一种基于区块链的安全监控系统的制作方法

1.本发明涉及区块链安全监控技术领域，具体为一种基于区块链的安全监控系统。


背景技术：

2.食材质量安全指提供的食材在营养，卫生方面满足和保障人群的健康需要，在实际生活中，人们选购菜品食材一般有两种途径，第一，需要到菜市场等地方进行挑选，由于许多人不能够主动辨认出菜品食材的好坏和自己的需要情况；也有些人不喜欢菜市场的拥挤环境，以及存在的病菌感染风险，因此外出选购食材十分不方便；第二，网络选购食材，由于网络途径不能够进行实时更换菜品食材图片信息，往往是以示意图的形式进行指导，导致顾客无法查看得到自己买的菜品食材的样式，最终买的菜品食材与想象中的存在差距，带来了十分不好的用户体验；同时在食材质量安全方面，许多不良商家出售“注水肉”、“变质肉”等，而且又拒不承认，使得消费者损失巨大，更有甚者身体健康受损，难以追责；也有一些商家对交易记录进行修改，删除差评或者刷好评等不良行为，导致消费者在挑选时没有一个可靠的参考；
3.区块链技术作为一项可靠性技术，能够实现数据的存储隐私和不受篡改，因此本发明提出了一种基于区块链的安全监控系统，用以处理当前生活中在食材质量安全方面出现的问题，提高人们的采购热情，提升国民身体素质。


技术实现要素：

4.本发明的目的在于提供一种基于区块链的安全监控系统，以解决上述背景技术中提出的问题。
5.为了解决上述技术问题，本发明提供如下技术方案：一种基于区块链的安全监控系统，该系统包括食材采购模块、定位获取模块、菜肴预测模块、肉质扫描模块、智能推荐模块、质量追溯模块、安全监控模块、综合评价模块、交易记录模块、云端服务器；
6.所述食材选购模块的输出端与所述定位获取模块、所述质量追溯模块的输入端相连接；所述定位获取模块的输出端与所述菜肴预测模块的输入端相连接；所述菜肴预测模块的输出端与所述肉质扫描模块的输入端相连接；所述肉质扫描模块的输出端与所述智能推荐模块的输入端相连接；所述智能推荐模块的输出端与所述食材选购模块、所述质量追溯模块的输入端相连接；所述质量追溯模块的输出端与所述安全监控模块的输入端相连接；所述安全监控模块的输出端与所述综合评价模块、所述云端服务器的输入端相连接；所述综合评价模块的输出端与所述交易记录模块的输入端相连接；
7.所述食材选购模块用于顾客进行选购食材，并根据智能推荐结果进行最终确认；所述定位获取模块用于获取当前下单的地理位置信息，进行定位并传输；所述菜肴预测模块用于根据顾客下单的菜品食材进行预测顾客想要做的菜肴；所述肉质扫描模块用于根据颜色的相似性进行判断肉质的新鲜情况；所述智能推荐模块用于根据预测菜肴需要的肉质肥瘦情况进行智能推荐；所述质量追溯模块用于扫描条码进行厂家责任追溯；所述安全监
控模块用于监控牲畜的成长情况；所述综合评价模块用于根据关键词信息对用户的评价进行分类；所述交易记录模块用于对交易情况进行记录，并存储至区块链中，防止被篡改；所述云端服务器用于存储牲畜成长视频，以备后期查询。
8.根据上述技术方案，所述食材采购模块包括如下单元：
9.食材选购单元：用于顾客对食材进行选购；
10.订单确认单元：用于顾客根据智能推荐模块的结果进行订单的确认；
11.所述食材选购单元的输出端与所述定位获取模块的输入端相连接；所述订单确认单元的输出端与所述质量追溯模块的输入端相连接。
12.根据上述技术方案，所述定位获取模块包括如下单元：
13.定位获取单元：用于获取用户下单地区的定位信息；
14.信息传输单元；用于将定位信息进行传输至其他模块；
15.所述定位获取单元的输出端与所述信息传输单元的输入端相连接；所述信息传输单元的输出端与所述菜肴预测模块的输入端相连接。
16.根据上述技术方案，所述菜肴预测模块包括如下单元：
17.地方菜系单元：用于根据获取的定位信息判断属于哪一地区，从而得到该地区的主流菜系；
