一种食品安全事故多因素风险等级评估设备及其评估方法技术

本发明专利技术公开了一种食品安全事故多因素风险等级评估方法，等级评估方法如下：步骤一，获取样本食品抽检数据；步骤二，根据所述样本食品抽检数据构建食品抽检知识图谱；步骤三，基于所述食品抽检知识图谱和所述样本食品抽检数据训练深度学习网络GCN模型，以得到食品风险预测模型；步骤四，接收待检测食品的品类信息与待抽检项目信息；步骤五，基于所述品类信息与所述待抽检项目信息在所述食品抽检知识图谱进行图抽取，得到待检测图谱数据；步骤六，将所述待检测图谱数据输入至所述食品风险预测模型中进行计算，得到所述待检测食品对应的目标风险等级，根据所述步骤一构建食品抽检知识图谱。识图谱。识图谱。

A multi factor risk rating evaluation equipment for food safety accidents and its evaluation method

【技术实现步骤摘要】
一种食品安全事故多因素风险等级评估设备及其评估方法


[0001]本专利技术涉及食品安全领域，具体是涉及食品安全事故多因素风险等级评估设备及其评估方法。

技术介绍

[0002]现有在对食品安全进行风险评估时，通常需要在生产车间或者店铺内进行抽检多种不同食品在多个试管内储存，然后将试管放置在移动式抽检箱内进行储存，在到达实验室进行检测时，需要工作人员在试管箱内进行反复拿取与图谱上相应的试管，无法在试管箱打开时，将放置在试管箱内的所有试管全部移出试管箱内，并无法自动旋转不同批次进行储存抽检的试管，从而不便于工作人员辨识查找相应的试管，导致需要较多的时间进行查找，并存在取错试管的可能，加大了工作时长与工作强度。

