【技术实现步骤摘要】
本专利技术涉及食品检测数据处理，具体涉及一种用于食品检测的智能实验室管理方法。
技术介绍
1、随着食品安全问题的日益突出，食品检测成为了保障消费者健康的重要手段。然而，传统的食品检测过程通常需要大量的人工操作，不仅效率低下，而且容易出错。此外，实验室设备的管理和维护也需要耗费大量时间和人力。
2、现有技术中在对食品检测时，往往通过人工视觉来判断食品外观是否出现异常指标，通过探针设备检测食品的参数数据后再进行人工的检测对比，这种方式导致了食品异常指标的检测效率低下，对于海量的食品数据的检测更是力不从心。
3、因此亟需一种基于机器视觉的用于食品检测的智能实验室管理方法来提高食品异常指标的检测效率。
技术实现思路
1、本专利技术的目的在于提供用于食品检测的智能实验室管理方法：解决现有方案中通过人工视觉来判断食品外观是否出现异常指标、通过探针设备检测食品的参数数据后再进行人工的检测对比，导致的食品异常指标的检测效率低技术问题。
2、本专利技术的目的可以通过以下技术方案实现：
3、一种用于食品检测的智能实验室管理方法，应用于食品检测智能实验室的信息管理系统，系统包括显微图像的图对比模块，方法包括：
4、获取食品异常指标，其中，食品异常指标包括参数异常指标、外观异常指标；
5、基于食品检测智能实验室的信息管理系统采集待检食品的显微图像，并将显微图像输入到图对比模块进行图对比，得到图对比结果，对图对比结果与外观异常指标进行解
6、获取待检食品基本信息，其中，食品基本信息包括生产信息、加工信息、存储信息和食品运输信息；
7、将生产信息、加工信息、存储信息和食品运输信息与参数异常指标代入异常指标检测模型，生成异常指标指数，并根据异常指标指数的大小生成待检食品的参数检测结果；
8、将待检食品的外观检测结果、待检食品的参数检测结果生成食品检测报告，发送至智能实验室数据管理中心。
9、进一步地，将显微图像输入到图对比模块进行图对比，得到图对比结果包括：
10、输入显微图像，其中，为显微图像中表示食品外观信息的节点，节点集，为显微图像中表示食品外观信息的边集，，边数为；
11、获取节点的特征矩阵为,为特征维度，的特征向量为,节点的邻接矩阵为，度矩阵为；
12、将和输入图神经网络编码器，输出嵌入矩阵、，具体地：
13、采样两个自适应增强函数生成显微图形视图分别为,，其中，是用于拓扑级增强函数和属性级增强函数的集合；
14、通过相同权重的编码器网络生成嵌入矩阵；
15、通过相同权重的编码器网络生成嵌入矩阵；
16、将嵌入矩阵和嵌入矩阵所对应的食品外观信息作为图对比结果。
17、进一步地，采样两个自适应增强函数生成显微图形视图分别为,包括：
18、对于拓扑级增强，采用按重要性程度删除图中的边，采用度中心性作为测量节点中心性的方法：在输入图中采样修改的子集的概率集合定义公式如下：
19、
20、其中，为增强视图中的边集，为删除边的概率，反映边的重要性程度；
21、将边中心性定义为两个相邻节点中心性得分的平均值如下式：
22、
23、其中，为边的中心性，用来表示两个相连节点间重要性的影响，、表示节点中心性度量；
24、根据每条边的中心性计算出每条边的概率：设置来减轻稠密节点的影响，通过归一化处理以后，通过转换公式将值转换为概率，转换公式如下：
25、
26、其中，为一个超参数，目的是控制删除边的总体概率；是的最大值，是的平均值，，用于限制概率的最大值；
27、对于属性级增强：基于第一公式计算测量节点在第d 维特征值的大小，第一公式如下：
28、
29、其中，为节点的特征，表示节点中心性度量；
30、通过第二公式生成节点属性级增强的属性表示特征的概率，第二公式如下：
31、
32、其中，，为的最大值，为的平均值，为控制特征增强整体大小的超参数；
33、执行拓扑级和节点级属性增强生成两个增强视图和。
34、进一步地，对图对比结果与外观异常指标进行解析，生成待检食品的外观检测结果包括：
