1.一种基于人工智能的食品供应链风险评估系统，其特征在于：所述系统包括：环境采集模块、任务管理模块以及中央处理器；

所述环境采集模块用于采集若干项食品运输数据并发送至处理器，若干项食品运输数据包括车内温度、车内湿度以及车内振动数据；

所述任务管理模块用于获取若干项任务数据并发送至处理器；若干项任务数据包括食品名称、规划路线以及运输车实时位置；

所述中央处理器根据食品名称，获取食品对应的若干项标准运输数据；若干项标准运输数据包括标准运输时间、标准温度、标准湿度以及标准振动数据；

中央处理器根据规划路线获取若干路线节点；每当运输车到达一路线节点时，根据运输车在当前路线节点至上一路线节点之间若干项食品运输数据和运输车的到达时间，结合若干项标准运输数据，评估运输车到达每一路线节点时的风险系数。

2.如权利要求1所述的一种基于人工智能的食品供应链风险评估系统，其特征在于：还包括：每当运输车到达路线节点时，判断到达时间是否超过第一设定时间；

若是，根据超时时长，以及当前路线节点至上一路线节点之间若干项食品运输数据中的若干项越限数据，来评估运输车到达当前路线节点时的风险系数；若干项越限数据包括越温时长、越湿时长以及越振时长；

若否，根据当前路线节点至上一路线节点之间若干项食品运输数据中的若干项越限数据，来评估运输车到达当前路线节点时的风险系数。

3.如权利要求2所述的一种基于人工智能的食品供应链风险评估系统，其特征在于：评估运输车到达所述路线节点时的风险系数，包括：当到达时间超过第一设定时间，且未超过标准运输时间时，对超时时长、越温时长、越湿时长以及越振时长进行无量纲处理后，根据以下公式获取风险系数：FXXH＝β1*CHSH+β2*YWSH+β3*YSSH+β4*YZSH；

其中，FXXH为风险系数；CHSH为超时时长；YWSH为越温时长；YSSH为越湿时长；YZSH为越振时长；β1、β2、β3以及β4均为比例系数；

当到达时间未超过第一设定时间时，对越温时长、越湿时长以及越振时长进行无量纲处理后，根据以下公式获取风险系数：FXXH＝γ1*YWSH+γ2*YSSH+γ3*YZSH；

其中，FXXH为风险系数；YWSH为越温时长；YSSH为越湿时长；YZSH为越振时长；γ1、γ2以及γ3均为比例系数。

4.如权利要求1所述的一种基于人工智能的食品供应链风险评估系统，其特征在于：还包括：根据运输车到达每一路线节点对应的风险系数，获取运输车到达每一路线节点对应的保险概率；

根据若干路线节点的前后位置关系构建运输事件树；

根据所述运输事件树，获取运输车到达目的地时食品的供应风险率。

5.如权利要求1所述的一种基于人工智能的食品供应链风险评估系统，其特征在于：中央处理器根据规划路线获取若干路线节点，包括：获取与规划路线相同出发地和目的地的若干行驶路线；

在若干行驶路线中获取路况最好的行驶路线和驾驶时间最短的行驶路线作为备选路线；

获取所述规划路线上与备选路线连通的路口的位置信息；

获取每一所述路口之前设定距离的位置作为路线节点。

6.如权利要求5所述的一种基于人工智能的食品供应链风险评估系统，其特征在于：获取设定距离，包括：获取每一路口对应道路的限速数据；

根据所述限速数据获取运输车对应的最高行驶速度；

获取运输车驾驶员行驶至路口时的最长操作时间；

根据最长操作时间和最高行驶速度获取每一路口之前的设定距离。

7.如权利要求6所述的一种基于人工智能的食品供应链风险评估系统，其特征在于：所述最长操作时间包括：运输车从距离路口最远侧车道通过若干次变道至路口处的操作时间。

8.如权利要求1所述的一种基于人工智能的食品供应链风险评估系统，其特征在于：还包括：当运输车至一路线节点时的到达时间超过标准运输时间时，生成提醒信号发送至供货客户端、收货客户端以及运输客户端。

9.如权利要求1所述的一种基于人工智能的食品供应链风险评估系统，其特征在于：当运输车在其中一路线节点的风险系数大于设定风险系数时，生成提醒信号发送至供货客户端、收货客户端以及运输客户端。