技术实现思路

[0003]为解决上述技术问题，提供一种涉及食品安全事故多因素风险等级评估设备及其评估方法，本技术方案解决了上述
技术介绍
中提出的现有在对食品安全进行风险评估时，通常需要在生产车间或者店铺内进行抽检多种不同食品在多个试管内储存，然后将试管放置在移动式抽检箱内进行储存，在送到实验室进行检测时，需要工作人员在试管箱内进行反复拿取与图谱上相应的试管，无法在试管箱打开时，将放置在试管箱内的所有试管全部移出试管箱内，并无法自动旋转不同批次进行储存抽检的试管，从而不便于工作人员辨识查找相应的试管，导致需要较多的时间进行查找，并存在取错试管的可能，加大了工作时长与工作强度的问题。
[0004]一种食品安全事故多因素风险等级评估方法，等级评估方法如下：
[0005]步骤一，获取样本食品抽检数据；
[0006]步骤二，根据所述样本食品抽检数据构建食品抽检知识图谱；
[0007]步骤三，基于所述食品抽检知识图谱和所述样本食品抽检数据训练深度学习网络GCN模型，以得到食品风险预测模型；
[0008]步骤四，接收待检测食品的品类信息与待抽检项目信息；
[0009]步骤五，基于所述品类信息与所述待抽检项目信息在所述食品抽检知识图谱进行图抽取，得到待检测图谱数据；
[0010]步骤六，将所述待检测图谱数据输入至所述食品风险预测模型中进行计算，得到所述待检测食品对应的目标风险等级。
[0011]优选的，根据所述步骤一构建食品抽检知识图谱包括：
[0012]通过实体概念关系获取所述样本食品抽检数据中的实体词，所述实体词包括抽检品类名称与抽检项目名称；
[0013]根据所述抽检品类名称与所述抽检项目名称的实体词之间的实体概念关系，构建食品抽检知识图谱的框架；
[0014]计算所述实体词之间的相关性系数，以根据所述相关性系数修正所述样本食品抽检知识图谱的框架，得到食品抽检知识图谱。
[0015]优选的，所述计算实体词之间的相关性系数，以根据所述相关性系数修正所述样本食品抽检知识图谱的框架，得到食品抽检知识图谱包括：
[0016]计算所述实体词之间的相关性系数；
[0017]将所述相关性系数填入至食品抽检知识图谱的框架内，对关联的实体词进行连接与修正，得到食品抽检知识图谱。
[0018]优选的，基于所述步骤二和步骤三，以得到食品风险预测模型包括：
[0019]将所述食品抽检图谱输入至深度学习网络GCN模型中，其中，所述食品抽检图谱中的实体词与深度学习网络GCN模型中的节点数一一对应；
[0020]以所述风险等级作为深度学习网络GCN模型的输出，训练深度学习网络GCN模型，得到食品风险预测模型，其中，所述风险等级包括无风险、低风险、中风险以及高风险。
[0021]优选的，基于所述步骤四与步骤五在食品抽检知识图谱进行图抽取，得到待检测图谱数据包括：
[0022]将所述待检测食品的品类信息与待抽检项目信息输入至所述食品抽检知识图谱中，以在所述食品抽检知识图谱中找到所述品类信息与所述待抽检项目信息对应的关联关系；
[0023]将所述品类信息与所述待抽检项目信息对应的关联关系进行抽取后重构，得到待检测图谱数据。
[0024]如上述一种食品安全事故多因素风险等级评估方法，现提出一种食品安全事故多因素风险等级评估设备，包括箱体，所述箱体内部下端设置有移出机构，所述移出机构上端设置有分区机构。
[0025]优选的，所述移出机构包括安装板、弹簧伸缩筒、动力杆、主力杆、凹槽托盘、支撑杆，所述箱体内部左右两端均固定连接有安装板，是安装板上端均转动连接有弹簧伸缩筒，所述弹簧伸缩筒下端转动连接有动力杆，所述动力杆左端固定连接有主力杆，所述主力杆右端转动连接于安装板一端，所述主力杆左端转动连接有凹槽托盘，所述凹槽托盘下端均转动连接有支撑杆，所述支撑杆右端均转动连接于安装板一端。
[0026]优选的，所述凹槽托盘上端滑动连接有四角弹簧板，所述四角弹簧板中端转动连接有动力弹簧螺纹杆，所述动力弹簧螺纹杆下端螺纹连接有驱动螺纹套，所述驱动螺纹套左右两端均滑动连接有定位滑竿，所述定位滑竿上端固定连接于凹槽托盘下端面，所述箱体左端滑动连接有密封门。
[0027]优选的，所述分区机构包括动力十字盘、放置盘、对接杆、辅助十字盘、弯杆，所述动力弹簧螺纹杆上端固定连接有动力十字盘，所述动力十字盘直径内均匀转动连接有放置盘，所述放置盘上端均固定连接有对接杆，所述对接杆上端均转动连接有辅助十字盘，所述辅助十字盘上端转动连接有弯杆，所述弯杆下端固定连接于奥差托盘一端。