18.大数据菜谱单元：用于根据得到的主流菜系，调取出该菜系下的菜谱及菜谱中每道菜的菜品食材；
19.菜肴预测单元：用于根据顾客购买的菜品食材进行预测顾客想要做的菜肴；
20.所述地方菜系单元的输出端与所述大数据菜谱单元的输入端相连接；所述大数据菜谱单元的输出端与所述菜肴预测单元的输入端相连接；所述菜肴预测单元的输出端与所述肉质扫描模块的输入端相连接；
21.所述菜肴预测单元预测菜肴包括如下步骤:
22.s4-1、调取顾客购买的菜品食材，记为集合a＝{a1、a2、
…
、an}，其中a为菜品食材种类，n为菜品食材种类的数量；
23.s4-2、调取当前地理环境下的主流菜系的菜谱中每道菜的菜品食材，计算顾客购买的菜品食材在上述每道菜中的含量比，从而得出每道菜的预测得分，根据公式：
[0024][0025]
其中，w为每道菜的预测得分；xi为第i道菜中所含有的顾客购买的菜品食材的数量；mi为第i道菜中含有的所有的菜品食材的数量；
[0026]
s4-3、选取其中w的最大值，其对应的菜肴即为预测菜肴。
[0027]
在这里通过运用地理位置进行首次判断，从而选择相应菜系，避免了在不同地方的同一道菜却又不同的做法，从而导致菜品食材混乱，难以进行区分和预测，选取用户购买的菜品食材，对该菜系下的每道菜涉及到的顾客购买的菜品食材进行分析，对于每道菜，利用其涉及到的顾客购买的菜品食材占所购买的所有菜品食材比例与涉及到的顾客购买的菜品食材占该道菜品的所有菜品食材的比例进行计算，得到一个预测评分，该评分能够反应基于当前菜品食材进行预测的准确性，选取其中评分最高的即作为预测菜品。
[0028]
根据上述技术方案，所述肉质扫描模块包括如下单元：
[0029]
外观扫描单元：用于对肉类进行外观扫描，将扫描得到的图片形成平面简图，进行存储；
[0030]
颜色记录单元：用于通过外观扫描的图片对肉类进行颜色记录；
[0031]
肉质分析单元：根据颜色记录情况，分析肉类是否发生变质；
[0032]
所述外观扫描单元的输出端与所述颜色记录单元的输入端相连接；所述颜色记录单元的输出端与所述肉质分析单元的输入端相连接；所述肉质分析单元的输出端与所述智能推荐模块的输入端相连接；
[0033]
在肉质分析单元中，分析肉类是否发生变质包括以下步骤；
[0034]
s5-1、调取待判断肉类的颜色，通过色卡进行识别，将其颜色记为b；
[0035]
s5-2、调取新鲜肉类颜色，通过色卡进行识别，将其颜色记为b
好
；
[0036]
s5-3、对颜色b与b
好
从rgb颜色空间转换至hsv颜色空间，即颜色b为色值(h，s，v)；颜色b
好
为色值(h
好
，s
好
，v
好
)；在斜边长为r，底面圆半径为r，高为h的hsv圆锥体内，以地面圆心为原点，h＝0为x轴正方向建立坐标轴，根据公式：
[0037]
b＝r*v*s*cos h
[0038]
c＝r*v*s*sin h
[0039]
d＝h*(1-v)
[0040]
因此，色值是(h，s，v)的点的三维坐标是(b1，c1，d1)；色值是(h
好
，s
好
，v
好
)的点的三维坐标是(b
好
，c
好
，d
好
)；
[0041]
根据公式：
[0042][0043]
其中，t为颜色的相似距离；
[0044]
s5-4、设置阈值t
min
，若存在t超出了阈值t
min
，即表明该肉类肉质出现异常，不建议食用和购买。
[0045]
