QQ__1795806396头像
基于SpringBoot餐饮食材追溯系统(程序+文档)封面图

基于SpringBoot餐饮食材追溯系统(程序+文档)

温馨提示:本人主页置顶文章(点我)开头有 CSDN 平台官方提供的学长联系方式的名片!

摘要

餐饮食材追溯系统为餐饮连锁企业与食材供应商提供"从农田到餐桌"的全链路质量管控。系统角色包括供应商、采购员、品控员、门店店长与监管人员:供应商上传食材的产地、批次、检测报告,采购员录入入库信息,品控员抽检并记录结果,门店在收货与加工环节扫码登记,一旦出现食品安全事件可快速 reverse 溯源。在追溯体系中,一个容易被忽视但至关重要的问题是"溯源信息本身的可信度"——不同来源的记录完整度参差不齐、时间线可能不连续、供应商历史也有好坏之分,如何综合评估一批食材溯源链条的真实可信程度、给品控与监管提供量化依据,是系统要解决的现实难题。本文围绕餐饮食材追溯系统的这一需求,介绍整体设计,并实现溯源可信度评估引擎 IngredientTraceCredibilityEngine。

关键技术介绍

系统后端采用 Java + SpringBoot,MyBatis + MySQL 存储追溯记录,Redis 缓存批次状态,前端 Vue 实现扫码溯源与看板展示。可信度评估本质上是一个"多源信息融合评分"问题:一批食材的溯源链包含多个环节(种植/养殖、检测、运输、入库、加工),每个环节的记录可能完整也可能缺失,时间戳可能连续也可能断层,涉及的供应商与门店各有历史信誉。评估引擎从"记录完整度、时间连续性、供应商信誉、检测一致性"四个维度打分,按权重融合得到 0~100 的溯源可信度分值,并划分等级,帮助品控员优先关注低可信批次。

系统分析

系统用户分为供应商、采购员、品控员、门店店长、监管员。核心实体:批次表(食材、产地、生产日期)、溯源记录表(环节类型、记录内容、时间戳、操作员)、供应商表(历史合规评分)、检测报告表(检测项、结果、机构)、可信度评估表。评估引擎输入为"批次 + 其溯源记录 + 供应商信息 + 检测报告",输出为"可信度分值 + 等级 + 风险提示点"。系统功能模块划分为供应商管理、批次追溯、检测管理、可信度评估、预警召回五个子系统,本文聚焦可信度评估。业务上要能指出"哪一环信息缺失、哪段时间断层",让评估结果可解释、可追查。

系统截图

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

核心代码

溯源可信度评估引擎的完整实现如下。

package com.yydd.food.trace;

import lombok.Data;
import org.springframework.stereotype.Service;
import java.math.BigDecimal;
import java.math.RoundingMode;
import java.time.Duration;
import java.time.LocalDateTime;
import java.util.*;
import java.util.stream.Collectors;

/**
 * 食材溯源可信度评估引擎。
 * 从记录完整度、时间连续性、供应商信誉、检测一致性四维融合打分,
 * 给出批次溯源链的可信度等级与风险提示。
 */
@Service
public class IngredientTraceCredibilityEngine {

    /** 溯源链应覆盖的关键环节 */
    private static final List<String> REQUIRED_STAGES =
            Arrays.asList("PLANT", "TEST", "TRANSPORT", "WAREHOUSE", "PROCESS");
    private static final BigDecimal W_COMPLETENESS = new BigDecimal("0.30");
    private static final BigDecimal W_CONTINUITY = new BigDecimal("0.25");
    private static final BigDecimal W_SUPPLIER = new BigDecimal("0.25");
    private static final BigDecimal W_TEST = new BigDecimal("0.20");
    /** 相邻环节时间戳超过该小时数视为断层 */
    private static final long GAP_HOURS_LIMIT = 72;

    @Data
    public static class TraceRecord {
        private String stage;            // 环节类型
        private LocalDateTime timestamp;
        private String content;
        private boolean hasAttachment;   // 是否附凭证(检测报告/票据)
    }

    @Data
    public static class TraceBatch {
        private Long batchId;
        private LocalDateTime producedAt;
        private List<TraceRecord> records;
        private BigDecimal supplierComplianceScore; // 供应商历史合规分 0~100
        private boolean testPassed;
    }

    @Data
    public static class CredibilityReport {
        private Long batchId;
        private BigDecimal score;
        private String level;
        private List<String> riskNotes = new ArrayList<>();
    }

    /** 记录完整度:必备环节覆盖率,附凭证额外加权 */
    private BigDecimal completenessOf(TraceBatch b) {
        if (b.getRecords() == null || b.getRecords().isEmpty()) {
            return BigDecimal.ZERO;
        }
        Set<String> covered = b.getRecords().stream().map(TraceRecord::getStage).collect(Collectors.toSet());
        long hit = REQUIRED_STAGES.stream().filter(covered::contains).count();
        BigDecimal base = BigDecimal.valueOf(hit)
                .divide(BigDecimal.valueOf(REQUIRED_STAGES.size()), 4, RoundingMode.HALF_UP);
        long withProof = b.getRecords().stream().filter(TraceRecord::isHasAttachment).count();
        BigDecimal proofBonus = BigDecimal.valueOf(Math.min(withProof, REQUIRED_STAGES.size()))
                .divide(BigDecimal.valueOf(REQUIRED_STAGES.size()), 4, RoundingMode.HALF_UP)
                .multiply(new BigDecimal("0.1"));
        return base.add(proofBonus).min(BigDecimal.ONE);
    }

