[0001] 本发明涉及数据处理技术领域，尤其涉及一种基于溯源信息的乳制品质量数据处理方法及系统。

[0002] 乳制品的制造需要经过多个环节，其质量把控也需要企业在每一环节进行严格的监控和管理才能实现，随着乳制品市场的拓展，乳制品质量安全也日益受到大众的关注。现有技术在实现对乳制品质量的把控时，一般采用对乳制品产品的检测来实现，并没有充分利用多个环节的传感器信息和溯源信息来结合算法模型进行质量风险的预测，因此其质量管控措施一般存在滞后，效果也较差。可见，现有技术存在缺陷，亟待解决。

[0027] 为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0028] 本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。

[0029] 在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

[0030] 本发明公开了一种基于溯源信息的乳制品质量数据处理方法及系统，能够通过目标乳制品对应的多个环节的溯源信息和传感信息，基于神经网络算法和信息验证算法确定出高风险环节和对应的风险类型，再生成高风险环节对应的环节监控指令以发送至对应的设备端，从而能够有效提高乳制品质量风险管控的及时性和管控效果，提高乳制品产品的安全质量，减少乳制品安全事故。以下分别进行详细说明。

[0031] 实施例一请参阅图1，图1是本发明实施例公开的一种基于溯源信息的乳制品质量数据处理方法的流程示意图。其中，图1所描述的基于溯源信息的乳制品质量数据处理方法可以应用于数据处理系统/数据处理设备/数据处理服务器（其中，该服务器包括本地处理服务器或云处理服务器）中。如图1所示，该基于溯源信息的乳制品质量数据处理方法可以包括以下操作：
101、获取目标乳制品对应的多个环节的溯源信息和传感信息。

[0032] 102、基于神经网络算法，根据溯源信息，识别多个环节中存在质量风险的预测风险环节。103、根据传感信息以及预设的信息验证算法，从所有预测风险环节中筛选出高风险环节和对应的风险类型。
104、根据高风险环节和对应的风险类型，生成高风险环节对应的环节监控指令以发送至对应的设备端。

[0033] 可见，上述发明实施例能够通过目标乳制品对应的多个环节的溯源信息和传感信息，基于神经网络算法和信息验证算法确定出高风险环节和对应的风险类型，再生成高风险环节对应的环节监控指令以发送至对应的设备端，从而能够有效提高乳制品质量风险管控的及时性和管控效果，提高乳制品产品的安全质量，减少乳制品安全事故。

[0034] 作为一个可选的实施例，上述步骤中的，环节为养殖环节、加工环节、配送环节或销售环节。

[0035] 可见，通过上述可选的实施例，限定了环节的具体类型，以更全面表征乳制品的全过程信息，辅助实现提高乳制品质量风险管控的及时性和管控效果，提高乳制品产品的安全质量，减少乳制品安全事故。

[0036] 作为一个可选的实施例，上述步骤中的，溯源信息包括标签信息、环节设备标识、环节人员信息、环节设备位置和环节用时中的至少一种。

[0037] 可见，通过上述可选的实施例，明确了溯源信息的内容，以更全面表征乳制品的在环节的溯源信息，辅助实现提高乳制品质量风险管控的及时性和管控效果，提高乳制品产品的安全质量，减少乳制品安全事故。

[0038] 作为一个可选的实施例，上述步骤中的，传感信息包括设置在生产线上的传感器获取的图像信息、声音信息、视频信息和红外测距信息中的至少一种。

[0039] 可见，通过上述可选的实施例，明确了传感信息的内容，以更全面表征乳制品的在环节生产中的传感特征信息，辅助实现提高乳制品质量风险管控的及时性和管控效果，提高乳制品产品的安全质量，减少乳制品安全事故。

