可能性增加，为了在上述异常情况下准确的评估食品的风险等级，使所述风险评估模型具有鲁棒性，所述风险评估模型根据所述食品数据特征确定食品风险标准具体为：
25.将所述食品数据特征分为固有特征和随机特征，其中，所述固有特征用于描述食品本身的固有属性，所述随机特征用于描述影响食品风险的外界属性；
26.确定所述固有特征的第一风险标准值和所述随机特征的第二风险标准值；
27.计算所述随机特征对应的特征值与所述第二标准值的差值，若所述差值大于阈值则调整所述第一标准值。
28.进一步的，食品信息可能由于网络波动、人工操作失误而产生部分数据，为了降低所述食品信息部分丢失时产生的影响，所述风险评估模型根据所述风险标准值对所述食品数据进行评估具体为：
29.判断所述食品信息是否存在部分数据丢失；
30.若所述食品信息不存在部分数据丢失，则根据所述风险标准值对所述食品数据进行评估，获得评估结果；
31.若所述食品信息存在部分数据丢失，则将所述食品信息根据时间分为样本食品信息和缺失食品信息，所述缺失食品信息即所述食品信息中丢失的部分，根据所述样本食品信息对所述缺失食品信息进行补充，获得预测食品信息；
32.根据所述风险标准值对所述预测食品信息进行评估，获得参考评估结果，并向用户发出第二预警信息，所述第二预警信息用于向用户提示所述食品信息存在部分数据丢失，由此，所述风险评估模型在所述食品信息部分丢失时仍能够向用户提供食品风险参考评估结果，使系统具有鲁棒性。
33.本发明提供的一个或多个技术方案，至少具有如下技术效果或优点：
34.1.通过建设风险评估模型实现了自动、及时的发现食品及食品企业存在的风险，对发现的影响食品安全的风险项进行分析与分级，实现了对食品安全的管控；
35.2.建立用于存储食品信息的食品数据库，并根据食品信息种类多、引用关系复杂的特点设计了数据存储结构，以便对食品信息进行完整、全面的分析；
36.3.自动对食品进行分类，根据食品类别确定影响食品安全的属性优先级；
37.4.通过数据挖掘发现影响食品安全的新的风险因素，并提供给用户，提高了食品风险识别的准确性；
relationship diagram)如图2所示，所述若干数据表包括食品品类表、食品制造流程表、食品属性表、环境属性表和企业信息表；
55.具体的，请参考图2，所述食品品类表用于存储食品特征信息，所述食品品类表对应的字段包括品类序列号、品类名称和食品名称，其中，所述品类序列号为所述食品品类表的主键；
56.具体的，请参考图2，所述食品制造流程表用于存储食品特征信息，所述食品制造流程表对应的字段包括流程序列号、流程名称、品类名称、来料食品名称和出料食品名称，其中，所述流程序列号为所述食品制造流程表的主键，所述食品制造流程表为所述食品品类表的从表；
57.具体的，请参考图2，所述食品属性表用于存储食品质量信息，所述食品属性表对应的字段包括批次序列号、食品名称、生产日期、出货日期、保质期，其中，所述批次序列号为所述食品属性表的主键，所述食品属性表为所述食品品类表的从表；
58.具体的，请参考图2，所述环境属性表用于存储食品特征信息，所述环境属性表对应的字段包括环境温度、环境湿度、流程名称和批次序列号，所述流程名称和所述批次序列号为所述环境属性表的联合主键，所述环境表为所述食品属性表和所述食品制造流程表的从表；
59.具体的，请参考图2，所述企业信息表用于存储食品企业信息，所述企业信息表对应的字段包括企业序列号、企业名称、企业类型和流程名称，所述企业序列号为所述企业信息表的主键，所述企业信息表为所述食品制造流程表的从表。
60.其中，若干数据表对应的字段可以根据实际使用时食品数据的特征在本实施例所提供的参考上进行相应的增加或删减，本发明中所述食品数据表的具体实现不受本实施例的限制。
61.实施例二
62.请参考图1-2，本发明实施例二提供了一种食品企业风险分级智能化管控系统，在实施例的基础上，所述数据存储单元将食品信息存入所述食品数据库包括以下步骤：