在肉质的颜色检验中，由于“注水肉”、“变质肉”都会出现颜色发白或变浅等颜色变化，因此在采集得到两种肉类的颜色后，由于rgb颜色空间相对简单，就分为三个颜色通道，分别为红色、绿色、蓝色这三种基本色调的值,然后将这三个颜色融合在一起，也就成为一种颜色；因此用rgb比较颜色之间的相似度时，会存在很大的问题，因为往往一个通道的一点改变，会导致最后融合在一起的颜色发生巨大变化，而如果三个通道的同时改变，却只会使最后的明暗发生变化，色调并不会产生巨大变化。于是，将rgb颜色空间转换为hsv颜色空间进行求取颜色的相似度，hsv是个六棱锥模型,这个模型中颜色的参数分别是：色调(h)，饱和度(s)，明度(v)，通过这三种参数，根据hsv颜色空间建立的坐标系，分别得出两个颜色的坐标值，根据距离求取颜色的相似度情况，能够很直观准确地反映出当前肉质与正常肉质的区别。
[0046]
根据上述技术方案，所述智能推荐模块包括如下单元：
[0047]
菜肴分析单元：用于根据菜肴预测单元得出的预测菜肴，对该菜肴的菜谱进行解析，根据顾客当前购买的食材数量，按照比例得出所需要的肥肉和瘦肉的数量；
[0048]
购买推荐单元：用于根据预测菜肴对顾客进行肉类推荐，选择重量适中，肥瘦合适的肉质进行推荐；
[0049]
所述菜肴分析单元的输出端与所述购买推荐单元的输入端相连接；所述购买推荐单元的输出端与所述食材采购模块的输入端相连接；
[0050]
所述购买推荐单元推荐肉质包括以下步骤：
[0051]
s6-1、调取外观扫描单元扫描每块肉类的平面图片，将其中白色部分标记为肥肉，红色部分标记为瘦肉；
[0052]
s6-2、选取任一块肉的主视图，以底部左起点为坐标原点，从左向右为正方向，建立坐标轴，设置有e个垂直于正方向的竖直平面，沿肥肉与瘦肉交界点进行切割，与坐标轴相交于e个点，分别记为g1、g2、
…
、ge；e个垂直于正方向的竖直平面所得的肥肉截面面积关于gi的函数为fi(gi)；
[0053]
s6-3、根据公式：
[0054][0055]
其中，vi为相交点g
i-1
到gi的肥肉体积；
[0056]
根据公式：
[0057][0058]
其中，v
总
为肥肉的总体积；
[0059]
s6-4、根据菜谱数据对预测菜肴进行分析，将其对肥肉的需求质量，记为l,根据公式：
[0060]v需求
＝k1l+j
[0061]
其中，v
需求
为预测菜肴对肥肉的需求体积，k1为调节系数，j为误差允许值；
[0062]
设置阈值v
min
，若|v
总-v
需求
|＜v
min
，则选取该肉作为推荐给顾客。
[0063]
在本步骤中，利用肥肉瘦肉的不同颜色情况，对一块肉进行肥肉瘦肉切割，以底部为坐标轴，又因为肉的不规则性，所以采用定积分的形式进行求取肥肉体积，因为从主视图来看，肥瘦相间的地方呈锯齿状，利用垂直平面沿凸点进行切割，与水平坐标轴进行相交，相交任意两点之间进行定积分求取当前体积，最终对所有体积进行求和，即为肥肉的体积情况；然后在通过菜谱对预测菜肴进行肥肉需求分析，利用调节系数和误差允许值，计算得出该菜肴需求的肥肉体积，设置一个阈值，只要该块肉的肥肉体积与预测菜肴所需的肥肉体积之间的差值不超出这个阈值即可将其推荐给顾客进行购买。
[0064]
根据上述技术方案，所述质量追溯模块包括以下单元：
[0065]
条码单元：用于粘贴在售卖肉类的盒子上，扫描条码可获取该肉类的产地与该牲畜的成长视频；
[0066]
追溯单元：用于对异常肉类进行责任追溯，可根据肉类产地和成长视频作为证据进行提交，控告厂家；
[0067]
所述条码单元的输出端与所述追溯单元的输入端相连接。
[0068]
根据上述技术方案，所述安全监控模块包括以下单元：
[0069]
摄影单元：用于对牲畜成长环境、过程进行定时摄影；
[0070]
监控单元：用于对拍摄的视频进行上传，保存在云端并生成条码，可供消费者查询；
[0071]
所述摄影单元的输出端与所述监控单元的输入端相连接；所述监控单元的输出端与云端相连接。
[0072]
在上述方案中，对牲畜从小到大的生长环境和生长过程进行记录，并拍摄视频存储在云端服务器，从而使得顾客能够扫描条码，这里的条码基本为二维码形式，就可以进行观看其生长视频，使得整个生长过程能够公之于众，对食材质量安全提供更加稳妥的保障。
