一种高校餐厅常见群体性食品安全风险报警预警系统及方法技术方案

本发明专利技术公开了一种高校餐厅常见群体性食品安全风险的预警报警系统及方法，属于公共安全领域，包括硬件系统和软件系统；硬件系统包括摄录像设备、温湿度测量设备、农药残留测量设备、细菌残留测量设备、服务器、安装于服务器外设端口的短信通信设备；软件系统包括智能设备通信接口模块、手机短信报警接口模块，可对蔬果农药残留超标、细菌残留超标、重要场所温湿度超标以及其它常见风险因素进行分析并预警报警。本发明专利技术在基于大数据分析的基础上，实现了出现上述食品安全风险的前兆时系统能实时预警的目标；测试结果验证了系统功能的正确性；本发明专利技术显著提升食品风险预警报警效率，便于操作、维护管理，能够高效提升食品安全监管效率。效率。效率。

【技术实现步骤摘要】
一种高校餐厅常见群体性食品安全风险报警预警系统及方法


[0001]本专利技术属于公共安全领域，具体涉及一种基于现代信息技术的高校餐厅常见群体性食品安全风险的报警预警系统及方法。

技术介绍

[0002]高校食堂食品安全是高校食堂的生命线，用餐安全关乎着全校师生的健康，是全校师生和社会消费者关注的热点问题。但近年来，师生的集体食物中毒事件时有发生。援引国家卫生计生委发布的2015年全国食物中毒事件情况通报，全国共收到各类食物中毒事件报告169 起，中毒5926人，其中死亡121人。发生在各类学校等集体食堂的食物中毒事件中毒人数最多，占食物中毒事件中毒总人数的42.6％。
[0003]利用物联网、大数据等先进的现代信息技术，研发一种高校餐厅常见群体性食品安全风险的报警预警系统，对于保证学生们的健康安全，维护社会、学校的和谐稳定具有重要意义。为此，有必要利用物联网、大数据等先进的现代信息技术，设计并研发重在安全风险预防的新一代高校餐厅常见群体性食品安全风险的报警预警系统。