[0028]优选的，所述放置盘左端固定连接有驱动圆槽橡胶板，所述驱动圆槽橡胶板右端等距设置有多个动力橡胶板，所述动力橡胶板右端地接有短螺纹杆，所述短螺纹杆中端螺纹连接有内螺纹转套，所述内螺纹转套中端转动连接于放置盘右端，所述动力橡胶板前后两端均滑动连接有多节弹簧杆，所述多节弹簧杆左右两端均固定连接于放置盘左右两端内
侧壁。
[0029]与现有技术相比，本专利技术的有益效果是：
[0030](1)在动力弹簧螺纹杆旋转的同时，动力弹簧螺纹杆带动动力十字盘旋转，动力十字盘带动多个放置盘同步旋转移动，并通过辅助十字盘进行牵引放置盘一端，进行控制放置盘旋转时的朝向，避免了放置盘在旋转移动的过程中，在动力十字盘一端自动旋转，进而使放置在放置盘上的食品抽检试管减少无规律的晃动，导致在试管内部的食品抽检品溢出，在多个放置盘缓慢的旋转移动进行更换位置的同时有利于工作人员进行区分不同的抽样食品，减少了工作人员在多个抽样食品试管中进行挑选，达到了自动旋转更换便于查找取放的目的；
[0031](2)在需要进行固定食品抽样试管时，将多个试管放置在驱动圆槽橡胶板与动力橡胶板或者动力橡胶板与动力橡胶板之间的圆弧空隙内部，在放置完成后转动内螺纹转套带动短螺纹杆向左移动，并通过动力橡胶板向驱动圆槽橡胶板的方向移动，将试管下端外表面进行夹持固定，进而减少在移动箱体的过程中，发生晃动使试管与试管之间发生碰撞，导致试管受损，同时避免了使用部分试管架，导致试管固定不稳定发生倾斜与倒塌；
[0032](3)在动力橡胶板向驱动圆槽橡胶板移动的同时，动力橡胶板在多节本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种食品安全事故多因素风险等级评估方法，其特征在于，等级评估方法如下：步骤一，获取样本食品抽检数据；步骤二，根据所述样本食品抽检数据构建食品抽检知识图谱；步骤三，基于所述食品抽检知识图谱和所述样本食品抽检数据训练深度学习网络GCN模型，以得到食品风险预测模型；步骤四，接收待检测食品的品类信息与待抽检项目信息；步骤五，基于所述品类信息与所述待抽检项目信息在所述食品抽检知识图谱进行图抽取，得到待检测图谱数据；步骤六，将所述待检测图谱数据输入至所述食品风险预测模型中进行计算，得到所述待检测食品对应的目标风险等级。2.根据权利要求1所述的一种食品安全事故多因素风险等级评估方法，其特征在于：根据所述步骤一构建食品抽检知识图谱包括：通过实体概念关系获取所述样本食品抽检数据中的实体词，所述实体词包括抽检品类名称与抽检项目名称；根据所述抽检品类名称与所述抽检项目名称的实体词之间的实体概念关系，构建食品抽检知识图谱的框架；计算所述实体词之间的相关性系数，以根据所述相关性系数修正所述样本食品抽检知识图谱的框架，得到食品抽检知识图谱。3.根据权利要求1所述的一种食品安全事故多因素风险等级评估方法，其特征在于：所述计算实体词之间的相关性系数，以根据所述相关性系数修正所述样本食品抽检知识图谱的框架，得到食品抽检知识图谱包括：计算所述实体词之间的相关性系数；将所述相关性系数填入至食品抽检知识图谱的框架内，对关联的实体词进行连接与修正，得到食品抽检知识图谱。4.根据权利要求1所述的一种食品安全事故多因素风险等级评估方法，其特征在于：基于所述步骤二和步骤三，以得到食品风险预测模型包括：将所述食品抽检图谱输入至深度学习网络GCN模型中，其中，所述食品抽检图谱中的实体词与深度学习网络GCN模型中的节点数一一对应；以所述风险等级作为深度学习网络GCN模型的输出，训练深度学习网络GCN模型，得到食品风险预测模型，其中，所述风险等级包括无风险、低风险、中风险以及高风险。5.根据权利要求1所述的一种食品安全事故多因素风险等级评估方法，其特征在于：基于所述步骤四与步骤五在食品抽检知识图谱进行图抽取，得到待检测图谱数据包括：将所述待检测食品的品类信息与待抽检项目信息输入至所述食品抽检知识图谱中，以在所述食品抽检知识图谱中找到所述品类信息与所述待抽检项目信息对应的关联关系；将所述品类信息与所述待抽检项目信息对应的关联关系进行抽取后重构，得到待检测图谱数据。6.如权利要求1所述的一种食品安全事故多因素风险等级评估方法，现提出一种食品安全事故多因素风险等级评估设备，其特征在于，包括箱体(1)，所述箱体(1)内部下端设置有移出机构(...

【专利技术属性】
技术研发人员：多凯，姜连阁，刘丽，欧阳丽影，庄舒翔，王佳音，刘凤仙，
申请(专利权)人：黑龙江省药品检验研究院黑龙江省医疗器械检测研究中心，黑龙江省化妆品检验研究中心，
类型：发明
国别省市：