[0073]
根据上述技术方案，所述综合评价模块包括以下单元：
[0074]
评价接收单元：用于对用户评价进行接收，并进行上传；
[0075]
评价分类单元：用于根据关键词分类进行好评与差评的分类；例如“好吃、方便、安全”等为好评关键词；“难吃、不新鲜”等为差评关键词；
[0076]
所述评价接收单元的输出端与所述评价分类单元的输入端相连接；所述评价分类单元的输出端与所述交易记录模块的输入端相连接。
[0077]
根据上述技术方案，所述交易记录模块包括以下单元：
[0078]
交易单元：用于将顾客购买产品的支付信息和购买信息进行记录；
[0079]
区块链存储单元：用于将交易单元的记录和综合评价模块的评价信息进行存储，保证其不受篡改；
[0080]
所述交易单元的输出端与所述所述区块链存储单元的输入端相连接。
[0081]
在这里利用区块链将所有的交易和评价进行存储，进一步提高系统的完整性、隐私性和不受篡改性，能够保证食材质量安全，对不良商家进行追责和启到警醒作用。
[0082]
与现有技术相比，本发明所达到的有益效果是：
[0083]
1、本发明利用顾客下单的地址定位信息，从而选择相应的地区主流菜系作为参考，根据顾客选购的菜品食材情况，预测出顾客想要做的菜肴，预测过程中由于参考定位信息，能够避免菜系冗杂而导致的每道菜的做法和使用食材不同，使得预测的结果更加精准；
[0084]
2、利用预测菜肴的方式，对顾客进行推荐菜品，能够极大地提高用户舒适度，同时基于菜谱中菜品食材的分量不同，从而判断所需肉质的种类，能够避免顾客在网络下单时由于看不见实际肉块的图片，从而导致购买的肉块不符合心意，甚至无法做菜的情况；
[0085]
3、利用颜色的相似度情况，对“注水肉”、“变质肉”等进行检测，在达不到相似阈值的情况下，不对顾客推荐该肉块，并进行标记，保证顾客的健康安全；
[0086]
4、利用肥瘦肉的颜色不同，通过对肉块的外观扫描，基于定积分的方式计算得出每块肉中的肥肉体积情况，根据菜谱对预测菜肴的肥肉需求量，设置相关阈值从而对顾客进行推荐符合条件的肉块，能够进一步提高顾客选购的舒适和方便，节省顾客时间，实现智慧选购的理念；
[0087]
5、利用云端服务器存储牲畜的成长视频，并设置条码，在顾客进行扫描时，能够下载相关视频，作为证据，一旦出现异常肉质，更加方便顾客进行追责，对不良厂家进行打击；
[0088]
6、利用区块链技术对用户评价和交易信息进行存储，能够使得信息不被泄露和不受篡改，能够如实展现用户好评和差评，使得其他用户在选购过程中能够拥有更多的认知，从而在选择方面提供更良好的体验；
[0089]
7、本发明能够提高人们在家选购菜品食材的体验，对于食材质量安全提供了保证，能够有效刺激人们下厨做菜，减少点外卖的次数，从而达到少吃不健康外卖食品的效果，有效提高国民身体素质。
附图说明
[0090]
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
[0091]
图1是本发明一种基于区块链的安全监控系统的结构示意图；
[0092]
图2是本发明一种基于区块链的安全监控系统的预测菜肴步骤示意图；
[0093]
图3是本发明一种基于区块链的安全监控系统的流程示意图。
具体实施方式
[0094]
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做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。
[0095]
请参阅图1-3，本发明提供技术方案：一种基于区块链的安全监控系统，该系统包括食材采购模块、定位获取模块、菜肴预测模块、肉质扫描模块、智能推荐模块、质量追溯模块、安全监控模块、综合评价模块、交易记录模块、云端服务器；
