【技术实现步骤摘要】
本专利技术涉及食品安全诊断，具体为一种基于人工智能的食品安全自动化诊断系统及方法。
技术介绍
1、随着现代科技的进步和生活水平的提高，越来越多的人选择了选择加工食品。这里所说的加工食品是指在生产和制作过程中添加了各种化学添加剂和人工合成的成分，使得食品能够在加工和储存过程中保持良好的口感和外观，同时也能够增加食品的营养和保质期。
2、然而，与此同时也带来了加工食品的安全问题，现有的食品安全诊断中，往往采用企业预设的固定食品安全校验项目，没有考虑实时变化的社会事件，容易造成食品安全诊断不准确，且企业在食品安全诊断中没有考虑校验人员对食品安全诊断中造成的影响。
3、所以，本专利技术公开一种基于人工智能的食品安全自动化诊断系统及方法以解决上述问题。
技术实现思路
1、本专利技术的目的在于提供一种基于人工智能的食品安全自动化诊断系统及方法，以解决上述
技术介绍
中提出的问题。
2、为了解决上述技术问题，本专利技术提供如下技术方案：一种基于人工智能的食品安全自动化诊断方法，该方法包括如下步骤：
3、s1：获取企业与食品安全相关的历史社会文本数据和历史业务文本数据，对历史社会文本数据和历史业务文本数据进行数据预处理；
4、s2：对预处理后的数据进行分析生成特征词汇，根据特征词汇进行特征选择组成特征序列，根据特征序列形成食品安全校验总项目集合；
5、s3：根据食品安全校验总项目集合对食品样品进行食品安全校验，利用图像识别技术识别
6、s4：根据食品安全校验项的校验结果计算食品样品异常分值，根据食品样品异常分值判断食品安全。
7、根据上述方案，在s1中，系统预设时间期限，获取预设时间期限内与企业产品存在关联且与食品安全相关的历史社会文本数据和历史业务文本数据，所述历史社会文本数据包括科学文献文本数据、研究报告文本数据和新闻文章文本数据；所述历史业务文本数据包括监督检查文本数据、产品抽检文本数据、包保督导文本数据和投诉举报文本数据；对所述食品安全相关的历史社会文本数据和历史业务文本数据进行数据预处理，所述数据预处理包括文本清洗、分词、停用词去除、词干提取和词性还原；历史社会文本数据预处理后生成历史社会文本词序列，历史业务文本数据预处理后生成历史业务文本词序列；将不同的历史业务文本词序列进行整合形成历史业务文本总词序列。
8、根据上述方案，在s2中，包括如下步骤：
9、s201：将预处理后生成的历史社会文本词序列和历史业务文本总词序列分别根据预设的n值，生成n-grams记为特征词汇，统计每个特征词汇在所属的序列中出现的频率，在各自的历史社会文本词序列和历史业务文本总词序列中，将特征词汇按照出现的频率从大到小的顺序进行排列分别形成历史社会文本排列词序列和历史业务文本排列词序列；
10、s202：对历史业务文本排列词序列中特征词汇出现的频率设置频率阈值，提取出现频率大于或等于所设频率阈值的特征词汇组成历史业务文本特征词序列，舍弃频率小于所设频率阈值的特征词汇；所述历史业务文本特征词序列中特征词汇的排列顺序与历史业务文本排列词序列排列顺序一致；
11、s203：按照历史业务文本特征词序列中特征词汇的排列顺序，依次提取特征词汇，将被提取的特征词汇记为对比词汇，在历史社会文本排列词序列中查找与所述对比词汇相同的特征词汇，将与所述对比词汇相同的特征词汇记为被对比词汇；
12、计算所述被对比词汇所属的历史社会文本排列词序列中的所有特征词汇出现频率的标准差；若所述被对比词汇的出现频率大于或等于所述标准差，提取所述被对比词汇所属的历史社会文本排列词序列中，出现频率大于或等于所述被对比词汇的出现频率的特征词汇，将提取的特征词汇组成第一历史社会文本特征词序列；反之，则舍弃整个历史社会文本排列词序列；
13、s204：将步骤s203中提取的所有第一历史社会文本特征词序列中的特征词汇和历史业务文本排列词序列的特征词汇，进行整合组成第二历史社会文本特征词序列；将第二历史社会文本特征词序列中的特征词汇与食品安全校验项数据库进行对比查找，生成食品安全校验项目集合，根据食品安全校验项目集合与企业预设食品安全校验项，生成食品安全校验总项目集合；所述食品安全校验总项目集合包括食品安全检测中的食品安全校验项；所述食品安全校验项数据库包括市面上存在的所有食品安全校验项目。
14、从实时变化的社会事件中提取特征词汇，将社会事件中存在的问题，分析相关联的食品安全校验项目，将相关联的食品安全校验项目添加至企业固有的食品安全校验项目中，能够提高食品安全判断的准确性，减少因社会事件对企业造成的影响。
15、根据上述方案，在s3中，对检验人员的违规行为进行分析包括如下步骤：
16、s301：获取检验区域内每个检验人员的行为记录，筛选出行为记录中违规记录时间不为零且当前位置处于校验影响区的检验人员进行标记；获取每个标记检验人员的历史违规记录，统计历史违规记录次数记为d；所述违规记录包括未佩戴口罩和未佩戴手套；所述校验影响区为以食品样品为圆心，预设影响半径的圆形区域；
17、s302：获取每个标记检验人员的当日违规记录和当前时间，统计的当日违规记录总数记为d；计算当前时间与最新一次违规记录结束时间之间的时长记为s，若当日违规记录为零，则将前一天违规记录中最后第二次违规记录结束时间至最后第二次违规记录开始时间作为最新一次违规时间；分别计算每个标记检验人员违规记录时间间隔，将时间间隔求取平均值后记为sv，计算每个标记检验人员的违规分数vs，具体计算公式如下所示；
18、vs＝(1+d÷d)×[ln(d+1)+s÷sv]；
19、s303：对检验区域内的所有标记检验人员的违规分数进行求和，若求和违规分数大于求和违规分数阈值，则判断食品样品存在污染风险；小于或等于则不存在污染风险。
20、检验人员对食品样品的检验存在较高的影响因素，若检验人员在工作期间存在违规行为，容易造成食品样品的污染，进而后续的食品安全判断有误，本专利技术对检验人员的违规行为进行分析，能够提高食品安全判断的准确性。
21、根据上述方案，在s4中，提取同一批不存在污染风险的食品样品关于食品安全校验项的校验结果，对各个食品安全校验项的校验结果求取浓度平均值，根据的浓度平均值和对食品安全校验项预设的权重系数，计算食品样品异常分值，若食品样品异常分值大于或等于食品样品异常分值阈值，则食品样品不安全；若食品样品异常分值小于食品样品异常分值阈值，则食品样品安全。
22、本申请的另一个方面，提供了一种基于人工智能的食品安全自动化诊断系统，所述系统应用于上述的一种基于人工智能的食品安全自动化诊断方法实现，该系统包括数据采集预处理模块、特征分析模型构建模块、违规行为分析模块和食品安全判断模块；
23、所述数本文档来自技高网...
