基于大数据的食品信息检测方法及系统技术方案

本申请实施例提供一种基于大数据的食品信息检测方法及系统，针对尚未形成足够参考食品安全预警信息的第一食品安全信息检测对象，通过食品安全标签分类单元提取第一食品安全信息检测对象的食品检测数据集合和第二食品安全信息检测对象的食品检测数据集合之间的匹配深度特征作为目标食品检测大数据的食品数据深度特征，可以将从第二食品安全信息检测对象学习到的针对食品安全预警信息的识别方案同步匹配到第一食品安全信息检测对象中，从而弥补第一食品安全信息检测对象尚未获得足够标注食品安全预警信息时的预测精度问题。

【技术实现步骤摘要】
基于大数据的食品信息检测方法及系统
本申请涉及食品信息检测
，具体而言，涉及一种基于大数据的食品信息检测方法及系统。
技术介绍
食品安全是影响国计民生的社会问题。然而，近年来食品安全事故频发，严重威胁着消费者的健康，引起了消费者对食品安全问题的极大关注。为了减少食品安全事故的发生，需要加强食品安全监管，开展食品安全风险预警研究，把握食品安全风险的变化趋势，帮助相关部门进行有针对性的风险控制。因此，有效的食品安全预警显得至关重要，如何保证食品安全预警信息时的预测精度问题，是当前亟待的技术方向。
技术实现思路
为了至少克服现有技术中的上述不足，本申请的目的在于提供一种基于大数据的食品信息检测方法及系统。第一方面，本申请提供一种基于大数据的食品信息检测方法，应用于计算服务平台，所述计算服务平台与多个食品信息检测装置通信连接，所述方法包括：获取所述食品信息检测装置针对第一食品安全信息检测对象发起的食品信息检测指令，提取该所述食品信息检测装置在所述第一食品安全信息检测对象上执行的过往食品检测大数据，得到目标食品检测大数据集合；将所述目标食品检测大数据集合输入预先配置的食品安全标签分类单元，所述食品安全标签分类单元包括卷积提取节点和食品安全标签分类节点，所述食品安全标签分类单元根据第一食品安全信息检测对象的参考食品检测数据集合和添加食品安全标签特征的第二食品安全信息检测对象的参考食品检测数据集合进行深度学习获得；通过所述卷积提取节点从所述目标食品检测大数据集合中提取食品数据深度特征，所述食品数据深度特征包括所述第二食品安全信息检测对象的食品检测数据集合和第一食品安全信息检测对象的食品检测数据集合之间的匹配深度特征；通过所述食品安全标签分类节点，根据所述食品数据深度特征对所述目标食品检测大数据集合进行食品安全预警信息检测，获得所述目标食品检测大数据集合的食品安全预警信息并进行信息输出。第二方面，本申请实施例还提供一种基于大数据的食品信息检测系统，所述基于大数据的食品信息检测系统包括计算服务平台以及与所述计算服务平台通信连接的多个食品信息检测装置；所述计算服务平台，用于：获取所述食品信息检测装置针对第一食品安全信息检测对象发起的食品信息检测指令，提取该所述食品信息检测装置在所述第一食品安全信息检测对象上执行的过往食品检测大数据，得到目标食品检测大数据集合；将所述目标食品检测大数据集合输入预先配置的食品安全标签分类单元，所述食品安全标签分类单元包括卷积提取节点和食品安全标签分类节点，所述食品安全标签分类单元根据第一食品安全信息检测对象的参考食品检测数据集合和添加食品安全标签特征的第二食品安全信息检测对象的参考食品检测数据集合进行深度学习获得；通过所述卷积提取节点从所述目标食品检测大数据集合中提取食品数据深度特征，所述食品数据深度特征包括所述第二食品安全信息检测对象的食品检测数据集合和第一食品安全信息检测对象的食品检测数据集合之间的匹配深度特征；通过所述食品安全标签分类节点，根据所述食品数据深度特征对所述目标食品检测大数据集合进行食品安全预警信息检测，获得所述目标食品检测大数据集合的食品安全预警信息并进行信息输出。基于上述任意一个方面，本申请针对尚未形成足够参考食品安全预警信息的第一食品安全信息检测对象，通过食品安全标签分类单元提取第一食品安全信息检测对象的食品检测数据集合和第二食品安全信息检测对象的食品检测数据集合之间的匹配深度特征作为目标食品检测大数据的食品数据深度特征，可以将从第二食品安全信息检测对象学习到的针对食品安全预警信息的识别方案同步匹配到第一食品安全信息检测对象中，从而弥补第一食品安全信息检测对象尚未获得足够标注食品安全预警信息时的预测精度问题。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要关联的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它相关的附图。图1为本申请实施例提供的基于大数据的食品信息检测系统的应用场景示意图；图2为本申请实施例提供的基于大数据的食品信息检测方法的流程示意图；图3为本申请实施例提供的基于大数据的食品信息检测装置的功能模块示意图；图4为本申请实施例提供的用于实现上述的基于大数据的食品信息检测方法的计算服务平台的结构组件示意框图。具体实施方式下面结合说明书附图对本申请进行具体说明，方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。图1是本申请一种实施例提供的基于大数据的食品信息检测系统10的交互示意图。基于大数据的食品信息检测系统10可以包括计算服务平台100以及与计算服务平台100通信连接的食品信息检测装置200。图1所示的基于大数据的食品信息检测系统10仅为一种可行的示例，在其它可行的实施例中，该基于大数据的食品信息检测系统10也可以仅包括图1所示组成部分的其中一部分或者还可以包括其它的组成部分。本实施例中，基于大数据的食品信息检测系统10中的计算服务平台100和食品信息检测装置200可以通过配合执行以下方法实施例所描述的基于大数据的食品信息检测方法，具体计算服务平台100和食品信息检测装置200的执行步骤部分可以参照以下方法实施例的详细描述。为了解决前述
技术介绍
中的技术问题，图2为本申请实施例提供的基于大数据的食品信息检测方法的流程示意图，本实施例提供的基于大数据的食品信息检测方法可以由图1中所示的计算服务平台100执行，下面对该基于大数据的食品信息检测方法进行详细介绍。步骤S110，获取所述食品信息检测装置针对第一食品安全信息检测对象发起的食品信息检测指令，提取该所述食品信息检测装置在所述第一食品安全信息检测对象上执行的过往食品检测大数据，得到目标食品检测大数据集合。一种设计中，所述第一食品安全信息检测对象可以为尚未累计足够的参考食品安全预警信息标注的食品安全信息检测对象。所述计算服务平台可以在检测到所述食品信息检测装置针对第一食品安全信息检测对象发起的食品信息检测指令时，从所述第一食品安全信息检测对象提取该所述食品信息检测装置的过往食品检测大数据，并从所述过往食品检测大数据中提取相关的食品检测数据集合。所述食品检测数据集合可以是所述食品信息检测装置执行的检测操作在时序上串联的集合。所述食品检测数据集合可以包括又在不同云存储服务区的维度和时序上组成的操作动作组成的集合分布。步骤S120，将所述目标食品检测大数据集合输入预先配置的食品安全标签分类单元，所述食品安全标签分类单元包括卷积提取节点和食品安全标签分类节点，所述食品安全标签分类单元根据第一食品安全信息检测对象的参考食品检测数据集合和添加食品安全标签特征的第二食品安全信息检测对象的参考食品检测数据集合进行深度学习获得。一种设计中，所述食品安全本文档来自技高网...