[0096]
所述食材选购模块的输出端与所述定位获取模块、所述质量追溯模块的输入端相连接；所述定位获取模块的输出端与所述菜肴预测模块的输入端相连接；所述菜肴预测模块的输出端与所述肉质扫描模块的输入端相连接；所述肉质扫描模块的输出端与所述智能推荐模块的输入端相连接；所述智能推荐模块的输出端与所述食材选购模块、所述质量追溯模块的输入端相连接；所述质量追溯模块的输出端与所述安全监控模块的输入端相连接；所述安全监控模块的输出端与所述综合评价模块、所述云端服务器的输入端相连接；所述综合评价模块的输出端与所述交易记录模块的输入端相连接；
[0097]
所述食材选购模块用于顾客进行选购食材，并根据智能推荐结果进行最终确认；所述定位获取模块用于获取当前下单的地理位置信息，进行定位并传输；所述菜肴预测模块用于根据顾客下单的菜品食材进行预测顾客想要做的菜肴；所述肉质扫描模块用于根据颜色的相似性进行判断肉质的新鲜情况；所述智能推荐模块用于根据预测菜肴需要的肉质肥瘦情况进行智能推荐；所述质量追溯模块用于扫描条码进行厂家责任追溯；所述安全监控模块用于监控牲畜的成长情况；所述综合评价模块用于根据关键词信息对用户的评价进行分类；所述交易记录模块用于对交易情况进行记录，并存储至区块链中，防止被篡改；所述云端服务器用于存储牲畜成长视频，以备后期查询。
[0098]
所述食材采购模块包括如下单元：
[0099]
食材选购单元：用于顾客对食材进行选购；
[0100]
订单确认单元：用于顾客根据智能推荐模块的结果进行订单的确认；
[0101]
所述食材选购单元的输出端与所述定位获取模块的输入端相连接；所述订单确认单元的输出端与所述质量追溯模块的输入端相连接。
[0102]
所述定位获取模块包括如下单元：
[0103]
定位获取单元：用于获取用户下单地区的定位信息；
[0104]
信息传输单元；用于将定位信息进行传输至其他模块；
[0105]
所述定位获取单元的输出端与所述信息传输单元的输入端相连接；所述信息传输
单元的输出端与所述菜肴预测模块的输入端相连接。
[0106]
所述菜肴预测模块包括如下单元：
[0107]
地方菜系单元：用于根据获取的定位信息判断属于哪一地区，从而得到该地区的主流菜系；
[0108]
大数据菜谱单元：用于根据得到的主流菜系，调取出该菜系下的菜谱及菜谱中每道菜的菜品食材；
[0109]
菜肴预测单元：用于根据顾客购买的菜品食材进行预测顾客想要做的菜肴；
[0110]
所述地方菜系单元的输出端与所述大数据菜谱单元的输入端相连接；所述大数据菜谱单元的输出端与所述菜肴预测单元的输入端相连接；所述菜肴预测单元的输出端与所述肉质扫描模块的输入端相连接；
[0111]
所述菜肴预测单元预测菜肴包括如下步骤:
[0112]
s4-1、调取顾客购买的菜品食材，记为集合a＝{a1、a2、
…
、an}，其中a为菜品食材种类，n为菜品食材种类的数量；
[0113]
s4-2、调取当前地理环境下的主流菜系的菜谱中每道菜的菜品食材，计算顾客购买的菜品食材在上述每道菜中的含量比，从而得出每道菜的预测得分，根据公式：
[0114][0115]
其中，w为每道菜的预测得分；xi为第i道菜中所含有的顾客购买的菜品食材的数量；mi为第i道菜中含有的所有的菜品食材的数量；
[0116]
s4-3、选取其中w的最大值，其对应的菜肴即为预测菜肴。
[0117]
所述肉质扫描模块包括如下单元：
[0118]
外观扫描单元：用于对肉类进行外观扫描，将扫描得到的图片形成平面简图，进行存储；
[0119]
颜色记录单元：用于通过外观扫描的图片对肉类进行颜色记录；
[0120]
肉质分析单元：根据颜色记录情况，分析肉类是否发生变质；
[0121]
