【技术实现步骤摘要】
本专利技术涉及病原采样与监测，尤其涉及一种农贸市场病原采样与监测方法及系统。
技术介绍
1、随着社会经济的发展和人民生活水平的提高，食品安全问题日益受到关注。农贸市场作为食品流通的主要场所，其环境中的病原微生物污染已成为影响食品安全的重要因素。传统病原采样和监测，主要是对区域进行采样，然后监测区域异常，但是对于病原传播和迁移以及病原源头监测和分析仍存在较大问题。所以迫切需要一种更加高效、实时的农贸市场病原采样与监测方法，以确保食品安全，保护公众健康。
技术实现思路
1、本专利技术克服了现有技术的缺陷，提供了一种农贸市场病原采样与监测方法及系统，其重要目的在于提高监测全面性和区域安全性。
2、为实现上述目的本专利技术第一方面提供了一种农贸市场病原采样与监测方法，包括：
3、对目标农贸市场进行区域划分，分别对各区域进行病原采样，并进行病原检测，得到病原检测信息；
4、根据所述病原检测信息进行异常指标检测，并分析异常指标的产生原因，得到异常原因分析信息；
5、获取目标农贸市场的区域气象信息，进行病原异常迁移路径预测，根据预测结果进行风险评估，并对各区域进行危险标记；
6、进行异常溯源，分析产生异常病原的源头，并进行预警提示。
7、本方案中，所述对目标农贸市场进行区域划分，分别对各区域进行病原采样，并进行病原检测，具体为：
8、获取目标农贸市场的区域位置信息，根据目标农贸市场的区域位置信息将目标农贸市场划分
9、获取目标农贸市场的入驻商家信息，包括商家经营信息和商家位置信息，对入驻商家信息进行特征提取，提取各商家的属性特征，得到商家属性特征信息；
10、根据所述商家属性特征信息对各商家进行功能分析，得到功能分析信息；
11、预设划分类别，根据所述功能分析信息计算各子区域内部商家与各类别的欧式距离，并与预设阈值进行判断，根据判断结果对各商家进行类别划分，得到商家类别划分信息；
12、预设区域类别划分阈值，根据所述商家类别划分信息提取各子区域内各类别商家数量，与所述区域类别划分阈值进行判断，对各子区域进行区域类别划分，定义小于预设阈值的子区域为混合类别区域，得到区域类别划分信息。
13、本方案中，所述对目标农贸市场进行区域划分，分别对各区域进行病原采样，并进行病原检测，还包括：
14、获取区域类别划分信息，根据所述区域类别划分信息提取混合类别区域，计算混合类别区域内各商家与邻近商家之间的相似度值；
15、将计算得到的相似度值与预设阈值进行判断，分析目标商家与邻近商家的区别，将小于预设阈值的商家定义为区别商家，得到区别商家分析信息；
16、获取商家属性特征信息和功能分析信息，结合所述区别商家分析信息对混合类别区域进行划分，提取各区别商家的位置特征和功能特征，将各区别商家的位置特征作为分割点，根据各分割点对应的功能特征进行连接，得到混合类别区域划分信息；
17、根据所述混合类别区域划分信息进行提取各混合类别区域内的子区域类别，计算与邻近区域的欧式距离，根据计算得到的欧式距离判断是否将目标区域与邻近区域进行合并，得到最终区域划分信息；
18、根据所述最终区域划分信息分别对各区域进行病原采样，并基于病原检测技术对各区域的采样样本进行检测，得到病原检测信息。
19、本方案中，所述根据所述病原检测信息进行异常指标检测，并分析异常指标的产生原因，具体为：
20、获取病原检测信息，对所述病原检测信息进行特征提取，得到病原检测特征信息；
21、基于孤立森林算法构建异常检测模型，将所述病原检测特征信息输入至所述异常检测模型中进行分析，根据所述病原检测特征信息构建第一特征图；
22、引入ransac算法进行优化，根据所述病原检测特征信息随机抽取若干特征，进行线性拟合，根据线性拟合结果计算实际观测值与拟合预测值的差异，生成残差特征，构成第二特征图；
23、将第一特征图和第二特征图进行融合，得到融合特征图，根据融合特征图确定孤立森林中树的总数，并构建孤立树进行异常检测，计算各数据点在孤立树上的路径长度，作为异常分数；
24、将计算得到的异常分数与预设阈值进行判断，选取大于预设阈值的数据点作为异常数据，得到异常检测信息；
25、获取正常指标信息，结合所述异常检测信息进行异常指标分析，计算与正常指标的偏差，并与预设阈值进行判断，得到异常指标检测信息；
26、基于大数据检索获取各种异常指标的产生原因，计算各产生原因与对应异常指标的皮尔逊相关系数，作为异常指标产生原因的支持度指标，构建知识图谱；
27、将所述异常指标检测信息与知识图谱进行相似度计算，获取相似度值，根据相似度值分析异常指标的产生原因，得到异常原因分析信息。