63.建立机器学习模型，将所述食品数据库作为训练集对所述机器学习模型进行训练，获得食品分类模型；
64.获得食品数据，并根据所述食品分类模型对所述食品数据进行分类，获得分类结果；
65.根据所述分类结果将所述食品信息存入所述食品数据库中。
66.其中，所述机器学习模型可以为神经网络模型、决策树模型、支持向量机模型或贝叶斯模型，所述机器学习的种类根据实际需要确定，本实施例在此不做具体限定。
67.其中，在本实施例中，所述数据存储单元根据所述食品分类模型对所述食品数据进行分类，获得分类结果后，首先根据所述分类结果对所述食品数据添加数据标记，所述数据标记用于表示所述食品数据的属性优先级，然后根据所述分类结果将所述食品信息及对应的标记存入所述食品数据库中。
68.在对食品或食品企业进行风险评估时，由于食品或食品企业的不同特性，评估不同品类的食品或不同食品企业的风险时，需要关注的评估重点及标准不同；评估相同品类的食品或相同食品企业的风险时，需要关注的评估重点及标准相似；具体的，以肉类食品和
乳制品类食品为例，评估肉类食品的评估重点通常为环境温度，而乳制品类食品的评估重点通常包括环境温度、环境湿度和存储时间；以食品生产企业和食品加工企业为例，对于食品生产企业生产的食品，需要的关注的评估重点通常食品生产环境和食品运输环境，对于食品加工企业生产的水平，需要关注的重点通常为食品储藏环境和食品加工环境，所述数据标记即根据食品的分类结果表示食品数据各项属性的属性优先级，所述属性优先级具体根据实际使用时的需要确定，本实施例在此不做具体限定。
69.其中，在本实施例中，所述数据分析单元还用于根据所述食品数据库中存储的食品信息进行数据挖掘，获得食品风险项；
70.所述数据反馈单元根据所述食品风险项向用户发出第一预警信息，用户根据所述第一预警信息判断是否根据所述食品风险项更新所述食品风险评估模型。
71.其中，所述第二预警信息可以为声音信息、图像信息、文字信息或符号信息，所述第二预警信息的表现形式本实施例在此不做具体限定。
72.其中，所述数据挖掘可以通过期望最大值算法、最邻近算法或隐含狄利克雷分布算法实现，所述数据挖掘算法的具体种类根据实际需要确定，本实施例在此不做具体限定。
73.其中，在本实施例中，所述数据存储单元还用于存储所述风险评估模型和对应的版本号，所述风险评估模型更新时，同步更新所述风险评估模型对应的版本号。
74.其中，所述版本号用于记录所述风险评估模型历史版本，用户可以根据需要选择合适的风险评估模型，从而提高食品企业风险评估与分级结果的准确性。
75.实施例三
76.请参考图1-2，本发明实施例三提供了一种食品企业风险分级智能化管控系统，在实施例一的基础上，所述风险评估模型对所述食品数据库中的数据进行评估具体包括以下步骤：
77.访问所述食品数据库，提取食品数据特征；
78.根据所述食品数据特征确定风险标准值；
79.根据所述风险标准值对所述食品数据进行评估，获得评估结果。
80.其中，所述提取食品数据特征即提取所述食品数据库中食品信息的若干属性，如食品保质期、食品重量、环境温度以及环境湿度等，具体属性根据实际使用时食品信息的特点确定，本实施例在此不做具体限定。
81.其中，所述根据食品数据特征确定风险标准值即确定所述食品信息若干属性的标准值，如食品保质期标准、食品重量标准、环境温度标准以及环境湿度标准，具体标准根据实际需要确定，本实施例在此不做具体限定。
82.其中，所述根据所述风险标准值对所述食品数据进行评估即在确定所述风险标准值后，将食品信息与所述风险标准值对比，根据所述食品信息与所述风险标准值的关系确定食品是否存在风险，并对风险进行分级；可以理解，当食品信息与所述风险标准值相差越大，该食品存在的风险就越大，相应的风险等级就越高，所述风险等级的具体划分标准根据实际使用时的需要确定，本实施例在此不做具体限定。