所述外观扫描单元的输出端与所述颜色记录单元的输入端相连接；所述颜色记录单元的输出端与所述肉质分析单元的输入端相连接；所述肉质分析单元的输出端与所述智能推荐模块的输入端相连接；
[0122]
在肉质分析单元中，分析肉类是否发生变质包括以下步骤；
[0123]
s5-1、调取待判断肉类的颜色，通过色卡进行识别，将其颜色记为b；
[0124]
s5-2、调取新鲜肉类颜色，通过色卡进行识别，将其颜色记为b
好
；
[0125]
s5-3、对颜色b与b
好
从rgb颜色空间转换至hsv颜色空间，即颜色b为色值(h，s，v)；颜色b
好
为色值(h
好
，s
好
，v
好
)；在斜边长为r，底面圆半径为r，高为h的hsv圆锥体内，以地面圆心为原点，h＝0为x轴正方向建立坐标轴，根据公式：
[0126]
b＝r*v*s*cosh
[0127]
c＝r*v*s*sinh
[0128]
d＝h*(1-v)
[0129]
因此，色值是(h，s，v)的点的三维坐标是(b1，c1，d1)；色值是(h
好
，s
好
，v
好
)的点的三维坐标是(b
好
，c
好
，d
好
)；
[0130]
根据公式：
[0131][0132]
其中，t为颜色的相似距离；
[0133]
s5-4、设置阈值t
min
，若存在t超出了阈值t
min
，即表明该肉类肉质出现异常，不建议食用和购买。
[0134]
所述智能推荐模块包括如下单元：
[0135]
菜肴分析单元：用于根据菜肴预测单元得出的预测菜肴，对该菜肴的菜谱进行解析，根据顾客当前购买的食材数量，按照比例得出所需要的肥肉和瘦肉的数量；
[0136]
购买推荐单元：用于根据预测菜肴对顾客进行肉类推荐，选择重量适中，肥瘦合适的肉质进行推荐；
[0137]
所述菜肴分析单元的输出端与所述购买推荐单元的输入端相连接；所述购买推荐单元的输出端与所述食材采购模块的输入端相连接；
[0138]
所述购买推荐单元推荐肉质包括以下步骤：
[0139]
s6-1、调取外观扫描单元扫描每块肉类的平面图片，将其中白色部分标记为肥肉，红色部分标记为瘦肉；
[0140]
s6-2、选取任一块肉的主视图，以底部左起点为坐标原点，从左向右为正方向，建立坐标轴，设置有e个垂直于正方向的竖直平面，沿肥肉与瘦肉交界点进行切割，与坐标轴相交于e个点，分别记为g1、g2、
…
、ge；e个垂直于正方向的竖直平面所得的肥肉截面面积关于gi的函数为fi(gi)；
[0141]
s6-3、根据公式：
[0142][0143]
其中，vi为相交点g
i-1
到gi的肥肉体积；
[0144]
根据公式：
[0145][0146]
其中，v
总
为肥肉的总体积；
[0147]
s6-4、根据菜谱数据对预测菜肴进行分析，将其对肥肉的需求质量，记为l,根据公式：
[0148]v需求
＝k1l+j
[0149]
其中，v
需求
为预测菜肴对肥肉的需求体积，k1为调节系数，j为误差允许值；
[0150]
设置阈值v
min
，若|v
总-v
需求
|＜v
min
，则选取该肉作为推荐给顾客。
[0151]
所述质量追溯模块包括以下单元：
[0152]
条码单元：用于粘贴在售卖肉类的盒子上，扫描条码可获取该肉类的产地与该牲畜的成长视频；
[0153]
追溯单元：用于对异常肉类进行责任追溯，可根据肉类产地和成长视频作为证据进行提交，控告厂家；
[0154]
所述条码单元的输出端与所述追溯单元的输入端相连接。
[0155]
所述安全监控模块包括以下单元：
[0156]
摄影单元：用于对牲畜成长环境、过程进行定时摄影；
[0157]
监控单元：用于对拍摄的视频进行上传，保存在云端并生成条码，可供消费者查询；
[0158]
所述摄影单元的输出端与所述监控单元的输入端相连接；所述监控单元的输出端与云端相连接。
[0159]
所述综合评价模块包括以下单元：
[0160]
评价接收单元：用于对用户评价进行接收，并进行上传；
[0161]