【技术保护点】
1.一种基于大数据的食品信息检测方法，其特征在于，应用于计算服务平台，所述计算服务平台与多个食品信息检测装置通信连接，所述方法包括：/n获取所述食品信息检测装置针对第一食品安全信息检测对象发起的食品信息检测指令，提取该所述食品信息检测装置在所述第一食品安全信息检测对象上执行的过往食品检测大数据，得到目标食品检测大数据集合；/n将所述目标食品检测大数据集合输入预先配置的食品安全标签分类单元，所述食品安全标签分类单元包括卷积提取节点和食品安全标签分类节点，所述食品安全标签分类单元根据第一食品安全信息检测对象的参考食品检测数据集合和添加食品安全标签特征的第二食品安全信息检测对象的参考食品检测数据集合进行深度学习获得；/n通过所述卷积提取节点从所述目标食品检测大数据集合中提取食品数据深度特征，所述食品数据深度特征包括所述第二食品安全信息检测对象的食品检测数据集合和第一食品安全信息检测对象的食品检测数据集合之间的匹配深度特征；/n通过所述食品安全标签分类节点，根据所述食品数据深度特征对所述目标食品检测大数据集合进行食品安全预警信息检测，获得所述目标食品检测大数据集合的食品安全预警信息并进行信息输出。/n...

