韓福霞，劉宏志

（北京工商大學計算機與信息工程學院，北京 100048）

基于云服務的食品安全監(jiān)理實時化研究

韓福霞，劉宏志*

（北京工商大學計算機與信息工程學院，北京 100048）

為了及時發(fā)現(xiàn)食品安全問題，降低食品安全問題的發(fā)生率，從食品供應鏈角度出發(fā)，通過對影響食品安全的各要素分析，利用蝙蝠算法優(yōu)化的Elman神經網絡，并結合Storm云服務平臺，構建了食品安全監(jiān)理實時分析預測模型，對食品安全數據實時分析。通過對該模型的建模分析，形成有效的食品安全實時監(jiān)理機制，期望能進一步降低食品安全隱患。

食品安全；實時監(jiān)理；Storm云平臺；Elman神經網絡

隨著經濟社會不斷進步，食品多樣化發(fā)展，各種添加劑不斷翻新、涌現(xiàn)，近年來國內外因非法添加引發(fā)的重大食品安全問題屢有發(fā)生，食品安全成為全球備受關注的焦點。為解決食品安全問題，各國家都有自己的食品安全監(jiān)管機制。本文從整個食品供應鏈出發(fā)，借鑒信息工程監(jiān)理機制［1］，利用云服務技術，將影響食品安全的各過程包括生產、加工、物流運輸、銷售等有機整合于一體，構建了食品安全實時監(jiān)理架構。通過該架構，各階段的食品安全信息將被存儲到云端，進行實時處理，能充分利用數據的時效性。同時，構建了食品安全監(jiān)理實時分析預測模型，對食品安全監(jiān)理海量數據實時分析，及時發(fā)現(xiàn)食品安全問題，降低召回的成本和不良影響。

1 食品安全監(jiān)理架構

食品安全監(jiān)理［2］是指監(jiān)理機構根據我國的食品安全法等相關法律制度，在食品的生產過程中，對食品中存在的可識別的食品安全風險因素進行督察、監(jiān)控和評價，并進行風險評估和控制，以確保食品安全的行為。因食品供應體系鏈條較長，各個環(huán)節(jié)都有可能產生問題，為了保障食品安全監(jiān)理的及時性，需要對整個供應鏈進行實時監(jiān)理。通過對食品安全信息實時分析預測，監(jiān)理人員可實時監(jiān)督和管理，及時發(fā)現(xiàn)食品安全問題［3］。

本文利用云服務平臺，構建了食品安全實時監(jiān)理架構，如圖1。該架構將整個供應鏈產生的數據信息通過云端進行實時匯總和分析，實時展示食品安全信息，保證整個供應鏈各階段食品安全狀態(tài)。

2 利用Storm云平臺處理海量數據

監(jiān)理過程中利用食品安全檢測技術、物聯(lián)網技術［4］等，通過REID智能終端設備來采集食品安全數據信息，采集到的海量數據將傳送至云服務平臺進行數據處理分析。Storm是一個分布式的、可伸縮的、容錯的實時計算系統(tǒng)［5］，可以簡單、可靠地處理大量的數據流。本文利用Storm的實時分析功能來接收和處理海量的食品安全數據。

Storm云服務平臺利用Nimbus對資源進行分配和任務調度，而Supervisor負責接受Nimbus分配的任務，這兩者通過Zookeeper協(xié)調［6-7］。Worker是Storm云服務平臺中運行組件邏輯的進程，Worker中每個Spout/Bolt的線程稱為一個Task，其中Spout會從外部數據源中讀取數據，Bolt對數據進行過濾、函數操作、合并等，Storm實時處理模型，如圖2。

