申请/专利权人：安徽农业大学

申请日：2024-01-24

公开（公告）日：2024-04-26

公开（公告）号：CN117933800A

主分类号：G06Q10/0639

分类号：G06Q10/0639;G06Q50/02;G06V20/68;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本发明公开了一种农产品质量安全监管评价系统，包括农产品信息采集模块、质量安全标准模块、评价模型模块，所述农产品信息采集模块用于获取农产品的数据，农产品的数据包括由若干个农产品名称组成的农产品名称列表，每个农产品名称下关联有若干单样本的外观图片、农药残留量、微生物污染值，所述质量安全标准模块用于设置质量安全标准，质量安全标准包括由若干农产品质检名组成的农产品名称质量标准列表，农产品质检名下对应包含有外观集、农药残留限量、微生物菌落限量；本发明的有益效果是：系统实现了集成式数据管理，能够收集各个地方上传的农产品数据，并根据农产品数据进行质量评估，管理更加高效，并且便于追溯。

主权项：1.一种农产品质量安全监管评价系统，其特征在于，包括农产品信息采集模块、质量安全标准模块、评价模型模块，所述农产品信息采集模块用于获取农产品的数据，农产品的数据包括由若干个农产品名称组成的农产品名称列表，每个农产品名称下关联有若干单样本的外观图片、农药残留量、微生物污染值，所述质量安全标准模块用于设置质量安全标准，质量安全标准包括由若干农产品质检名组成的农产品名称质量标准列表，农产品质检名下对应包含有外观集、农药残留限量、微生物菌落限量，所述评价模型模块用于获取农产品信息采集模块和质量安全标准模块的数据，根据获取的数据进行质量安全评价处理，具体的处理方式为：依次获取农产品名称，调取农产品名称下关联的若干单样本信息，包括外观图片、农药残留量、微生物污染值；每个农产品名称有对应的农产品质检名，根据获取的农产品名称检索匹配对应的农产品质检名，再调取农产品质检名下关联的外观集、农药残留限量、微生物菌落限量，所述外观集由多个外观标准图片组成；外观对比分析，将外观集的多个外观标准图片进行背景分割和图像增强处理，搭建卷积神经网络，从图像数据中学习并识别出农产品新鲜度特征，包括颜色信息、纹理特征以及形状特征，利用已知新鲜度标记的农产品图像数据集训练深度学习模型，将训练好的模型应用到农产品的外观图片上，对农产品的新鲜程度进行评估，若检测的外观图片中含有裂口，则判断为破损的农产品，若检测的图片与农产品图像数据集存在腐烂特征重合的部分，则判断为不新鲜的农产品，若检测的外观图片未含有裂口和腐烂特征，则判断为新鲜的农产品；农药分析，将农药残留量与农药残留限量进行对比，若农药残留量超过农药残留限量，则判断该农产品为农药超标产品，若农药残留量未超过农药残留限量，则判断该农产品为农药达标产品；微生物分析，将微生物污染值与微生物菌落限量进行对比，若微生物污染值超过微生物菌落限量，则判定为微生物超标产品，若微生物污染未超过微生物菌落吸纳量，则判定为微生物达标产品。

全文数据：

权利要求：

百度查询： 安徽农业大学 一种农产品质量安全监管评价系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD