【技术实现步骤摘要】
本专利技术涉及食品安全，具体为一种基于大数据的食品安全数据评价方法及系统。
技术介绍
1、由于食品安全直接关系到社会安全和经济发展，因此准确分析食品安全状态，对降低事故损失和健全食品安全控制体系具有重要意义，目前针对分析食品安全状态的方法通常为预测食品安全的风险状况，但该方法难以对食品安全数据作出评价，不便于获取食品安全指数数据并进行直观显示，且由于参与分析的数据不完整，使得现有的食品安全分析的分析结果的准确性较低。
2、现有的食品安全数据评价存在的缺陷是：
3、1、申请文件cn114186753a中主要考虑的是如何从供应链系统重定量分析食品安全风险问题，没有考虑到如何获取食品安全指数数据的问题；
4、2、专利文件us20020161545a1中主要考虑的是如何通过获取食品的特性管理以改善食品保质期的问题，没有考虑到如何提高数据和计算结果准确性的问题；
5、3、专利文件cn115964504a中主要考虑的是对食品安全风险的预测，没有考虑到如何分析安全评价指数的正确性，以及针对安全评价指数对数据来源方进行反馈的问题。
技术实现思路
1、本专利技术的目的在于提供一种基于大数据的食品安全数据评价方法及系统，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：一种基于大数据的食品安全数据评价方法，包括以下步骤：
3、s1：采集关于食品的多方信息数据，按照来源和\或类型分别对信息数据进行预处
4、s2：将标准化数据按照来源和\或类型进行整合；
5、s3：分别对整合后的标准化数据进行加权计算，获得多组食品安全等级指数评价用数据，并记为基础数据；
6、s4：建立食品安全指数评价模型，通过将基础数据输入食品安全指数评价模型中，获取目标食品的安全评价指数；
7、s5：结合s1、s2、s3和s4中的信息数据、标准化数据、基础数据和安全评价指数，基于区块链技术，建立针对目标食品的溯源链。
8、优选的，所述s1中包括基于大数据和云计算技术，建立数字化信息云平台，且数字化信息云平台用于接收和储存多方信息数据和标准化数据。
9、优选的，所述s1中多方信息数据包括动植物生长环境数据、农产品储运过程数据、食品加工过程数据、食品阶段性抽样检测结果数据，其中食品阶段性抽样检测包括未储运状态下农产品的检测、储运后未加工前农产品的检测和加工后产品的检测；
10、动植物生长环境数据包括生长地域、地域土壤成分、地域空气成分和地域水质成分，未储运状态下农产品的抽样检测结果数据包括多组样品的第一阶段环境污染物检测结果数据h1im、第一阶段农药残留检测结果数据n1ix和第一阶段兽药残留检测结果数据s1io，农产品储运过程数据包括储运方式、储运时长和储运环境温湿度数据，储运后未加工前农产品的抽样检测结果数据包括第二阶段环境污染物检测结果数据h2im、第二阶段农药残留检测结果数据n2ix、第二阶段兽药残留检测结果数据s2io和第二阶段新增有害微生物检测结果数据w2ip，食品加工过程数据包括加工类型、加工过程监控和添加剂的使用量，加工后产品的抽样检测结果数据包括第三阶段环境污染物检测结果数据h3im、第三阶段农药残留检测结果数据n3ix、第三阶段兽药残留检测结果数据s3io、第三阶段新增有害微生物检测结果数据w3ip和第三阶段食品添加剂检测结果数据t3iq；
11、其中，i表示食品阶段性抽样检测组数，m表示环境污染物类别数，x表示农药类别数，o表示兽药类别数，p表示新增有害微生物类别数，q表示食品添加剂类别数。
12、优选的，所述s1中还包括通过outlier detection技术对多方信息数据进行识别处理，识别离群数据，并分析判断离群数据的真实状态，其中当判断离群数据为真实数据时，选择保留离群数据并记为标准化数据，当判断离群数据为虚假数据时，选择剔除离群数据。
13、优选的，所述标准化数据的整合包括将植物生长环境数据、农产品储运过程数据、食品加工过程数据整合为食品安全指数影响因素数据，将食品阶段性抽样检测结果数据整合为计算用标准化数据。
14、优选的，所述基础数据的获取过程包括基于第一阶段环境污染物检测结果数据h1im，计算针对第一阶段环境污染物的基础数据jh1，且jh1的计算公式如下：
15、
16、
17、其中ξm表示第m类环境污染物指标权重，且0＜＜ξm＜＜1，h1im表示第一阶段中第i组抽样检测食品的第m类环境污染物的检测结果数据；
18、基于第一阶段农药残留检测结果数据n1in，计算针对第一阶段的农药残留的基础数据jn1，且jn1的计算公式如下：
19、
20、其中ψx表示第x类农药残留指标权重，且0＜＜ψx＜＜1，n1ix表示第一阶段中第i组抽样检测食品的第x类农药残留检测结果数据；
21、基于第一阶段兽药残留检测结果数据s1io，计算针对第一阶段的兽药残留的基础数据js1，且js1的计算公式如下：
22、
23、其中ζo表示第o类兽药残留指标权重，且0＜＜ζo＜＜1，s1io表示针对第一阶段中第i组抽样检测食品中的第o类兽药残留检测结果数据；
24、采用上述计算方式，基于第二阶段环境污染物检测结果数据h2im，计算针对第二阶段环境污染物的基础数据jh2，基于第二阶段农药残留检测结果数据n2in，计算针对第二阶段的农药残留的基础数据jn2，基于第二阶段兽药残留检测结果数据s2io，计算针对第二阶段的兽药残留的基础数据js2，且基于第二阶段新增有害微生物检测结果数据w2ip，计算针对第二阶段新增有害微生物的基础数据jw2，其中jw2的计算公式如下：
25、
26、其中表示第p类新增有害微生物指标权重，且w1ip表示针对第二阶段中第i组抽样检测食品中第p类有害微生物检测结果数据；
27、采用上述计算方式，基于第三阶段环境污染物检测结果数据h3im，计算针对第三阶段环境污染物的基础数据jh3，基于第三阶段农药残留检测结果数据n3in，计算针对第三阶段的农药残留的基础数据jn3，基于第三阶段兽药残留检测结果数据s3io，计算针对第三阶段的兽药残留的基础数据js3，基于第三阶段新增有害微生物检测结果数据w3ip，计算针对第三阶段新增有害微生物的基础数据jw3，且基于第三阶段的食品添加剂检测结果数据t3iq，计算针对第三阶段的食品添加剂的基础数据jt3，其中jt3的计算公式为：
28、
29、其中λp表示第q类食品添加剂指标权重，0＜＜λp＜＜1，j1ip表示针对第三阶段中第i组抽样检测食品中第q类食品添加剂检测结果数据，将所获得的基础数据按照类型和阶段进行分类储存。
30、优选的，所述建本文档来自技高网...
