为提升水产品危害分析及关键控制点(Hazard analysis and critical control points,HACCP)体系国家标准在保障质量溯源方面的数据可信、可读,以国家标准中的巴氏杀菌蟹肉HACCP计划为例,结合语义建模和区块链技术,提出了巴氏杀菌蟹肉增强...为提升水产品危害分析及关键控制点(Hazard analysis and critical control points,HACCP)体系国家标准在保障质量溯源方面的数据可信、可读,以国家标准中的巴氏杀菌蟹肉HACCP计划为例,结合语义建模和区块链技术,提出了巴氏杀菌蟹肉增强HACCP计划可信可视溯源模型(Enhanced HACCP credibility and visualization traceability model,EHCVTM)。该模型结合国家标准对巴氏杀菌蟹肉HACCP计划进行语义理解,构建巴氏杀菌蟹肉HACCP计划质量安全数据体系(HACCP quality and safety data system,HQSDS)并设计知识表示。为所得的增强HACCP计划的执行数据设计合理的数据存储结构、智能合约,实现“有风险上链,无风险自治”、“高风险直接上链,低风险加密上链”的数据分级存储管理模式。然后借助图数据库实现不同需求的可视化展示。最终实现了基于EHCVTM的HACCP质量溯源应用原型并进行测试。结果表明,基于此模型的应用保障了质量溯源风险数据的可信度,提高了数据反馈时的可读性,增强了质量溯源平台预警能力,使企业内部完成精细化监控,企业外部多方监督,质量安全风险公开,安全责任定位精确。且基于区块链的系统吞吐量达到300笔/s,可基本满足溯源系统的业务需求。该研究为基于HACCP国家标准的水产品质量安全风险监控可信可视溯源提供了新思路。展开更多
为提高水产品加工中的质量安全风险信息化管理水平,以国标中的生食牡蛎HACCP计划为例,提出了基于生食牡蛎加工HACCP计划的语义基础模型(HACCP semantic base model,HSBM),用来实现知识的提取、表示、建模和推理。从HACCP计划中获取领域...为提高水产品加工中的质量安全风险信息化管理水平,以国标中的生食牡蛎HACCP计划为例,提出了基于生食牡蛎加工HACCP计划的语义基础模型(HACCP semantic base model,HSBM),用来实现知识的提取、表示、建模和推理。从HACCP计划中获取领域知识,构建生食牡蛎HACCP语义建模架构。在该架构指导下,构建知识表示模型,采用本体建模方法对生食牡蛎加工HACCP语义进行建模,并绘制生食牡蛎HACCP概念-关系结构图。然后,采用语义网规则语言SWRL描述业务逻辑规则,提高知识的自动推理能力。最后,利用HermiT推理机实现知识推理。结果表明,此模型可以较为完整地表述生食牡蛎HACCP计划覆盖的知识,丰富生食牡蛎本体知识库,为HACCP计划的数字化、智能化应用提供技术支持。展开更多
Convolutional neural networks （CNNs） have been applied in state-of-the-art visual tracking tasks to represent the target. However, most existing algorithms treat visual tracking as an object-specific task. Therefore...Convolutional neural networks （CNNs） have been applied in state-of-the-art visual tracking tasks to represent the target. However, most existing algorithms treat visual tracking as an object-specific task. Therefore, the model needs to be retrained for different test video sequences. We propose a branch-activated multi-domain convolutional neural network （BAMDCNN）. In contrast to most existing trackers based on CNNs which require frequent online training, BAMDCNN only needs offine training and online fine-tuning. Specifically, BAMDCNN exploits category-specific features that are more robust against variations. To allow for learning category-specific information, we introduce a group algorithm and a branch activation method. Experimental results on challenging benchmark show that the proposed algorithm outperforms other state-of-the-art methods. What＇s more, compared with CNN based trackers, BAMDCNN increases tracking speed.展开更多
文摘为提升水产品危害分析及关键控制点(Hazard analysis and critical control points,HACCP)体系国家标准在保障质量溯源方面的数据可信、可读,以国家标准中的巴氏杀菌蟹肉HACCP计划为例,结合语义建模和区块链技术,提出了巴氏杀菌蟹肉增强HACCP计划可信可视溯源模型(Enhanced HACCP credibility and visualization traceability model,EHCVTM)。该模型结合国家标准对巴氏杀菌蟹肉HACCP计划进行语义理解,构建巴氏杀菌蟹肉HACCP计划质量安全数据体系(HACCP quality and safety data system,HQSDS)并设计知识表示。为所得的增强HACCP计划的执行数据设计合理的数据存储结构、智能合约,实现“有风险上链,无风险自治”、“高风险直接上链,低风险加密上链”的数据分级存储管理模式。然后借助图数据库实现不同需求的可视化展示。最终实现了基于EHCVTM的HACCP质量溯源应用原型并进行测试。结果表明,基于此模型的应用保障了质量溯源风险数据的可信度,提高了数据反馈时的可读性,增强了质量溯源平台预警能力,使企业内部完成精细化监控,企业外部多方监督,质量安全风险公开,安全责任定位精确。且基于区块链的系统吞吐量达到300笔/s,可基本满足溯源系统的业务需求。该研究为基于HACCP国家标准的水产品质量安全风险监控可信可视溯源提供了新思路。
文摘为提高水产品加工中的质量安全风险信息化管理水平,以国标中的生食牡蛎HACCP计划为例,提出了基于生食牡蛎加工HACCP计划的语义基础模型(HACCP semantic base model,HSBM),用来实现知识的提取、表示、建模和推理。从HACCP计划中获取领域知识,构建生食牡蛎HACCP语义建模架构。在该架构指导下,构建知识表示模型,采用本体建模方法对生食牡蛎加工HACCP语义进行建模,并绘制生食牡蛎HACCP概念-关系结构图。然后,采用语义网规则语言SWRL描述业务逻辑规则,提高知识的自动推理能力。最后,利用HermiT推理机实现知识推理。结果表明,此模型可以较为完整地表述生食牡蛎HACCP计划覆盖的知识,丰富生食牡蛎本体知识库,为HACCP计划的数字化、智能化应用提供技术支持。
基金the Innovation Action Plan Foundation of Shanghai(No.16511101200)
文摘Convolutional neural networks （CNNs） have been applied in state-of-the-art visual tracking tasks to represent the target. However, most existing algorithms treat visual tracking as an object-specific task. Therefore, the model needs to be retrained for different test video sequences. We propose a branch-activated multi-domain convolutional neural network （BAMDCNN）. In contrast to most existing trackers based on CNNs which require frequent online training, BAMDCNN only needs offine training and online fine-tuning. Specifically, BAMDCNN exploits category-specific features that are more robust against variations. To allow for learning category-specific information, we introduce a group algorithm and a branch activation method. Experimental results on challenging benchmark show that the proposed algorithm outperforms other state-of-the-art methods. What＇s more, compared with CNN based trackers, BAMDCNN increases tracking speed.