[0040] 作为一个可选的实施例，上述步骤中的，基于神经网络算法，根据溯源信息，识别多个环节中存在质量风险的预测风险环节，包括：对于每一环节，确定该环节在预设的环节顺序上的前后两个相邻环节；
将该环节和两个相邻环节的溯源信息，输入至训练好的风险预测神经网络模型中，以得到该环节对应的风险预测值和风险类型；
根据风险预测值从大到小，对所有环节进行排序得到第一环节序列；
筛选出第一环节序列中前第一数量个的且风险预测值大于第一阈值的所有环节，得到多个预测风险环节。

[0041] 可见，通过上述可选的实施例，能够通过风险预测神经网络模型基于环节和相邻环节的溯源信息进行风险预测，再基于排序筛选确定出多个预测风险环节，以便后续进行精确的质量把控，从而辅助实现提高乳制品质量风险管控的及时性和管控效果，提高乳制品产品的安全质量，减少乳制品安全事故。

[0042] 作为一个可选的实施例，上述步骤中的，风险预测神经网络模型为CNN结构的神经网络模型，通过包括有多个相邻环节的训练溯源信息和对应的风险标注的训练数据集进行训练得到，在训练中通过预设的损失函数和梯度下降算法对模型参数进行优化直至收敛。

[0043] 可见，通过上述可选的实施例，明确了风险预测神经网络模型的类型以及训练细节，以便后续进行精确的风险预测和质量把控，从而辅助实现提高乳制品质量风险管控的及时性和管控效果，提高乳制品产品的安全质量，减少乳制品安全事故。

[0044] 作为一个可选的实施例，上述步骤中的，根据传感信息以及预设的信息验证算法，从所有预测风险环节中筛选出高风险环节和对应的风险类型，包括：对于每一预测风险环节，将该预测风险环节对应的传感信息输入至训练好的不规范操作预测神经网络中，以得到该预测风险环节对应的存在不规范操作的预测概率值；可选的，不规范操作预测神经网络通过包括有多个训练传感信息和对应的规范操作标注的训练数据集训练得到；
计算预测概率值和第二阈值之间的第一差值；
计算1和计算比值之间的差值绝对值；可选的，计算比值为第一差值和风险预测值的比值；
判断差值绝对值是否小于预设的第三阈值，以确定该预测风险环节的传感异常情况是否与溯源风险情况接近；
在差值绝对值小于第三阈值时，确定该预测风险环节和对应的风险类型，确定为高风险环节和对应的风险类型。

[0045] 可见，通过上述可选的实施例，能够基于不规范操作预测算法和传感信息确定出每一环节的不规范操作概率，再基于预设的差值判断规则判断环节的传感异常情况是否与溯源风险情况接近，筛选出高风险环节和对应的风险类型，以便后续进行精确的风险预测和质量把控，从而辅助实现提高乳制品质量风险管控的及时性和管控效果，提高乳制品产品的安全质量，减少乳制品安全事故。

[0046] 作为一个可选的实施例，上述步骤中的，根据高风险环节和对应的风险类型，生成高风险环节对应的环节监控指令以发送至对应的设备端，包括：对于每一高风险环节，确定该高风险环节对应的环节监控设备；
根据预设的文字模板和该高风险环节对应的风险类型，生成该高风险环节对应的文字通知信息；
根据预设的风险类型和监控指令的对饮关系，生成风险类型对应的环节监控指令；
将环节监控指令和文字通知信息，发送至环节监控设备。

[0047] 可见，通过上述可选的实施例，能够基于文字模板和指令对应关系，生成环节监控指令和文字通知信息以发送至环节对应的监控设备，从而实现提高乳制品质量风险管控的及时性和管控效果，提高乳制品产品的安全质量，减少乳制品安全事故。