28、本方案中，所述获取目标农贸市场的区域气象信息，进行病原异常迁移路径预测，根据预测结果进行风险评估，并对各区域进行危险标记，具体为：
29、获取目标农贸市场的区域气象信息，对目标农贸市场进行监测，获取目标农贸市场的人员动线信息；
30、通过大数据检索获取各种病原在不同环境下的迁移规律和迁移路径，构建实例数据集，构建迁移路径预测模型，通过所述实例数据集进行深度学习和训练；
31、对所述区域气象信息进行特征提取，提取目标农贸市场的时间特征和空间特征，得到时空特征信息；
32、将所述时空特征信息和人员动线信息输入至所述迁移路径预测模型中进行预测分析，预测病原的迁移路径，得到迁移路径预测信息；
33、根据所述迁移路径预测信息提取迁移路径经过的区域和经过时间，根据经过时间进行排序，并通过人员动线信息提取各区域的人员经过频率，作为风险评估权重，进行风险评估，得到风险评估信息；
34、获取异常原因分析信息，根据风险评估信息对各区域进行危险标记，并将危险区域的邻近区域标记为潜在危险区域，结合异常原因分析信息制定防控策略对各区域进行监测和防控。
35、本方案中，所述进行异常溯源，分析产生异常病原的源头，并进行预警提示，具体为：
36、获取入驻商家信息、功能分析信息、异常原因分析信息和风险评估信息；
37、根据所述风险评估信息提取危险区域，结合所述功能分析信息和入驻商家信息对各危险区域内的入驻商家进行特征提取，包括属性特征和功能特征，得到第一分析信息；
38、将所述第一分析信息与所述异常原因分析信息进行相似度计算，获取相似度值，作为溯源支持度指标，与预设阈值进行判断，得到第一判断结果信息；
39、若所述第一判断结果信息为目标区域内不存在与异常原因相关的商家，则提取危险区域邻近区域的各入驻商家的属性特征和功能特征，构成第二分析信息，进行相关性分析；
40、预设相关性判断阈值，计算所本文档来自技高网...
【技术保护点】
1.一种农贸市场病原采样与监测方法，其特征在于，包括：
2.根据权利要求1所述的一种农贸市场病原采样与监测方法，其特征在于，所述对目标农贸市场进行区域划分，分别对各区域进行病原采样，并进行病原检测，具体包括：
3.根据权利要求1所述的一种农贸市场病原采样与监测方法，其特征在于，所述对目标农贸市场进行区域划分，分别对各区域进行病原采样，并进行病原检测，还包括：
4.根据权利要求1所述的一种农贸市场病原采样与监测方法，其特征在于，所述根据所述病原检测信息进行异常指标检测，并分析异常指标的产生原因，具体包括：
5.根据权利要求1所述的一种农贸市场病原采样与监测方法，其特征在于，所述获取目标农贸市场的区域气象信息，进行病原异常迁移路径预测，根据预测结果进行风险评估，并对各区域进行危险标记，具体包括：
6.根据权利要求1所述的一种农贸市场病原采样与监测方法，其特征在于，所述进行异常溯源，分析产生异常病原的源头，并进行预警提示，具体包括：
7.一种农贸市场病原采样与监测系统，其特征在于，该系统包括：存储器、处理器，所述存
8.根据权利要求7所述的一种农贸市场病原采样与监测系统，其特征在于，所述对目标农贸市场进行区域划分，分别对各区域进行病原采样，并进行病原检测，具体包括：
9.根据权利要求7所述的一种农贸市场病原采样与监测系统，其特征在于，所述对目标农贸市场进行区域划分，分别对各区域进行病原采样，并进行病原检测，还包括：
10.根据权利要求7所述的一种农贸市场病原采样与监测系统，其特征在于，所述根据所述病原检测信息进行异常指标检测，并分析异常指标的产生原因，具体包括：
...【技术特征摘要】
1.一种农贸市场病原采样与监测方法，其特征在于，包括：
2.根据权利要求1所述的一种农贸市场病原采样与监测方法，其特征在于，所述对目标农贸市场进行区域划分，分别对各区域进行病原采样，并进行病原检测，具体包括：
3.根据权利要求1所述的一种农贸市场病原采样与监测方法，其特征在于，所述对目标农贸市场进行区域划分，分别对各区域进行病原采样，并进行病原检测，还包括：
4.根据权利要求1所述的一种农贸市场病原采样与监测方法，其特征在于，所述根据所述病原检测信息进行异常指标检测，并分析异常指标的产生原因，具体包括：
5.根据权利要求1所述的一种农贸市场病原采样与监测方法，其特征在于，所述获取目标农贸市场的区域气象信息，进行病原异常迁移路径预测，根据预测结果进行风险评估，并对各区域进行危险标记，具体包括：
6.根据权利要求1所述的一种农贸市场...
【专利技术属性】
技术研发人员：姜敬哲，谢科明，原丽红，刘畅，刘广锋，
申请(专利权)人：中国水产科学研究院南海水产研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。