农产品质量安全追溯码的设计与实现

为实现对农产品"从农田到餐桌"的全方位的监控,在对EAN-UCC全球统一标识体系研究的基础上,结合农产品供应链的实际情况,对UCC/EAN-128条码在农产品追溯中的应用作深入研究,并基于.NET平台上实现了农产品安全追溯系统.     

基于RFID食品安全追溯的系统

通过无线射频识别技术、无线数据通信技术、网络技术以及数据库技术等是在构建食品安全监测追溯系统采用的几种方法。这个系统全过程跟踪、追溯食品的生产养殖、出场、流通批发以及零售环节,从而使食品的安全监测管理得以实现。本文针对RFID食品安全追溯的系统进行相应的分析和研究。     

基于物联网技术的乳业食品质量安全跟踪追溯系统研究

传统乳业食品跟踪追溯系统不能有效地应对三聚氰胺等乳业食品质量安全问题,因而需要研究基于物联网技术的乳业食品安全跟踪追溯系统。在探讨了物联网技术与乳业食品安全跟踪追溯系统的概念和关系后,着重分析了当前一些较为重要的跟踪追溯系统,并指出了这些策略的优缺点。最后分析了当前亟待解决的问题,展望了其未来的发展趋势。     

基于物联网技术的乳业食品质量安全跟踪追溯系统研究

传统乳业食品跟踪追溯系统不能有效地应对三聚氰胺等乳业食品质量安全问题,因而需要研究基于物联网技 术的乳业食品安全跟踪追溯系统。在探讨了物联网技术与乳业食品安全跟踪追溯系统的概念和关系后,着重分析了当前一些 较为重要的跟踪追溯系统,并指出了这些策略的优缺点。最后分析了当前亟待解决的问题,展望了其未来的发展趋势。     

智慧城市食品安全追溯系统研究

首先介绍了建设智慧城市的重要性,阐述了忽视食品安全问题造成的严重危害。然后从食品安全在营造智慧城市中的重要作用出发,研究智慧城市食品安全追溯系统。最后构建一个支持食品生产、加工和流通全过程跟踪与追溯的智慧城市食品安全追溯系统。研究表明,本文构建的系统有助于在智慧城市中实现"从餐桌到农牧基地"的食品安全追溯。     

上海世博会进口食品质量安全追溯系统的研究与设计

本文基于上海世博会进口食品监管与追溯的业务需求,重点分析物流关键节点和数据流关键元素,设计出完整的追溯系统技术、功能和接口框架,并对系统的实施效果进行探讨。在系统设计和实施方面,集成了多源信息融合技术、风险分析技术、工业质量故障诊断、软计算等技术与方法。     

物流跟踪追溯系统的设计与实现

随着时间的推移,现代物流技术的发展,我国物流管理、供应链管理面临许多新的挑战。如何科学合理的处理物流供应链中信息共享的问题,成为现代物流业研究的重要课题。射频识别技术(RFID)很好地解决物流供应链中的信息共享问题。本文对此项技术的设计与实现进行了分析。     

基于.net的食品质量安全追溯技术的研究与实现

食品质量安全是公共健康面临的主要威胁之一,国际社会对它的关注程度正逐步加强。通过分析食品质量安全追溯信息的组成,给出了食品质量安全追溯系统的框架结构、追溯码的设计方法和条形码标签的打印方法,并以农产品的质量安全追溯为例,设计了具有C/S与B/S混合结构的农产品质量安全追溯系统,并在.NET平台上开发实现了该系统。     

一、二维农产品追溯条码的比较研究

随着人们生活水平的不断提高以及科学技术的快速发展,农产品安全质量问题逐渐受到人们广泛关注。为了方便人们对农产品质量进行有效追溯,条码技术以及追踪技术在农产品中得到了广泛应用。本文主要对一维以及二维条码进行比较和分析。     

自动售货设备食品安全追溯监管系统的开发应用

为了加强自动售货设备的食品安全监管,食品安全监管部门发布了销售食品的自动售货设备管理规定,要求食品售卖商向地级市食品药品监督管理部门报告,报告自动售货设备的设置和变更情况。明确自动售货设备销售食品的安全管理和设备维护标准,严格执行食品企业的食品安全管理要求,对人们的健康成长具有重大意义。食品自动售货机所在县的食品药品监督管理部门,应担负自动售货设备所在地的日常监管职责,将自动售货设备纳入年度监管计划,避免监管漏洞。基于此,针对自动售货设备和食品安全追溯的需求,开发和部署了应用系统。     