83.其中，在本实施例中，所述风险评估模型根据所述食品数据特征确定食品风险标准具体为：
84.将所述食品数据特征分为固有特征和随机特征，其中，所述固有特征用于描述食
品本身的固有属性，所述随机特征用于描述影响食品风险的外界属性；
85.具体的，所述固有特征即食品本身所具有的固有属性，如食品保质期或食品重量；所述随机特征即外界中会对食品产生影响的外界属性，如环境温度或环境湿度，所述固有特征和所述随机特征的具体种类和数量根据实际使用时的需要确定，本实施例在此不做具体限定。
86.确定所述固有特征的第一风险标准值和所述随机特征的第二风险标准值；
87.具体的，确定所述第一风险标准值即确定所述固有特征中若干属性的标准值，如食品保质期标准或食品重量标准；确定所述第二风险标准值即确定所述随机特征中若干属性的标准值，如环境温度标准或环境湿度标准，具体标准根据实际需要确定，本实施例在此不做具体限定。
88.计算所述随机特征对应的特征值与所述第二标准值的差值，若所述差值大于阈值则调整所述第一标准值。
89.其中，所述随机特征的具体数值会影响所述固有特征的标准，如环境温度较高时，由于食品保藏条件首先，食品保质期应相应的缩短，具体的，所述阈值根据实际需要确定，本实施例在此不做具体限定。
90.其中，在本实施例中，所述风险评估模型根据所述风险标准值对所述食品数据进行评估具体为：
91.判断所述食品信息是否存在部分数据丢失；
92.若所述食品信息不存在部分数据丢失，则根据所述风险标准值对所述食品数据进行评估，获得评估结果；
93.若所述食品信息存在部分数据丢失，则将所述食品信息根据时间分为样本食品信息和缺失食品信息，所述缺失食品信息即所述食品信息中丢失的部分，根据所述样本食品信息对所述缺失食品信息进行补充，获得预测食品信息；
94.其中，所述样本食品信息为所述食品信息中完整的部分，所述样本食品信息可以为历史食品信息或同类食品信息，本实施例在此不做限定；所述风险评估模型将所述样本食品信息作为训练集，对所述样本食品信息进行学习，并根据学习结果对所述缺失食品信息进行补充，获得预测食品信息，对所述样本食品信息学习可以通过线性回归算法或逻辑回归算法实现，本实施例在此不做具体限定。
95.根据所述风险标准值对所述预测食品信息进行评估，获得参考评估结果，并向用户发出第二预警信息，所述第二预警信息用于向用户提示所述食品信息存在部分数据丢失。
96.其中，所述第二预警信息可以为声音信息、图像信息、文字信息或符号信息，所述第二预警信息的表现形式本实施例在此不做具体限定。
97.尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
98.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

技术特征：

1.一种食品企业风险分级智能化管控系统，其特征在于，所述食品企业风险分级智能化管控系统包括：数据建设单元，用于建立食品数据库，所述食品数据库用于存储食品信息，所述食品信息包括食品质量信息、食品特征信息和食品企业信息；数据存储单元，用于将食品信息存入所述食品数据库中，并对所述食品数据库中的数据进行删除、修改和查询操作；模型建设单元，用于建立食品风险评估模型，所述食品风险评估模型用于评估所述食品信息是否存在风险以及所述食品信息的风险等级；数据分析单元，用于根据所述食品风险评估模型对所述食品数据库中的数据进行评估，获得评估结果；结果反馈单元，用于根据所述评估结果向用户提供企业食品风险预警信息和企业食品风险等级信息。2.根据权利要求1所述的一种食品企业风险分级智能化管控系统，其特征在于，所述食品数据库为关系型数据库，所述食品数据库包括若干数据表，所述数据建设单元首先根据所述食品信息建设所述若干数据表，然后建立所述若干数据表间的引用关系，最后获得所述食品数据库。