    /** 时间连续性:按时间戳排序后相邻环节间隔都在阈值内则满分 */
    private BigDecimal continuityOf(TraceBatch b) {
        if (b.getRecords() == null || b.getRecords().size() < 2) {
            return BigDecimal.ZERO;
        }
        List<TraceRecord> sorted = b.getRecords().stream()
                .filter(r -> r.getTimestamp() != null)
                .sorted(Comparator.comparing(TraceRecord::getTimestamp))
                .collect(Collectors.toList());
        if (sorted.size() < 2) {
            return BigDecimal.ZERO;
        }
        int ok = 0, total = sorted.size() - 1;
        for (int i = 1; i < sorted.size(); i++) {
            long hours = Duration.between(sorted.get(i - 1).getTimestamp(), sorted.get(i).getTimestamp()).toHours();
            if (hours >= 0 && hours <= GAP_HOURS_LIMIT) {
                ok++;
            }
        }
        return BigDecimal.valueOf(ok).divide(BigDecimal.valueOf(total), 4, RoundingMode.HALF_UP);
    }

    /**
     * 主入口:四维融合计算可信度分值。
     */
    public CredibilityReport computeProvenanceCredibilityScore(TraceBatch batch) {
        CredibilityReport report = new CredibilityReport();
        report.setBatchId(batch == null ? null : batch.getBatchId());
        report.setScore(BigDecimal.ZERO);
        report.setLevel("不可评估");
        if (batch == null) {
            return report;
        }
        BigDecimal completeness = completenessOf(batch);
        BigDecimal continuity = continuityOf(batch);
        BigDecimal supplier = batch.getSupplierComplianceScore() == null ? BigDecimal.ZERO
                : batch.getSupplierComplianceScore().divide(new BigDecimal("100"), 4, RoundingMode.HALF_UP);
        BigDecimal test = batch.isTestPassed() ? BigDecimal.ONE : BigDecimal.ZERO;

        BigDecimal score = completeness.multiply(W_COMPLETENESS)
                .add(continuity.multiply(W_CONTINUITY))
                .add(supplier.multiply(W_SUPPLIER))
                .add(test.multiply(W_TEST))
                .multiply(new BigDecimal("100"))
                .setScale(2, RoundingMode.HALF_UP);
        report.setScore(score);

        // 风险提示:逐条指出薄弱点,保证评估可解释
        if (completeness.compareTo(new BigDecimal("0.8")) < 0) {
            report.getRiskNotes().add("溯源关键环节记录不完整");
        }
        if (continuity.compareTo(new BigDecimal("0.8")) < 0) {
            report.getRiskNotes().add("部分环节时间戳存在断层或倒置");
        }
        if (supplier.compareTo(new BigDecimal("0.7")) < 0) {
            report.getRiskNotes().add("供应商历史合规评分偏低");
        }
        if (!batch.isTestPassed()) {
            report.getRiskNotes().add("存在未通过的检测记录");
        }
        if (score.compareTo(new BigDecimal("85")) >= 0) {
            report.setLevel("高可信");
        } else if (score.compareTo(new BigDecimal("60")) >= 0) {
            report.setLevel("中可信");
        } else {
            report.setLevel("低可信-需重点复核");
        }
        return report;
    }
}

代码讲解:引擎从四个维度量化溯源可信度,避免只看"有没有记录"的片面判断。completenessOf 检查种植、检测、运输、入库、加工五个必备环节的覆盖情况,对附有凭证(检测报告、票据)的记录额外加权,鼓励留痕。continuityOf 把各环节记录按时间戳排序,统计相邻环节间隔是否在 72 小时阈值内,识别时间断层或倒置——这是发现"事后补录、伪造链条"的关键信号。供应商维度直接用其历史合规评分折算,检测维度看是否存在未通过项。四维按权重融合后乘以 100 得到 0~100 的可信度分值,并映射为高/中/低三个等级。报告最大的特点是"可解释":riskNotes 逐条指出薄弱环节,品控员能立刻知道该批次问题出在哪一环,而不是只看到一个孤立分数。该方法在食材入库与每日巡检时批量调用,低可信批次自动进入重点复核队列。

系统测试

针对评估引擎设计了多组用例。用例一:五个环节记录齐全、均附凭证、时间连续、检测通过、供应商高分,验证得分为高可信且无风险提示。用例二:缺失"运输"环节记录,验证完整度下降并触发"记录不完整"提示。用例三:某两环节时间戳间隔超过 72 小时,验证连续性得分下降并提示断层。用例四:存在未通过检测,验证检测维度为 0 且触发风险提示。测试表明,评估分值与人工品控判断高度一致,低可信批次的识别有效帮助监管资源精准投放。

总结

本文介绍了基于 SpringBoot 的餐饮食材追溯系统,重点实现了溯源可信度评估引擎。该引擎从记录完整度、时间连续性、供应商信誉、检测一致性四维融合打分,并给出可解释的风险提示,把"有没有溯源记录"升级为"溯源记录可不可信"的量化判断。实践表明,这一设计帮助品控与监管快速锁定高风险批次,提升了食品安全管控的精细化水平。后续可引入区块链存证进一步增强溯源记录本身的防篡改能力。

转载自 CSDN-专业IT技术社区

原文链接:https://blog.csdn.net/2401_87676806/article/details/171039074

文章来源转载

评论

评论列表

微信小程序
QQ小程序

关于作者

点赞数:0
关注数:0
粉丝:0
文章:0
关注标签:0
加入于:--