评价分类单元：用于根据关键词分类进行好评与差评的分类；
[0162]
所述评价接收单元的输出端与所述评价分类单元的输入端相连接；所述评价分类单元的输出端与所述交易记录模块的输入端相连接。
[0163]
所述交易记录模块包括以下单元：
[0164]
交易单元：用于将顾客购买产品的支付信息和购买信息进行记录；
[0165]
区块链存储单元：用于将交易单元的记录和综合评价模块的评价信息进行存储，保证其不受篡改；
[0166]
所述交易单元的输出端与所述所述区块链存储单元的输入端相连接
[0167]
在本实施例中，设置有顾客y进行线上选购，其挑选了葱、香菜、胡萝卜、姜、猪肉、白糖、淀粉几样食材，
[0168]
对顾客y进行定位，发现其定位信息在吉林省吉林市，因此判断其主流菜系为东北菜；
[0169]
调取东北菜的菜谱中每道菜的菜品食材，计算顾客y购买的菜品食材在上述每道菜中的含量比，从而得出每道菜的预测得分，根据公式：
[0170][0171]
其中，w为每道菜的预测得分；xi为第i道菜中所含有的顾客购买的菜品食材的数量；mi为第i道菜中含有的所有的菜品食材的数量；
[0172]
选取其中w的最大值，发现其对应的菜肴为锅包肉，因此判断预测菜肴为锅包肉。
[0173]
系统对该商场的肉质进行扫描，记录下颜色情况，
[0174]
调取该商场肉类的颜色，通过色卡进行识别，将其颜色记为b；
[0175]
调取新鲜肉类颜色，通过色卡进行识别，将其颜色记为b
好
；
[0176]
对颜色b与b
好
从rgb颜色空间转换至hsv颜色空间，即颜色b为色值(h，s，v)；颜色b
好
为色值(h
好
，s
好
，v
好
)；在斜边长为r，底面圆半径为r，高为h的hsv圆锥体内，以地面圆心为原点，h＝0为x轴正方向建立坐标轴，根据公式：
[0177]
b＝r*v*s*cosh
[0178]
c＝r*v*s*sinh
[0179]
d＝h*(1-v)
[0180]
因此，色值是(h，s，v)的点的三维坐标是(b1，c1，d1)；色值是(h
好
，s
好
，v
好
)的点的三维坐标是(b
好
，c
好
，d
好
)；
[0181]
根据公式：
[0182][0183]
其中，t为颜色的相似距离；
[0184]
设置阈值t
min
，发现t并未超出阈值t
min
，即表明该肉类肉质未出现异常，可以食用和购买。
[0185]
智能推荐模块根据锅包肉菜谱中的记载，利用菜谱数据对预测菜肴进行分析，将其对肥肉的需求质量，记为l,
[0186]
根据公式：
[0187]v需求
＝k1l+j
[0188]
其中，v
需求
为预测菜肴对肥肉的需求体积，k1为调节系数，j为误差允许值；
[0189]
调取外观扫描单元扫描每块肉类的平面图片，将其中白色部分标记为肥肉，红色部分标记为瘦肉；
[0190]
选取任一块肉的主视图，以底部左起点为坐标原点，从左向右为正方向，建立坐标轴，设置有e个垂直于正方向的竖直平面，沿肥肉与瘦肉交界点进行切割，与坐标轴相交于e个点，分别记为g1、g2、
…
、ge；e个垂直于正方向的竖直平面所得的肥肉截面面积关于gi的函数为fi(gi)；
[0191]
根据公式：
[0192][0193]
其中，vi为相交点g
i-1
到gi的肥肉体积；
[0194]
根据公式：
[0195][0196]
其中，v
总
为肥肉的总体积；
[0197]
设置阈值v
min
，发现其中有一块里脊肉，满足|v
总-v
需求
|＜v
min
，则选取该肉推荐给顾客。
[0198]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物品或者设备所固有的要素。
[0199]
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。