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

1.本发明属于公共安全领域，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。


背景技术：

2.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％。
3.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。


技术实现要素：

4.针对现有技术中存在的上述技术问题，本发明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。
5.为了实现上述目的，本发明采用如下技术方案：
6.一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；
7.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；
8.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；
9.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；
10.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；
11.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；
12.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；
13.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；
14.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；
15.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；
16.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；
17.数据接口，包括智能设备通信接口模块、手机短信报警接口；
18.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；
19.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；
20.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。
21.此外，本发明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：
22.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，ai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，tf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，bi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，hf为湿度的天气预报数据；；系数ai和bi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史农药残留测量数据，k
p4
为专家经验数据对应的加权系数，为某类蔬果在当前季节、当前地区的农药残留平均测量数据；
[0030]
当所预测的农药残留量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；
[0031]
步骤3：在细菌残留量的预测方面，建立了包含往年历史数据、近期实际测量数据、室内温度数据、室内湿度数据、专家数据库中经验数据5方面影响的加权预测模型；往年的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细菌残留测量仪获取的数据；室内温度数据、室内湿度数据来源于温湿度测量仪获取的数据；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：
[0032][0033]
其中，为细菌残留量预测值，k
b1
为某类细菌历史残留测量数据对应的加权系数，d
b1
为某类细菌历史残留测量数据的点数，b
1i
为某类细菌历史残留测量数据，k
b2
为某类细菌近期残留测量数据对应的加权系数，d
b2
为某类细菌近期残留测量数据的点数，b
2i
为某类细菌近期残留测量数据，k
b3
为室内温度对应的加权系数，d
b3
为室内温度测量数据的点数，ti为室内温度测量数据，f1为体现室内温度对细菌残留量影响的函数，k
b4
为室内湿度对应的加权系数， d
b4
为室内湿度测量数据的点数，hi为室内湿度测量数据，f2为体现室内湿度对细菌残留量影响的函数，k
b5
为专家经验数据对应的加权系数，为某类细菌在当前季节、当前地区的残留量平均测量数据；
[0034]
当所预测的细菌残留量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；
[0035]
步骤4：在物资消耗量的预测方面，建立了包含往年历史数据、近期实际消耗数据、就餐人数估计数据3方面影响的加权预测模型；往年的历史数据来源于以前的纸质记录数据和近年来的数字化台账数据；近期实际消耗数据来自于系统原料管理模块中记录的数据；就餐人数估计数据来源于往年的统计数据；所建立的加权预测模型对应如下公式：
[0036][0037]
其中，为某类物资在将来一段时间内消耗量的预测值，k
c1
为某类物资在往年历史同期消耗量数据对应的加权系数，d
c1
为某类物资历史消耗量对应的数据点数，c
1i
为某类物资在往年历史同期的消耗量数据，k
c2
为某类物资近期消耗量数据对应的加权系数，d
c2
为某类物资近期消耗量对应的数据点数，c
2i
为某类物资近期的消耗量数据，k
c3
为与就餐人数人均消耗量对应的加权系数，为根据往年的统计数据估计出的一段时间内的就餐人数；所预测得到的某类物资在将来一段时间内的消耗量数据，提供给餐厅的物资计划人员进行参考，目的是使物资采购计划的制定更加合理，从而减少由于物资供过于求带来的食品过期的安全风险。
[0038]
本发明所带来的有益技术效果：
[0039]
(1)充分利用往年历史数据、近期实际观测数据和近期天气预报数据，对重要场所的温湿度数据进行预测，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。
[0040]
(2)充分利用往年历史数据、近期实际测量数据、供货商和专家数据库，对农药残留量进行预测，当所预测的农药残留量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。
[0041]
(3)充分利用往年历史数据、近期实际测量数据、室内温度数据、室内湿度数据和专家数据库，对细菌残留量进行预测，当所预测的细菌残留量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。
[0042]