【技术保护点】
1.一种基于人工智能的食品安全自动化诊断方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的一种基于人工智能的食品安全自动化诊断方法，其特征在于：在S1中，系统预设时间期限，获取预设时间期限内与企业产品存在关联且与食品安全相关的历史社会文本数据和历史业务文本数据，所述历史社会文本数据包括科学文献文本数据、研究报告文本数据和新闻文章文本数据；所述历史业务文本数据包括监督检查文本数据、产品抽检文本数据、包保督导文本数据和投诉举报文本数据；对所述食品安全相关的历史社会文本数据和历史业务文本数据进行数据预处理，所述数据预处理包括文本清洗、分词、停用词去除、词干提取和词性还原；历史社会文本数据预处理后生成历史社会文本词序列，历史业务文本数据预处理后生成历史业务文本词序列；将不同的历史业务文本词序列进行整合形成历史业务文本总词序列。
3.根据权利要求2所述的一种基于人工智能的食品安全自动化诊断方法，其特征在于：在S2中，包括如下步骤：
4.根据权利要求3所述的一种基于人工智能的食品安全自动化诊断方法，其特征在于：在S3中，对检验人员的违规行为进
5.根据权利要求4所述的一种基于人工智能的食品安全自动化诊断方法，其特征在于：在S4中，提取同一批不存在污染风险的食品样品关于食品安全校验项的校验结果，对各个食品安全校验项的校验结果求取浓度平均值，根据的浓度平均值和对食品安全校验项预设的权重系数，计算食品样品异常分值，若食品样品异常分值大于或等于食品样品异常分值阈值，则食品样品不安全；若食品样品异常分值小于食品样品异常分值阈值，则食品样品安全。
6.一种基于人工智能的食品安全自动化诊断系统，所述系统应用于权利要求1-5中的任意一项所述的一种基于人工智能的食品安全自动化诊断方法实现，其特征在于，该系统包括数据采集预处理模块、特征分析模型构建模块、违规行为分析模块和食品安全判断模块；
7.根据权利要求6所述的一种基于人工智能的食品安全自动化诊断系统，其特征在于：所述数据采集预处理模块包括文本数据采集单元和数据预处理单元；
8.根据权利要求6所述的一种基于人工智能的食品安全自动化诊断系统，其特征在于：所述特征分析模型构建模块包括文本特征分析单元和食品安全校验总项目集合构建单元；
9.根据权利要求6所述的一种基于人工智能的食品安全自动化诊断系统，其特征在于：所述违规行为分析模块包括图像识别单元和行为分析单元；
...【技术特征摘要】
1.一种基于人工智能的食品安全自动化诊断方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的一种基于人工智能的食品安全自动化诊断方法，其特征在于：在s1中，系统预设时间期限，获取预设时间期限内与企业产品存在关联且与食品安全相关的历史社会文本数据和历史业务文本数据，所述历史社会文本数据包括科学文献文本数据、研究报告文本数据和新闻文章文本数据；所述历史业务文本数据包括监督检查文本数据、产品抽检文本数据、包保督导文本数据和投诉举报文本数据；对所述食品安全相关的历史社会文本数据和历史业务文本数据进行数据预处理，所述数据预处理包括文本清洗、分词、停用词去除、词干提取和词性还原；历史社会文本数据预处理后生成历史社会文本词序列，历史业务文本数据预处理后生成历史业务文本词序列；将不同的历史业务文本词序列进行整合形成历史业务文本总词序列。
3.根据权利要求2所述的一种基于人工智能的食品安全自动化诊断方法，其特征在于：在s2中，包括如下步骤：
4.根据权利要求3所述的一种基于人工智能的食品安全自动化诊断方法，其特征在于：在s3中，对检验人员的违规行为进行分析包括如下步骤：
5.根据权利要求4所述的一种基于人工智能的食...
【专利技术属性】
技术研发人员：张向飞，方海宾，王轶，倪孟锴，顾琦，吴浩，
申请(专利权)人：上海市大数据中心，
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。