基于注意力机制和高斯概率估计的PM2.5浓度预测

作为衡量空气污染物浓度的重要指标, 对PM_2.5浓度进行监控预测, 能够有效地保护大气环境, 进一步地减少空气污染带来的危害. 随着空气质量自动监测站的大范围建立, 由传统的机器学习搭建的空气质量预测模型已经不能满足当今的需求. 本文提出了一种基于多头注意力机制和高斯概率估计的高斯-注意力预测模型, 并对沈阳市某监测站点的数据进行了训练和测试. 该模型考虑了PM_2.5浓度受到其他空气质量数据的影响, 将空气质量数据的分层时间戳(周、日、小时)的信息对齐作为输入, 使用多头注意力机制对于不同子空间的时间序列关联特征进行提取, 能够获得更加完善有效的特征信息, 再经过高斯似然估计得到预测结果. 通过与多种基准模型进行对比, 相较于性能较优的DeepAR, 高斯-注意力预测模型的MSE、MAE分别下降了21%、15%, 有效地提高了预测准确率, 能够较准确地预测出PM_2.5浓度.     

基于自适应层级图卷积的多站点空气质量预测模型

时空预测任务在污染治理、交通、能源、气象等领域应用广泛. PM_2.5浓度预测作为典型的时空预测任务, 需要对空气质量数据中的时空依赖关系进行分析和利用. 现有时空图神经网络(ST-GNNs)研究所使用的邻接矩阵使用启发式规则预定义, 无法准确表示站点之间的真实关系. 本文提出了一种自适应分层图卷积神经网络(AHGCNN)用于PM_2.5预测. 首先, 引入了一种分层映射图卷积架构, 在不同层级上使用不同的自学习邻接矩阵, 以有效挖掘不同站点之间独特的时空依赖. 其次, 以基于注意力的聚合机制连接上下层邻接矩阵, 加速收敛过程. 最后, 将隐藏的空间状态与门控循环单元相结合, 形成一个统一的预测架构, 同时捕捉多层次的空间依赖关系和时间依赖关系, 提供最终的预测结果. 实验中, 我们与7种主流预测模型进行对比, 结果表明该模型可以有效获取空气监测站点之间的时空依赖, 提高预测精确度.     

A semi-empirical model for predicting hourly ground-level fine particulate matter (PM2.5) concentration in southern Ontario from satellite remote sensing and ground-based meteorological measurements

A semi-empirical model is developed to predict the hourly concentration of ground-level fine particulate matter (PM_2.5) coincident to satellite overpass, at a regional scale. The model corrects the aerosol optical depth (AOD) data from the Moderate Resolution Imaging Spectroradiometer (MODIS) by the assimilated parameters characterizing the boundary layer and further adjusts the corrected value according to meteorological conditions near the ground. The model was built and validated using the data collected for southern Ontario, Canada for 2004. Overall, the model is able to explain 65% of the variability in ground-level PM_2.5 concentration. The model-predicted values of PM_2.5 mass concentration are highly correlated with the actual observations. The root-mean-square error of the model is 6.1 µg/m³. The incorporation of ground-level temperature and relative humidity is found to be significant in improving the model predictability. The coarse resolution of the assimilated meteorological fields limits their value in the AOD correction. Although MODIS AOD data is acquired on a daily basis and the valid data coverage can sometimes be very limited due to unfavourable weather conditions, the model provides a cost-effective approach for obtaining supplemental PM_2.5 concentration information in addition to the ground-based monitoring station measurement.     

生鲜蔬菜产品质量安全溯源系统设计与实现

针对生鲜蔬菜种植分散,标准难以统一,溯源渠道不畅的问题,探索了一种企业与农户合作的模式,设计并开发了生鲜蔬菜产品质量安全溯源系统。系统依据生鲜蔬菜产品供应链特点,采用RFID标签与一维码、二维码相结合的混合编码模式,应用物联网、数据库等技术,开发了具有网络管理、条码打印、产品查询、智能手机管理等多功能的产品质量安全溯源系统。通过物联网技术,可自动采集环境信息,以及摄像头或手机拍摄的图像,上传至服务器,作为产品的原始信息。最终采用二维码溯源,实现蔬菜产品在种植、收购、检测、加工等环节信息追溯。这为蔬菜生产建立了统一标准,为市场增强了产品透明度,形成一个具有三方满意及消费者参与监督、评价的溯源服务平台。     