[0048] 实施例二请参阅图2，图2是本发明实施例公开的一种基于溯源信息的乳制品质量数据处理系统的结构示意图。其中，图2所描述的基于溯源信息的乳制品质量数据处理系统可以应用于数据处理系统/数据处理设备/数据处理服务器（其中，该服务器包括本地处理服务器或云处理服务器）中。如图2所示，该基于溯源信息的乳制品质量数据处理系统可以包括：
获取模块201，用于获取目标乳制品对应的多个环节的溯源信息和传感信息。

[0049] 识别模块202，用于基于神经网络算法，根据溯源信息，识别多个环节中存在质量风险的预测风险环节。筛选模块203，用于根据传感信息以及预设的信息验证算法，从所有预测风险环节中筛选出高风险环节和对应的风险类型。
确定模块204，用于根据高风险环节和对应的风险类型，生成高风险环节对应的环节监控指令以发送至对应的设备端。

[0050] 可见，上述发明实施例能够通过目标乳制品对应的多个环节的溯源信息和传感信息，基于神经网络算法和信息验证算法确定出高风险环节和对应的风险类型，再生成高风险环节对应的环节监控指令以发送至对应的设备端，从而能够有效提高乳制品质量风险管控的及时性和管控效果，提高乳制品产品的安全质量，减少乳制品安全事故。

[0051] 作为一个可选的实施例，环节为养殖环节、加工环节、配送环节或销售环节。

[0052] 可见，通过上述可选的实施例，限定了环节的具体类型，以更全面表征乳制品的全过程信息，辅助实现提高乳制品质量风险管控的及时性和管控效果，提高乳制品产品的安全质量，减少乳制品安全事故。

[0053] 作为一个可选的实施例，溯源信息包括标签信息、环节设备标识、环节人员信息、环节设备位置和环节用时中的至少一种。

[0054] 可见，通过上述可选的实施例，明确了溯源信息的内容，以更全面表征乳制品的在环节的溯源信息，辅助实现提高乳制品质量风险管控的及时性和管控效果，提高乳制品产品的安全质量，减少乳制品安全事故。

[0055] 作为一个可选的实施例，传感信息包括设置在生产线上的传感器获取的图像信息、声音信息、视频信息和红外测距信息中的至少一种。

[0056] 可见，通过上述可选的实施例，明确了传感信息的内容，以更全面表征乳制品的在环节生产中的传感特征信息，辅助实现提高乳制品质量风险管控的及时性和管控效果，提高乳制品产品的安全质量，减少乳制品安全事故。

[0057] 作为一个可选的实施例，识别模块基于神经网络算法，根据溯源信息，识别多个环节中存在质量风险的预测风险环节的具体方式，包括：对于每一环节，确定该环节在预设的环节顺序上的前后两个相邻环节；
将该环节和两个相邻环节的溯源信息，输入至训练好的风险预测神经网络模型中，以得到该环节对应的风险预测值和风险类型；
根据风险预测值从大到小，对所有环节进行排序得到第一环节序列；
筛选出第一环节序列中前第一数量个的且风险预测值大于第一阈值的所有环节，得到多个预测风险环节。

[0058] 可见，通过上述可选的实施例，能够通过风险预测神经网络模型基于环节和相邻环节的溯源信息进行风险预测，再基于排序筛选确定出多个预测风险环节，以便后续进行精确的质量把控，从而辅助实现提高乳制品质量风险管控的及时性和管控效果，提高乳制品产品的安全质量，减少乳制品安全事故。

[0059] 作为一个可选的实施例，风险预测神经网络模型为CNN结构的神经网络模型，通过包括有多个相邻环节的训练溯源信息和对应的风险标注的训练数据集进行训练得到，在训练中通过预设的损失函数和梯度下降算法对模型参数进行优化直至收敛。

[0060] 可见，通过上述可选的实施例，明确了风险预测神经网络模型的类型以及训练细节，以便后续进行精确的风险预测和质量把控，从而辅助实现提高乳制品质量风险管控的及时性和管控效果，提高乳制品产品的安全质量，减少乳制品安全事故。