【技术特征摘要】
1.一种基于大数据的食品信息检测方法，其特征在于，应用于计算服务平台，所述计算服务平台与多个食品信息检测装置通信连接，所述方法包括：
获取所述食品信息检测装置针对第一食品安全信息检测对象发起的食品信息检测指令，提取该所述食品信息检测装置在所述第一食品安全信息检测对象上执行的过往食品检测大数据，得到目标食品检测大数据集合；
将所述目标食品检测大数据集合输入预先配置的食品安全标签分类单元，所述食品安全标签分类单元包括卷积提取节点和食品安全标签分类节点，所述食品安全标签分类单元根据第一食品安全信息检测对象的参考食品检测数据集合和添加食品安全标签特征的第二食品安全信息检测对象的参考食品检测数据集合进行深度学习获得；
通过所述卷积提取节点从所述目标食品检测大数据集合中提取食品数据深度特征，所述食品数据深度特征包括所述第二食品安全信息检测对象的食品检测数据集合和第一食品安全信息检测对象的食品检测数据集合之间的匹配深度特征；
通过所述食品安全标签分类节点，根据所述食品数据深度特征对所述目标食品检测大数据集合进行食品安全预警信息检测，获得所述目标食品检测大数据集合的食品安全预警信息并进行信息输出。


2.根据权利要求1所述的基于大数据的食品信息检测方法，其特征在于，所述方法还包括：
获取完成初始配置的食品安全标签分类单元，在所述初始配置中，所述食品安全标签分类单元根据所述第二食品安全信息检测对象的参考食品检测数据集合进行深度学习获得；
获取第一食品安全信息检测对象的参考食品检测数据集合，其中，所述第一食品安全信息检测对象的参考食品检测数据集合中未标注所述食品安全预警信息的特征区；
通过所述卷积提取节点，对所述第一食品安全信息检测对象的参考食品检测数据集合和所述第二食品安全信息检测对象的参考食品检测数据集合进行特征提取，分别得到第一食品数据深度特征和第二食品数据深度特征；
通过GAN单元根据所述第二食品数据深度特征和第一食品数据深度特征，确定所述第一食品数据深度特征对应的食品安全信息检测对象为所述第二食品安全信息检测对象的决策评估参数；
根据所述决策评估参数，确定所述第一食品数据深度特征对应的第二检测对象差异参数；
根据所述第二检测对象差异参数优化所述食品安全标签分类单元的权重。


3.根据权利要求2所述的基于大数据的食品信息检测方法，其特征在于，所述获取完成初始配置的食品安全标签分类单元，包括：
获取第二食品安全信息检测对象的参考食品检测数据集合，所述第二食品安全信息检测对象的参考食品检测数据集合的标签包括所述食品安全预警信息的目标特征区和目标食品安全预警信息类型；
通过所述卷积提取节点获取所述第二食品安全信息检测对象的参考食品检测数据集合的参考食品数据深度特征；
通过所述食品安全标签分类节点，从所述第二食品安全信息检测对象的参考食品检测数据集合的参考食品数据深度特征中检测出所述食品安全预警信息的候选特征区，并对所述候选特征区中的食品检测数据集合部分进行食品安全预警信息检测得到对应的决策食品安全预警信息标签；
根据所述决策食品安全预警信息标签和所述目标食品安全预警信息类型，确定所述第二食品安全信息检测对象的参考食品检测数据集合对应的标签差异参数；
根据所述候选特征区的特征区标识信息和所述目标特征区，确定所述第二食品安全信息检测对象的参考食品检测数据集合对应的特征区差异参数；
根据所述标签差异参数和所述特征区差异参数，优化所述食品安全标签分类单元的权重，得到完成初始配置的食品安全标签分类单元。