基于微程序的江山猕猴桃质量安全溯源系统设计与实现

目前,各种水果安全屡屡发生,消费者越来越担忧水果的质量安全。以二维码为电子标签的移动溯源技术以质好、价底、易维护,渐渐代替了以RFID技术为主的在质量安全溯源系统。随着手机的普及与微信的广泛使用,开发基于微程序系统的江山猕猴桃质量安全溯源系统对江山猕猴桃的推广和监管尤为迫切。该系统对猕猴桃在生产、加工、仓储、物流、销售等环节的关键信息进行采集,在后台产生追溯码,批量打印后贴在产品上,消费者用微信扫描二维追溯码即可完成对江山猕猴桃的溯源。     

基于RFID的食品安全监测追溯系统的设计

采用无线射频识别技术(Radio Frequency Identification,RFID)、无线数据通信技术(GPRS)、网络技术及数据库技术等,构建食品安全监测追溯系统。该系统可以对食品从生产养殖、出场、流通批发到零售环节等进行全过程跟踪、追溯,实现食品的安全监测管理。     

基于KNN-LSTM的PM2.5浓度预测模型

目前多数PM_2.5浓度预测模型仅利用单个站点的时间序列数据进行浓度预测, 并没有考虑到空气质量监测站之间的区域关联性, 这会导致预测存在一定的片面性. 本文利用KNN算法选择目标站点所在区域中与其相关的空间因素, 并结合LSTM模型, 提出基于时空特征的KNN-LSTM的PM_2.5浓度预测模型. 以哈尔滨市10个空气质量监测站的污染物数据进行仿真实验, 并将KNN-LSTM模型与其他预测模型进行对比, 结果显示: 模型相较于BP神经网络模型平均绝对误差(MAE)、均方根误差(RMSE)分别降低了19.25%、13.23%; 相较于LSTM模型MAE、RMSE分别降低了4.29%、6.99%. 表明本文所提KNN-LSTM模型能有效提高LSTM模型的预测精度.     

Development of a particle number and particle mass vehicle emissions inventory for an urban fleet

Motor vehicles are major emitters of gaseous and particulate matter pollution in urban areas, and exposure to particulate matter pollution can have serious health effects, ranging from respiratory and cardiovascular disease to mortality. Motor vehicle tailpipe particle emissions span a broad size range from 0.003 to 10 μm, and are measured as different subsets of particle mass concentrations or particle number count. However, no comprehensive inventories currently exist in the international published literature covering this wide size range. This paper presents the first published comprehensive inventory of motor vehicle tailpipe particle emissions covering the full size range of particles emitted. The inventory was developed for urban South-East Queensland by combining two techniques from distinctly different disciplines, from aerosol science and transport modelling. A comprehensive set of particle emission factors were combined with transport modelling, and tailpipe particle emissions were quantified for particle number (ultrafine particles), PM₁, PM_2.5 and PM₁₀ for light and heavy duty vehicles and buses. A second aim of the paper involved using the data derived in this inventory for scenario analyses, to model the particle emission implications of different proportions of passengers travelling in light duty vehicles and buses in the study region, and to derive an estimate of fleet particle emissions in 2026. It was found that heavy duty vehicles (HDVs) in the study region were major emitters of particulate matter pollution, and although they contributed only around 6% of total regional vehicle kilometres travelled, they contributed more than 50% of the region's particle number (ultrafine particles) and PM₁ emissions. With the freight task in the region predicted to double over the next 20 years, this suggests that HDVs need to be a major focus of mitigation efforts. HDVs dominated particle number (ultrafine particles) and PM₁ emissions; and LDV PM_2.5 and PM₁₀ emissions. Buses contributed approximately 1–2% of regional particle emissions.     

基于SpringCloud的食品安全溯源系统的设计与实现

食品安全问题是关系国计民生的大事,在互联网时代的今天,有一款可以解决食品安全的软件是非常有必要的,有关食品的原料采购及成品去向都要在平台中进行备案。若一件食品有问题,则可以快速定位该批食品,定位问题厂家及该批货源所有去向,及时召回,可以有效地解决食品安全问题。而在微服务快速发展的今天,我们可以使用微服务框架SpringCloud快速有效的进行食品安全溯源系统的开发。