【技术保护点】
1.一种基于大数据的食品安全数据评价方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于大数据的食品安全数据评价方法，其特征在于：所述S1中包括基于大数据和云计算技术，建立数字化信息云平台，且数字化信息云平台用于接收和储存多方信息数据和标准化数据。
3.根据权利要求2所述的一种基于大数据的食品安全数据评价方法，其特征在于：所述S1中多方信息数据包括动植物生长环境数据、农产品储运过程数据、食品加工过程数据、食品阶段性抽样检测结果数据，其中食品阶段性抽样检测包括未储运状态下农产品的检测、储运后未加工前农产品的检测和加工后产品的检测；
4.根据权利要求1所述的一种基于大数据的食品安全数据评价方法，其特征在于：所述S1中还包括通过Outlier Detection技术对多方信息数据进行识别处理，识别离群数据，并分析判断离群数据的真实状态，其中当判断离群数据为真实数据时，选择保留离群数据并记为标准化数据，当判断离群数据为虚假数据时，选择剔除离群数据。
5.根据权利要求4所述的一种基于大数据的食品安全数据评价方法，其特征在于：所述
6.根据权利要求5所述的一种基于大数据的食品安全数据评价方法，其特征在于：所述基础数据的获取过程包括基于第一阶段环境污染物检测结果数据H1im，计算针对第一阶段环境污染物的基础数据Jh1，且Jh1的计算公式如下：
7.根据权利要求6所述的一种基于大数据的食品安全数据评价方法，其特征在于：所述建立食品安全指数评价模型，基于基础数据获取目标食品的安全评价指数的方法如下：
8.根据权利要求7所述的一种基于大数据的食品安全数据评价方法，其特征在于：所述S4中还包括计算相邻阶段的食品安全指数数据Z之间的指数差值∆Z，其中,c为阶段数，且c取值为2、3，当c+时，结合食品安全指数影响因素数据，分析安全评价指数变化原因。
9.根据权利要求1所述的一种基于大数据的食品安全数据评价方法，其特征在于：所述S5还包括建立食品的单一性溯源码，且溯源码中储存有安全评价指数与对应食品的多样性数据。
10.一种基于大数据的食品安全数据评价系统，用于实施权利要求8所述的一种基于大数据的食品安全数据评价方法，其特征在于，系统包括数据处理模块、模型构建模块、安全数据计算模块、数据分析模块和溯源链构建模块，且数据处理模块、模型构建模块、安全数据计算模块、数据分析模块和溯源链构建模块设置于数字化信息云平台内；
...【技术特征摘要】
1.一种基于大数据的食品安全数据评价方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于大数据的食品安全数据评价方法，其特征在于：所述s1中包括基于大数据和云计算技术，建立数字化信息云平台，且数字化信息云平台用于接收和储存多方信息数据和标准化数据。
3.根据权利要求2所述的一种基于大数据的食品安全数据评价方法，其特征在于：所述s1中多方信息数据包括动植物生长环境数据、农产品储运过程数据、食品加工过程数据、食品阶段性抽样检测结果数据，其中食品阶段性抽样检测包括未储运状态下农产品的检测、储运后未加工前农产品的检测和加工后产品的检测；
4.根据权利要求1所述的一种基于大数据的食品安全数据评价方法，其特征在于：所述s1中还包括通过outlier detection技术对多方信息数据进行识别处理，识别离群数据，并分析判断离群数据的真实状态，其中当判断离群数据为真实数据时，选择保留离群数据并记为标准化数据，当判断离群数据为虚假数据时，选择剔除离群数据。
5.根据权利要求4所述的一种基于大数据的食品安全数据评价方法，其特征在于：所述标准化数据的整合包括将植物生长环境数据、农产品储运过程数据、食品加工过程数据整合为食品安全指数影响因素数据，将食品阶段性抽样检测结果数据整合为计算用标准化数据...
【专利技术属性】
技术研发人员：张晓春，杨熙，张德跃，倪鹏飞，代甜甜，
申请(专利权)人：贵阳康养职业大学，
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。