3.根据权利要求2所述的一种食品企业风险分级智能化管控系统，其特征在于，所述若干数据表包括食品品类表、食品制造流程表、食品属性表、环境属性表和企业信息表。4.根据权利要求1所述的一种食品企业风险分级智能化管控系统，其特征在于，所述数据存储单元将食品信息存入所述食品数据库包括以下步骤：建立机器学习模型，将所述食品数据库作为训练集对所述机器学习模型进行训练，获得食品分类模型；获得食品数据，并根据所述食品分类模型对所述食品数据进行分类，获得分类结果；根据所述分类结果将所述食品信息存入所述食品数据库中。5.根据权利要求4所述的一种食品企业风险分级智能化管控系统，其特征在于，所述数据存储单元根据所述食品分类模型对所述食品数据进行分类，获得分类结果后，首先根据所述分类结果对所述食品数据添加数据标记，所述数据标记用于表示所述食品数据的属性优先级，然后根据所述分类结果将所述食品信息及对应的标记存入所述食品数据库中。6.根据权利要求1所述的一种食品企业风险分级智能化管控系统，其特征在于，所述数据分析单元还用于根据所述食品数据库中存储的食品信息进行数据挖掘，获得食品风险项；所述数据反馈单元根据所述食品风险项向用户发出第一预警信息，用户根据所述第一预警信息判断是否根据所述食品风险项更新所述食品风险评估模型。7.根据权利要求1所述的一种食品企业风险分级智能化管控系统，其特征在于，所述数据存储单元还用于存储所述风险评估模型和对应的版本号，所述风险评估模型更新时，同步更新所述风险评估模型对应的版本号。8.根据权利要求1所述的一种食品企业风险分级智能化管控系统，其特征在于，所述风险评估模型对所述食品数据库中的数据进行评估具体包括以下步骤：访问所述食品数据库，根据所述食品数据库中存储的食品信息提取食品数据特征；
根据所述食品数据特征确定风险标准值；根据所述风险标准值对所述食品数据进行评估，获得评估结果。9.根据权利要求8所述的一种食品企业风险分级智能化管控系统，其特征在于，所述风险评估模型根据所述食品数据特征确定食品风险标准具体为：将所述食品数据特征分为固有特征和随机特征，其中，所述固有特征用于描述食品本身的固有属性，所述随机特征用于描述影响食品风险的外界属性；确定所述固有特征的第一风险标准值和所述随机特征的第二风险标准值；计算所述随机特征对应的特征值与所述第二标准值的差值，若所述差值大于阈值则调整所述第一标准值。10.根据权利要求8所述的一种食品企业风险分级智能化管控系统，其特征在于，所述风险评估模型根据所述风险标准值对所述食品数据进行评估具体为：判断所述食品信息是否存在部分数据丢失；若所述食品信息不存在部分数据丢失，则根据所述风险标准值对所述食品数据进行评估，获得评估结果；若所述食品信息存在部分数据丢失，则将所述食品信息根据时间分为样本食品信息和缺失食品信息，所述缺失食品信息即所述食品信息中丢失的部分，根据所述样本食品信息对所述缺失食品信息进行补充，获得预测食品信息；根据所述风险标准值对所述预测食品信息进行评估，获得参考评估结果，并向用户发出第二预警信息，所述第二预警信息用于向用户提示所述食品信息存在部分数据丢失。

技术总结

本发明公开了一种食品企业风险分级智能化管控系统，涉及食品安全领域，系统通过建设风险评估模型实现了准确、自动的对发现的影响食品或食品企业安全的风险项进行分析与分级，以便对风险食品及食品企业实施重点监管，保障了食品安全；同时，针对食品信息的特征建立了用于存储食品信息的食品数据库，对食品信息进行完整、全面的分析，明确了食品信息间的相互引用关系，提高了风险评估的准确性；自动对食品进行分类，并根据食品类别确定影响食品安全的风险因素分布，提高了风险评估的准确性；最后，风险评估模型根据食品信息的特征评价食品的风险等级，并自动对评价标准进行调整，使系统具有一定的鲁棒性，满足实际使用的需要。满足实际使用的需要。满足实际使用的需要。