35、基于嵌入矩阵和嵌入矩阵对显微图像进行对比学习，得到节点学习到的表示h=，节点的嵌入表示为；
36、检索外观异常指标的表示，并与节点的表示进行对比解析：
37、判断对比节点的表示是否出现色泽异常指标表示，若是，则待检测食品存在色泽异常指标；
38、判断对比节点的表示是否出现斑点或者霉变异常指标表示，若是，则待检测食品存在斑点或者霉变异常指标；
39、判断对比节点的表示是否出现形状改变异常指标表示，若是，则待检测食品存在形状改变异常指标。
40、进一步地，将生产信息、加工信息、存储信息和食品运输信息与参数异常指标代入异常指标检测模型，生成异常指标指数包括：
41、将生产信息、加工信息、存储信息和食品运输信息与参数异常指标代入异常指标检测模型得到参数异常指标项数s；
42、基于生产信息获取生产信息实际填写项数与生产信息应填写项数，并计算生产信息实际填写项数占生产信息应填写项数的比例；
43、基于加工信息获取加工信息实际填写项数与加工信息应填写项数，并计算加工信息实际填写项数占加工信息应填写项数的比例；
44、基于存储信息获取存储信息实际填写项数与存储信息应填写项数，并计算存储信息实际填写项数占存储信息应填写项数的比例；
45、基于食品运输信息获取食品运输信息实际填写项数与食品运输信息应填写项数，并计算食品运输信息实际填写项数占食品运输信息应填写项数的比例；
46、将s、、、代入到异常指标指数关联公式，得到异常指标指数，异常指标指数关联公式如下：
47、
48、其中，为自定义的正整数，由系统自定义，、、、为生产信息、加工信息、存储信息和食品运输信息对应的权重。
49、进一步地，根据异常指标指数的大小生成待检食品的参数检测结果包括：
50、若小于第一阈值，则该待检食品的参数检测结果为一类危害食品；
51、若大于第一阈值小于第二阈值，则该待检食品的参数检测结果为二类危害食品；
52、若大于第二阈值，则该待检食品的参数检测结果为三类危害食品。
53、相比于现有方案，本专利技术实现的有益效果：
54、本专利技术基于食品检测智能实验室的信息管理系统采集待检食品的显微图像，并将显微图像输入到图对比模块进行图对比，得到图对比结果，对图对比结果与外观异常指标进行解析，生成待检食品的外观检测结果，通过机器视觉对显微图像进行处理，本文档来自技高网...
【技术保护点】
1.一种用于食品检测的智能实验室管理方法，其特征在于，应用于食品检测智能实验室的信息管理系统，系统包括显微图像的图对比模块，方法包括：
2.根据权利要求1所述的方法，其特征在于，将显微图像输入到图对比模块进行图对比，得到图对比结果包括：
3.根据权利要求2所述的方法，其特征在于，采样两个自适应增强函数生成显微图形视图分别为,包括：
4.根据权利要求2所述的方法，其特征在于，对图对比结果与外观异常指标进行解析，生成待检食品的外观检测结果包括：
5.根据权利要求1所述的方法，其特征在于，将生产信息、加工信息、存储信息和食品运输信息与参数异常指标代入异常指标检测模型，生成异常指标指数包括：
6.根据权利要求5所述的方法，其特征在于，根据异常指标指数的大小生成待检食品的参数检测结果包括：
【技术特征摘要】
1.一种用于食品检测的智能实验室管理方法，其特征在于，应用于食品检测智能实验室的信息管理系统，系统包括显微图像的图对比模块，方法包括：
2.根据权利要求1所述的方法，其特征在于，将显微图像输入到图对比模块进行图对比，得到图对比结果包括：
3.根据权利要求2所述的方法，其特征在于，采样两个自适应增强函数生成显微图形视图分别为,包括：
4....
【专利技术属性】
技术研发人员：林燕奎，貌达，熊贝贝，卞学海，韩瑞阳，侯乐锡，肖陈贵，朱叶平，宫本宁，吴卫东，易冰清，
申请(专利权)人：深圳海关食品检验检疫技术中心，
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。