4.根据权利要求3所述的基于大数据的食品信息检测方法，其特征在于，所述通过所述卷积提取节点获取所述第二食品安全信息检测对象的参考食品检测数据集合的参考食品数据深度特征，包括：
通过所述卷积提取节点获取所述第二食品安全信息检测对象的参考食品检测数据集合的至少两种维度的参考食品数据深度特征；
所述通过所述食品安全标签分类节点，从所述第二食品安全信息检测对象的参考食品检测数据集合的参考食品数据深度特征中检测出所述食品安全预警信息的候选特征区，并对所述候选特征区中的食品检测数据集合部分进行食品安全预警信息检测得到对应的决策食品安全预警信息标签，包括：
通过所述食品安全标签分类节点，从各所述参考食品数据深度特征中检测出维度与参考食品数据深度特征维度对应的目标候选特征区，并对各参考食品数据深度特征中的目标候选特征区中的食品检测数据集合部分进行食品安全预警信息检测得到对应的决策食品安全预警信息标签。


5.根据权利要求2所述的基于大数据的食品信息检测方法，其特征在于，所述第二食品安全信息检测对象的参考食品检测数据集合的标签还包括第二安全标签，所述第二安全标签用于指示所述第二食品安全信息检测对象的参考食品检测数据集合的期望食品安全信息检测对象为所述第二食品安全信息检测对象；
所述通过GAN单元根据所述第二食品数据深度特征和第一食品数据深度特征，确定所述第一食品数据深度特征对应的食品安全信息检测对象为所述第二食品安全信息检测对象的决策评估参数，包括：
通过所述GAN单元的生成单元将所述第二食品数据深度特征转换为预设维度的第三食品数据深度特征，通过所述GAN单元的决策单元根据所述第三食品数据深度特征进行食品安全信息检测对象识别，得到第一决策食品安全信息检测对象；
通过所述生成单元将所述第一食品数据深度特征转换为所述预设维度的第四食品数据深度特征，通过所述决策单元根据所述第四食品数据深度特征进行食品安全信息检测对象识别，得到第二决策食品安全信息检测对象；
根据所述第二决策食品安全信息检测对象，确定所述第一食品数据深度特征的食品安全信息检测对象为所述第二食品安全信息检测对象的决策评估参数；
所述方法还包括：
根据所述第一决策食品安全信息检测对象、第二安全标签和所述第二决策食品安全信息检测对象，优化所述决策单元的权重；
所述通过所述卷积提取节点，对所述第一食品安全信息检测对象的参考食品检测数据集合和所述第二食品安全信息检测对象的参考食品检测数据集合进行特征提取，分别得到第一食品数据深度特征和第二食品数据深度特征，包括：
通过所述卷积提取节点，对所述第二食品安全信息检测对象的参考食品检测数据集合和第一食品安全信息检测对象的参考食品检测数据集合进行特征提取，分别得到至少两种维度的第二食品数据深度特征和至少两种维度的第一食品数据深度特征；
所述通过所述生成单元将所述第二食品数据深度特征转换为预设维度的第三食品数据深度特征，通过所述决策单元根据所述第三食品数据深度特征进行食品安全信息检测对象识别，得到第一决策食品安全信息检测对象，包括：
通过所述生成单元将每种维度的第二食品数据深度特征转换为所述预设维度的第三食品数据深度特征，通过所述决策单元根据同一第二食品安全信息检测对象的参考食品检测数据集合对应的第三食品数据深度特征，预测所述第二食品安全信息检测对象的参考食品检测数据集合对应的食品安全信息检测对象，得到第一决策食品安全信息检测对象；
所述通过所述生成单元将所述第一食品数据深度特征转换为所述预设维度的第四食品数据深度特征，通过所述决策单元根据所述第四食品数据深度特征进行食品安全信息检测对象识别，得到第二决策食品安全信息检测对象，包括：
通过所述生成单元将每种维度的第一食品数据深度特征转换为所述预设维度的第四食品数据深度特征，通过所述决策单元根据同一第一食品安全信息检测对象的参考食...

【专利技术属性】
技术研发人员：楼超群，胡飞杰，顾慧丹，申蓉，王晓丽，闻伯芹，周喆，刘艺婧，
申请(专利权)人：南京市产品质量监督检验院，
类型：发明
国别省市：江苏;32