[0061] 作为一个可选的实施例，筛选模块根据传感信息以及预设的信息验证算法，从所有预测风险环节中筛选出高风险环节和对应的风险类型的具体方式，包括：对于每一预测风险环节，将该预测风险环节对应的传感信息输入至训练好的不规范操作预测神经网络中，以得到该预测风险环节对应的存在不规范操作的预测概率值；可选的，不规范操作预测神经网络通过包括有多个训练传感信息和对应的规范操作标注的训练数据集训练得到；
计算预测概率值和第二阈值之间的第一差值；
计算1和计算比值之间的差值绝对值；可选的，计算比值为第一差值和风险预测值的比值；
判断差值绝对值是否小于预设的第三阈值，以确定该预测风险环节的传感异常情况是否与溯源风险情况接近；
在差值绝对值小于第三阈值时，确定该预测风险环节和对应的风险类型，确定为高风险环节和对应的风险类型。

[0062] 可见，通过上述可选的实施例，能够基于不规范操作预测算法和传感信息确定出每一环节的不规范操作概率，再基于预设的差值判断规则判断环节的传感异常情况是否与溯源风险情况接近，筛选出高风险环节和对应的风险类型，以便后续进行精确的风险预测和质量把控，从而辅助实现提高乳制品质量风险管控的及时性和管控效果，提高乳制品产品的安全质量，减少乳制品安全事故。

[0063] 作为一个可选的实施例，确定模块根据高风险环节和对应的风险类型，生成高风险环节对应的环节监控指令以发送至对应的设备端的具体方式，包括：对于每一高风险环节，确定该高风险环节对应的环节监控设备；
根据预设的文字模板和该高风险环节对应的风险类型，生成该高风险环节对应的文字通知信息；
根据预设的风险类型和监控指令的对饮关系，生成风险类型对应的环节监控指令；
将环节监控指令和文字通知信息，发送至环节监控设备。

[0064] 可见，通过上述可选的实施例，能够基于文字模板和指令对应关系，生成环节监控指令和文字通知信息以发送至环节对应的监控设备，从而实现提高乳制品质量风险管控的及时性和管控效果，提高乳制品产品的安全质量，减少乳制品安全事故。

[0065] 实施例三请参阅图3，图3是本发明实施例公开的又一种基于溯源信息的乳制品质量数据处理系统。图3所描述的基于溯源信息的乳制品质量数据处理系统应用于数据处理系统/数据处理设备/数据处理服务器（其中，该服务器包括本地处理服务器或云处理服务器）中。如图
3所示，该基于溯源信息的乳制品质量数据处理系统可以包括：
存储有可执行程序代码的存储器301；
与存储器301耦合的处理器302；
其中，处理器302调用存储器301中存储的可执行程序代码，用于执行实施例一所描述的基于溯源信息的乳制品质量数据处理方法的步骤。

[0066] 实施例四本发明实施例公开了一种计算机读存储介质，其存储用于电子数据交换的计算机程序，其中，该计算机程序使得计算机执行实施例一所描述的基于溯源信息的乳制品质量数据处理方法的步骤。

[0067] 实施例五本发明实施例公开了一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行实施例一所描述的基于溯源信息的乳制品质量数据处理方法的步骤。

[0068] 上述对本说明书特定实施例进行了描述，其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，附图中描绘的过程不一定必须按照示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

[0069] 上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

[0070] 为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

[0071] 本领域内的技术人员应明白，本说明书实施例可提供为方法、系统、或计算机程序产品。因此，本说明书实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD‑ROM、光学存储器等)上实施的计算机程序产品的形式。

[0072] 本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

[0073] 这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

[0074] 这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

[0075] 在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

[0076] 内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

[0077] 计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD‑ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带式磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

[0078] 还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

[0079] 本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

[0080] 本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

[0081] 最后应说明的是：本发明实施例公开的一种基于溯源信息的乳制品质量数据处理方法及系统所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。