技术实现思路

[0004]针对现有技术中存在的上述技术问题，本专利技术提出了一种基于高校餐厅常见群体性食品安全风险的报警预警系统，设计合理，克服了现有技术的不足，具有良好的效果。
[0005]为了实现上述目的，本专利技术采用如下技术方案：
[0006]一种高校餐厅常见群体性食品安全风险的预警报警系统，包括硬件系统和软件系统；
[0007]硬件系统包括摄录像设备、温湿度测量设备、农药残留测量设备、细菌残留测量设备、服务器、安装于服务器的外设端口的短信通信设备；
[0008]软件系统包括智能设备通信接口模块、手机短信报警接口模块、系统数据库和数据接口，软件系统能够对蔬果农药残留超标、细菌残留超标、重要场所温湿度超标以及其它常见风险因素进行分析并预警报警；
[0009]摄录像设备，被配置为用于实现包括进货、加工、存储、销售、留样在内的重要场所的影像留存；
[0010]温湿度测量设备，被配置为用于实现包括加工、存储、销售在内的重要场所的温湿度数据采集，并将采集到的数据自动传输至服务器；
[0011]农药残留测量设备，被配置为用于实现包括蔬果在内的抽样化验，并将采集到的数据自动传输至服务器；
[0012]细菌残留测量设备，被配置为用于实现包括凉菜加工间场所及餐具在内的细菌抽样化验，并将采集到的数据自动传输至服务器；
[0013]服务器，被配置为用于接收温湿度测量设备、农药残留测量设备、细菌残留测量设备采集的数据；
[0014]短信通信设备，被配置为用于向管理员及时发送相关预警报警信息；
[0015]系统数据库，被配置为用于实现海量数据的存储、检索与操作；
[0016]数据接口，被配置为用于实现软件系统与摄录像设备、温湿度测量设备、农药残留测量设备、细菌残留测量设备与短信通信设备间的数据交互；
[0017]数据接口，包括智能设备通信接口模块、手机短信报警接口；
[0018]智能设备通信接口，被配置为用于实现摄录像设备、温湿度测量设备、农药残留测量设备、细菌残留测量设备与软件系统的数据交互；
[0019]手机短信报警接口，被配置为用于实现短信通信设备与软件系统的数据交互；
[0020]当智能设备通信接口检测到所接收的数据出现异常时，则自动通过手机短信报警接口向管理员进行手机短信报警。
[0021]此外，本专利技术还提到一种高校餐厅常见群体性食品安全风险的预警报警方法，该方法采用如上所述的高校餐厅常见群体性食品安全风险的预警报警系统，针对重要场所温湿度超标、蔬果农药残留超标、冷菜或熟食细菌超标、库存物资临近过期等常见食品安全风险前兆的预测，利用基于时间序列分析的大数据分析技术，建立了温湿度数据、农药残留量、细菌残留量、物资消耗量的预测模型；具体包括如下步骤：
[0022]步骤1：在重要场所的温湿度数据预测方面，建立了包含往年历史数据、近期实际观测数据、近期天气预报数据3方面影响的加权预测模型；往年的温湿度测量历史数据来源于以前的纸质记录数据和近年来的数字化测量数据；近期实际观测数据来自于温湿度测量仪获取的数据；近期天气预报数据来自于互联网络上当地的预报数据；所建立的加权预测模型为：
[0023][0024][0025]其中，为温度预测值，K
T1
为历史温度测量数据对应的加权系数，D
T1
为历史温度测量数据的点数，T
1i
为历史温度测量数据，K
T2
为近期温度测量数据对应的加权系数，D
T2
为近期温度测量数据的点数，a
i
为温度自回归预测模型的系数，T
2i
为近期温度测量数据，K
T3
为近期温度天气预报数据对应的加权系数，T
f
为温度的天气预报数据，为湿度预测值，K
H1
为历史湿度测量数据对应的加权系数，D
H1
为历史湿度测量数据的点数，H
1i
为历史湿度测量数据，K
H2
为近期湿度测量数据对应的加权系数，D
H2
为近期湿度测量数据的点数，b
i
为温度自回归预测模型的系数，H
2i
为近期湿度测量数据，K
H3
为近期湿度天气预报数据对应的加权系数，H
f
为湿度的天气预报数据；；系数a
i
和b
i
的值由功率谱估计领域中常用的Levinson递推算法进行计算；
[0026]当所预测的温度或湿度数据超出了所设定的阈值时，向系统管理员发送手机短信进行报警，提醒管理员及时采取预防措施；
[0027]步骤2：在农药残留量的预测方面，建立了包含往年历史数据、近期实际测量数据、供货商、专家数据库中经验数据4方面影响的加权预测模型；往年的农药残留测量历史数据
来源于以前的纸质记录数据和近年来的数字化测量数据；近期实际测量数据来自于农药残留检测仪获取的数据；蔬果的供应商信息来自于系统中物资入库方面的数据；专家经验数据来自于互联网络上专家数据库中的数据；所建立的加权预测模型对应如下公式：
[0028][0029]其中，为农药残留量预测值，K
P1
为某类蔬果历史农药残留测量数据对应的加权系数， D
P1
为某类蔬果历史农药残留测量数据的点数，P
1i
为某类蔬果历史农药残留测量数据，K
P2
为某类蔬果近期农药残留测量数据对应的加权系数，D
P2
为某类蔬果近期农药残留测量数据的点数，P
2i
为某类蔬果近期农药残留测量数据，K
P3
为某供货商对应的加权系数，D
P3
为某供货商各类蔬果历史农药残留测量数据的点数，P
3i
为某供货商各类蔬果历本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高校餐厅常见群体性食品安全风险的预警报警系统，其特征在于：包括硬件系统和软件系统；硬件系统包括摄录像设备、温湿度测量设备、农药残留测量设备、细菌残留测量设备、服务器、安装于服务器的外设端口的短信通信设备；软件系统包括智能设备通信接口模块、手机短信报警接口模块、系统数据库和数据接口，软件系统能够对蔬果农药残留超标、细菌残留超标、重要场所温湿度超标以及其它常见风险因素进行分析并预警报警；摄录像设备，被配置为用于实现包括进货、加工、存储、销售、留样在内的重要场所的影像留存；温湿度测量设备，被配置为用于实现包括加工、存储、销售在内的重要场所的温湿度数据采集，并将采集到的数据自动传输至服务器；农药残留测量设备，被配置为用于实现包括蔬果在内的抽样化验，并将采集到的数据自动传输至服务器；细菌残留测量设备，被配置为用于实现包括凉菜加工间场所及餐具在内的细菌抽样化验，并将采集到的数据自动传输至服务器；服务器，被配置为用于接收温湿度测量设备、农药残留测量设备、细菌残留测量设备采集的数据；短信通信设备，被配置为用于向管理员及时发送相关预警报警信息；系统数据库，被配置为用于实现数据的存储、检索与操作；数据接口，被配置为用于实现软件系统与摄录像设备、温湿度测量设备、农药残留测量设备、细菌残留测量设备与短信通信设备间的数据交互；数据接口，包括智能设备通信接口模块、手机短信报警接口；智能设备通信接口，被配置为用于实现摄录像设备、温湿度测量设备、农药残留测量设备、细菌残留测量设备与软件系统的数据交互；手机短信报警接口，被配置为用于实现短信通信设备与软件系统的数据交互；当智能设备通信接口检测到所接收的数据出现异常时，则自动通过手机短信报警接口向管理员进行手机短信报警。2.一种高校餐厅常见群体性食品安全风险的预警报警方法，其特征在于：采用如权利要求1所述的高校餐厅常见群体性食品安全风险的预警报警系统，针对重要场所温湿度超标、蔬果农药残留超标、冷菜或熟食细菌超标、库存物资临近过期等常见食品安全风险前兆的预测，利用基于时间序列分析的大数据分析技术，建立了温湿度数据、农药残留量、细菌残留量、物资消耗量的预测模型；具体包括如下步骤：步骤1：在重要场所的温湿度数据预测方面，建立了包含往年历史数据、近期实际观测数据、近期天气预报数据3方面影响的加权预测模型；往年的温湿度测量历史数据来源于以前的纸质记录数据和近年来的数字化测量数据；近期实际观测数据来自于温湿度测量仪获取的数据；近期天气预报数据来自于互联网络上当地的预报数据；所建立的加权预测模型为：
其中，为温度预测值，K
T1
为历史温度测量数据对应的加权系数，D
T1
为历史温度测量数据的点数，T
1i
为历史温度测量数据，K
T2
为近期温度测量数据对应的加权系数，D
T2
为近期温度测量数据的点数，a
i
为温度自回归预测模型的系数，T
2i
为近期温度测量数据，K
T3
为近期温度天气预报数据对应的加权系数，T
f
为温度的天气预报数据，为湿度预测值，K
H1
为历史湿度测量数据对应的加权系数，D
H1
为历史湿度测量数据的点数，H
1i
为历史湿度测量数据，K
H2
为近期湿度测量数据对应的加权系数，D
H2
为近期湿度测量数据的点数，b
i
为温度自回归预测模型的系数，H
2i
为近期湿度测量数据，K
H3
为近期湿度天气预报数据对应的加权系数，H
f
为湿度的天气预报数据；系数a
i
和b
i
的值由功率谱估计领域中常用的Levinson递推算法进行计算；当所预测的温度或湿度数据超出了所设定的阈值时，向系统管理员发送手机短信进行报警，提醒管理员及时采取预防措施；步骤2：在农药残留量的预测方面，建立了包含往年历史数据、近期实际测量数据、供货商、专家数据库中经验数据4方面影响的加权预测模型；...

【专利技术属性】
技术研发人员：李亚博，周鹏，唐子仪，孙乐，姚翊，朱笑天，魏亚楠，胡园，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：