食用油加工安全風險預警決策方法、電子設備及介質

本發明涉及危害物預警決策領域，更具體地，涉及一種食用油加工安全風險預警決策方法、電子設備及介質。

背景技術：

1、食用油安全問題一直是全社會重點關注的問題。食用油質量安全問題可能發生在油料種植、收獲、運輸、生產、加工的各個環節。因此，企業對食用油中反映安全風險的問題進行及時有效的預警、管理和控制，對提高企業競爭力、經濟效益和維護消費者健康有著十分重要的現實意義。如何控制食用油中危害物，及時對其進行預警決策，是目前亟待解決的問題。

2、因此，有必要開發一種食用油加工安全風險預警決策方法、電子設備及介質。

3、公開于本發明背景技術部分的信息僅僅旨在加深對本發明的一般背景技術的理解，而不應當被視為承認或以任何形式暗示該信息構成已為本領域技術人員所公知的現有技術。

技術實現思路

1、本發明提出了一種食用油加工安全風險預警決策方法、電子設備及介質，其能夠精準預測食用油加工安全風險。

2、第一方面，本公開實施例提供了一種食用油加工安全風險預警決策方法，包括：

3、確定采集對象，進而確定所述采集對象對應的危害物含量；

4、根據加工參數與所述危害物含量訓練每一種采集對象對應的危害物遷移模型，所述危害物遷移模型為長短期記憶人工神經網絡；

5、將待測的采集對象的加工參數帶入訓練后的危害物遷移模型中，預測對應的危害物含量；

6、劃分風險等級以及對應的決策方案，根據所述危害含量確定所述決策方案。

7、優選地，所述采集對象包括菜籽油、大豆油、花生油、玉米油、稻米油、濃香花生油、濃香菜籽油。

8、優選地，建立所述危害物遷移模型前通過高斯核函數對所述加工參數與所述危害物含量進行擴充。

9、優選地，所述高斯核函數為：

10、

11、其中，x是擴充數據的點，xi是原始樣本數據中的點，h是帶寬，d是數據的維度，∥x-xi∥表示擴充點到原始樣本數據中的點之間的歐式距離。

12、優選地，根據所述加工參數與所述危害物含量的映射關系，建立所述長短期記憶人工神經網絡，包括遺忘門、輸入門和輸出門。

13、優選地，所述遺忘門的輸出為：

14、ft＝σ(wf*[ht-1,xt]+bf)

15、其中，ft是遺忘門的輸出，wf是遺忘門的權重，bf是偏置項，σ是sigmoid激活函數，ht-1是上一時間的輸出，xt是當前輸入。

16、優選地，所述輸入門的輸出為：

17、it＝σ(wi*[ht-1,xt]+bi)

18、其中，it是輸入門的輸出。

19、優選地，所述輸出門的輸出為：

20、ot＝σ(wo*[ht-1,xt]+bo)

21、其中，ot是輸出門的輸出，ht-1＝ot-1*tanh(ct-1)。

22、第二方面，本公開實施例還提供了一種電子設備，該電子設備包括：

23、存儲器，存儲有可執行指令；

24、處理器，所述處理器運行所述存儲器中的所述可執行指令，以實現所述的食用油加工安全風險預警決策方法。

25、第三方面，本公開實施例還提供了一種計算機可讀存儲介質，該計算機可讀存儲介質存儲有計算機程序，該計算機程序被處理器執行時實現所述的食用油加工安全風險預警決策方法。

26、本發明的方法和裝置具有其它的特性和優點，這些特性和優點從并入本文中的附圖和隨后的具體實施方式中將是顯而易見的，或者將在并入本文中的附圖和隨后的具體實施方式中進行詳細陳述，這些附圖和具體實施方式共同用于解釋本發明的特定原理。

技術特征：

1.一種食用油加工安全風險預警決策方法，其特征在于，包括：

2.根據權利要求1所述的食用油加工安全風險預警決策方法，其中，所述采集對象包括菜籽油、大豆油、花生油、玉米油、稻米油、濃香花生油、濃香菜籽油。

3.根據權利要求1所述的食用油加工安全風險預警決策方法，其中，建立所述危害物遷移模型前通過高斯核函數對所述加工參數與所述危害物含量進行擴充。

4.根據權利要求3所述的食用油加工安全風險預警決策方法，其中，所述高斯核函數為：

5.根據權利要求1所述的食用油加工安全風險預警決策方法，其中，根據所述加工參數與所述危害物含量的映射關系，建立所述長短期記憶人工神經網絡，包括遺忘門、輸入門和輸出門。

6.根據權利要求5所述的食用油加工安全風險預警決策方法，其中，所述遺忘門的輸出為：

7.根據權利要求5所述的食用油加工安全風險預警決策方法，其中，所述輸入門的輸出為：

8.根據權利要求5所述的食用油加工安全風險預警決策方法，其中，所述輸出門的輸出為：

9.一種電子設備，其特征在于，所述電子設備包括：

10.一種計算機可讀存儲介質，其特征在于，該計算機可讀存儲介質存儲有計算機程序，該計算機程序被處理器執行時實現權利要求1-8中任一項所述的食用油加工安全風險預警決策方法。

技術總結
本申請公開了一種食用油加工安全風險預警決策方法、電子設備及介質。該方法可以包括：確定采集對象，進而確定采集對象對應的危害物含量；根據加工參數與危害物含量訓練每一種采集對象對應的危害物遷移模型，危害物遷移模型為長短期記憶人工神經網絡；將待測的采集對象的加工參數帶入訓練后的危害物遷移模型中，預測對應的危害物含量；劃分風險等級以及對應的決策方案，根據危害含量確定決策方案。本發明能夠精準預測食用油加工安全風險。

技術研發人員：張海龍,呂彥杰,楊華,張維農,張曉琳,杜靜
受保護的技術使用者：武漢輕工大學
技術研發日：
技術公布日：2024/10/21