【技术实现步骤摘要】
一种食品风险追溯信息分级方法和装置
本专利技术涉及食品追溯
,特别是涉及一种食品风险追溯信息分级方法和一种食品风险追溯信息分级装置。
技术介绍
食品安全问题不仅关系到消费者的身体健康和生命安全,也关系到经济健康发展和社会和谐稳定,受到国际和国内社会的广泛关注。近年来,随着食品科学技术的快速发展,消费者对食品种类有了更多的选择,对食品安全知识也有了更多的了解,更加关心自身的健康。为了从制度上解决食品安全问题,我国于2009年颁布实施了《中华人民共和国食品安全法》,规定食品不应对人体健康造成任何急性、亚急性或慢性危害。食品安全追溯是指为了确保食品质量安全,由生产者、加工者以及流通者分别将食品的生产销售过程中的可能影响食品质量安全的信息进行详细记录、保存并向消费者公开,在食品完成生产或流通后,可以再现食品供应全过程的信息,实现“源头可溯源、流向可追踪、过程可监控、产品可召回”。但追溯技术本身并不能解决食品安全问题,食品风险信息识别、监测和预警整个食品供应链过程中可能存在的危害,是食品行业企业和各国政府共同关注的目标和方向。根据食品追溯的目标不同,可以采用相应的技术来实现追溯,如采用DNA、虹膜识别、同位素检测来进行产地溯源和物种成分的鉴别,利用标签载体再现供应链信息等。其中,基于标签载体实现追溯,即采用纸质标签、塑料标签、电子标签等各种类型的信息载体来采集所需追溯的个体单元或批次信息。GS1(globalstandards1)制定的GS1globaltraceabilitystandard(全球可追溯性标准) ...
【技术保护点】
1.一种食品风险追溯信息分级方法,其特征在于,包括:/n利用人工智能模型的自学习能力,建立食品风险追溯信息分级的深度学习神经网络模型,对所述深度学习神经网络模型的权值和偏置进行初始化处理,得到原始深度学习神经网络模型;/n获取食品风险追溯信息样本,按照预设基础追溯信息因子格式进行信息划分,得到食品风险追溯信息因子;/n将所述食品风险追溯信息因子按照预设向量化方式转化成食品风险追溯信息向量;/n将所述食品风险追溯信息向量输入到所述原始深度学习神经网络模型中,得到当前所述食品风险追溯信息的原始分级向量;/n将所述原始分级向量输入到损失函数中,得到所述原始分级向量的损失率,若所述损失率在预设范围内,则所述原始分级向量确定为目标分级结果。/n
【技术特征摘要】
1.一种食品风险追溯信息分级方法,其特征在于,包括:
利用人工智能模型的自学习能力,建立食品风险追溯信息分级的深度学习神经网络模型,对所述深度学习神经网络模型的权值和偏置进行初始化处理,得到原始深度学习神经网络模型;
获取食品风险追溯信息样本,按照预设基础追溯信息因子格式进行信息划分,得到食品风险追溯信息因子;
将所述食品风险追溯信息因子按照预设向量化方式转化成食品风险追溯信息向量;
将所述食品风险追溯信息向量输入到所述原始深度学习神经网络模型中,得到当前所述食品风险追溯信息的原始分级向量;
将所述原始分级向量输入到损失函数中,得到所述原始分级向量的损失率,若所述损失率在预设范围内,则所述原始分级向量确定为目标分级结果。
2.根据权利要求1所述的方法,其特征在于,所述将所述原始分级向量输入到损失函数中,得到所述原始分级向量的损失率,若所述损失率在预设范围内,则所述原始分级向量确定为目标分级结果的步骤,还包括:
若所述损失率不在预设范围内,则将所述原始分级向量输入到所述原始深度学习神经网络模型中进行训练,调整所述原始深度学习神经网络模型的权值和偏置,获取目标深度学习神经网络模型;
将所述食品风险追溯信息向量输入到所述目标深度学习神经网络模型进行归一化处理,得到所述目标分级结果。
3.根据权利要求2所述的方法,其特征在于,所述将所述原始分级向量输入到所述原始深度学习神经网络模型中进行训练,调整所述原始深度学习神经网络模型的权值和偏置,获取目标深度学习神经网络模型的步骤,包括:
计算所述原始分级向量与预设标准向量的误差;
利用梯度下降法计算出所述误差对应的步长;
根据所述步长更新当前节点的权值和偏置,得到所述目标深度学习神经网络模型。
4.根据权利要求3所述的方法,其特征在于,所述深度学习网络模型包括输入层、隐藏层和输出层,所述隐藏层包括双向门控循环神经网络层和全连接层,所述双向门控循环神经网络层包括隐藏矩阵、重置门和更新门。
5.根据权利要求4所述的方法,其特征在于,所述将所述原始分级向量输入到所述原始深度学习神经网络模型中进行训练,调整所述原始深度学习神经网络模型的权值和偏置,获取目标深度学习神经...
【专利技术属性】
技术研发人员:蔡伊娜,包先雨,阮周曦,郑文丽,李和平,卢体康,陈枝楠,
申请(专利权)人:深圳市检验检疫科学研究院,深圳海关信息中心,深圳海关动植物检验检疫技术中心,
类型:发明
国别省市:广东;44
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。