(4)充分利用往年历史数据、近期实际消耗数据和就餐人数估计数据，对物资消耗量进行预测，所预测得到的某类物资在将来一段时间内的消耗量数据，提供给餐厅的物资计划人员进行参考，使得物资采购计划的制定更加合理，从而减少由于物资供过于求带来的食品过期的安全风险。
附图说明
[0043]
图1为温湿度通信接口的功能实现流程图。
[0044]
图2为农残检测超限报警的功能实现流程图。
[0045]
图3为温湿度测量设备面板显示示意图。
[0046]
图4为温湿度通信接口所接收数据的示意图。
[0047]
图5为网页端农残检测信息浏览页面示意图。
[0048]
图6为农残通信接口所接收数据的示意图。
[0049]
图7为物资临近过期手机报警短信示意图。
[0050]
图8为细菌检测超标手机报警短信示意图。
[0051]
图9为农残检测手机预警短信示意图。
具体实施方式
[0052]
下面结合附图以及具体实施方式对本发明作进一步详细说明：
[0053]
预警报警系统的组成
[0054]
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。
[0055]
预警报警系统算法原理
[0056]
为实现系统能对常见群体性食品安全风险(例如：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、餐具消毒不达标、库存物资临近过期等)进行实时报警或及时预警，突破了如下两方面的关键技术。
[0057]
一方面，利用物联网技术实现了温湿度测量、农药残留测量、细菌残留测量等智能设备与中心服务器间的互联。当传输到中心服务器上的实时测量数据超标时，则实时报警。为此，在系统中配备了具备网络通信功能的温湿度测量、农药残留测量、细菌残留测量设备和短信通信设备。温湿度测量设备可根据设置的时间间隔，定时地将重要场所的温湿度测量数据上传到中心服务器。工作人员可根据不同场所对温湿度范围要求的不同设置适宜的阈值。当采集的温湿度数据超出阈值范围时，通过短信通信设备向管理人员实时报警。工作人员可利用农药残留测量、细菌残留测量设备对蔬果的农药残留、凉菜间和餐具等的细菌残留进行抽样化验，化验完成后通过设备上的按键将测量数据上传到中心服务器。当采集的测量数据超出了事先设置的阈值范围时，通过短信通信设备向管理人员实时报警。工作人员不能对测量数据进行干预，保证了测量数据的客观性。
[0058]
另一方面，则基于神经网络或基于时间序列分析的大数据分析技术，通过对大量历史数据的分析，结合专家库中的知识，实现了及时发现常见群体性食品安全风险的前兆，从而进行及时预警。上述预警方式属于食品安全风险因素还未发生前的“事前”预警，其意义更为重大。例如：系统可根据农药残留测量的历史数据，结合专家库的知识，给出学校所在地区当前季节农药残留容易超标的蔬果品种，从而可向原材料采购人员及时进行风险预警。
[0059]
重要场所温湿度超标分析算法，其流程如图1所示；
[0060]
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：
[0061][0062][0063]
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，ai为温度ar(auto regressive，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，tf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，bi为温度ar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，hf为湿度的天气预报数据。系数ai和bi的值可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。
[0064]
蔬果农药残留超标分析算法，其流程如图2所示；
[0065]
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：
[0066][0067]
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史农药残留测量数据，k
p4
为专家经验数据对应的加权系数，为某类蔬果在当前季节、当前地区的农药残留平均测量数据。
[0068]
当所预测的农药残留量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。
[0069]
食品细菌超标分析算法
[0070]
在细菌残留量的预测方面，建立了包含往年历史数据、近期实际测量数据、室内温度数据、室内湿度数据、专家数据库中经验数据5方面影响的加权预测模型。往年的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细菌残留测量仪获取的数据。室内温度数据、室内湿度数据来源于温湿度测量仪获取的数据。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：
[0071][0072]
其中，为细菌残留量预测值，k
b1
为某类细菌历史残留测量数据对应的加权系数，d
b1
为某类细菌历史残留测量数据的点数，b
1i
为某类细菌历史残留测量数据，k
b2
为某类细菌近期残留测量数据对应的加权系数，d
b2
为某类细菌近期残留测量数据的点数，b
2i
为某类细菌近期残留测量数据，k
b3
为室内温度对应的加权系数，d
b3
为室内温度测量数据的点数，ti为室内温度测量数据，f1为体现室内温度对细菌残留量影响的函数，k
b4
为室内湿度对应的加
权系数， d
b4
为室内湿度测量数据的点数，hi为室内湿度测量数据，f2为体现室内湿度对细菌残留量影响的函数，k
b5
为专家经验数据对应的加权系数，为某类细菌在当前季节、当前地区的残留量平均测量数据。
[0073]
当所预测的细菌残留量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。
[0074]
测试结果
[0075]
图3为温湿度测量设备面板显示示意图，可由设备直观显示温湿度信息。图4为温湿度通信接口所接收数据的示意图，可在服务器桌面上显示所接收的温湿度信息。图5为网页端农残检测信息浏览页面示意图，用户可通过浏览器查看农残检测信息。图6为农残通信接口所接收数据的示意图，可在服务器桌面上显示所接收的农残检测信息。图7为物资临近过期手机报警短信示意图，图8为细菌检测超标手机报警短信示意图，当发现以上食品安全风险问题后，向系统管理员自动发送手机短信进行报警。图9为农残检测手机预警短信示意图，当预测出近期某些类蔬菜有农残检测量超标的风险时，向系统管理员自动发送手机短信进行预警。
[0076]
本技术属于新一代学校餐厅食品安全管理信息平台的食品安全预警报警系统，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。在传统的数据预测算法的基础上，本技术基于大数据分析的食品安全风险预警方法，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。所开发的食品安全预警报警系统可提高预防食品安全风险的能力。
[0077]
当然，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。