圖1 食品安全實時監(jiān)理架構Fig.1 Real time surveillance architecture of food safety

圖2 Storm實時處理模型Fig.2 Storm real-time processing model

利用Storm的實時處理分析功能實時對海量的食品安全數據進行處理，能夠充分利用數據的時效性，保障及時發(fā)現(xiàn)食品安全問題。

3 食品安全監(jiān)理實時分析預測模型

3.1 模型建立

食品安全監(jiān)理需要對整個供應鏈過程中食品的質量、安全等方面進行控制，其分為全過程監(jiān)理和全方位監(jiān)理。全過程監(jiān)理指的是監(jiān)理人員以食品生產加工工序質量控制為核心，以巡視檢查、旁站監(jiān)督、見證取樣等方法主動監(jiān)理；全方位監(jiān)理指的是監(jiān)理人員對與食品生產、加工、運輸和銷售相關的影響食品安全的信息實施監(jiān)理，比如化肥、農藥等有害物質含量、食品添加劑、食品儲藏、食品保質期等信息［8］。因此，在食品安全監(jiān)理的各個階段，監(jiān)理人員通過手動錄入、食品檢測技術、物聯(lián)網技術等將食品相關信息進行記錄，實時將信息傳送給Storm云服務平臺中，建立監(jiān)理實時分析數學模型，對影響食品安全監(jiān)理目標實現(xiàn)的各項因素信息數據實時分析，預測食品的安全狀態(tài)，從而保證對食品安全監(jiān)理的預期目標。

影響食品安全的因素主要表現(xiàn)在以下幾個方面：微生物和寄生蟲等生物污染、環(huán)境污染、農藥與獸藥殘留、食品添加劑的使用、食品加工和儲藏銷售過程中產生的毒素等。這些因素產生于食品整個供應鏈中。為了能夠分析這些因素的信息數據，本文利用改進的Elman神經網絡，建立數學模型，將影響食品安全的各因素實時數據信息作為該模型的輸入，來實時分析預測食品安全。

Elman神經網絡［9］是Elman于1990年提出的一種反饋動力學網絡，不僅具有前饋神經網絡的非線性映射，還具有動態(tài)反饋信息和記憶功能，能夠實現(xiàn)動態(tài)系統(tǒng)的映射并直接反應系統(tǒng)的動態(tài)特性［10］。將該算法應用于食品安全動態(tài)監(jiān)理過程中，分析各要素數據，有效地實現(xiàn)監(jiān)理目標的實時控制。Elman神經網絡主要是利用反向傳播算法（BP算法）進行訓練，通過學習訓練，使網絡的實際輸出值和輸出樣本值之間的差值來不斷地修改權值和閾值，從而使得網絡輸出層的誤差平方和最?。?1］。其運算規(guī)則由以下3個等式組成：

式（1）～式（3）中，x（k）為網絡的輸入，即影響食品安全各要素數據；y（k）為網絡的輸出，即食品安全預測值；ho（k）為隱含層的輸出；w1、w2、w3分別為輸入層到隱含層、承接層到隱含層、隱含層到輸出層的連接權值矩陣；f（i）為隱含層神經元的傳遞函數，采用Tansig函數，g（i）為輸出層傳遞函數，采用Purelin函數；b1、b2分別為輸入層和隱含層的閾值。但BP算法基于梯度信息來調整連接權值，不具有全局搜索能力，極易陷入局部極值點。本文將蝙蝠算法［11-12］和Elman神經網絡相結合，利用蝙蝠算法中蝙蝠個體之間的協(xié)作搜索最優(yōu)解的全局搜索能力，能有效地避免局部極小值問題的優(yōu)點優(yōu)化Elman神經網絡的初始權值和閾值。

3.2 訓練樣本選取

為使該模型較好地運用于食品安全監(jiān)理分析中，需要選定訓練樣本的輸入和輸出，對神經網絡進行有監(jiān)督的訓練。

在食品安全監(jiān)理的每個階段，均需要記錄食品相關信息，即需要實時監(jiān)督和管理影響食品安全的各因素信息。通過對各因素信息進行分析，該模型選定影響食品安全的各項因素作為訓練樣本，來分析食品安全的狀態(tài)。

3.3 參數設定

本文選擇葡萄酒作為食品安全監(jiān)理對象，來監(jiān)督和管理葡萄酒整個供應鏈中農藥殘留值。葡萄酒農藥殘留監(jiān)測指標包括乙酰甲胺磷、敵敵畏、殺螟硫磷、倍硫磷、馬拉硫磷、對硫磷、辛硫磷、敵百蟲、百菌清、噻苯隆、甲氰菊酯、氰戊菊酯、氯菊酯、氧樂果、霜脲氰、戊唑醇、多菌靈和甲霜靈等指標，參照GB2763.2012《食品中農藥最大殘留限量》［13-14］。葡萄中各指標都有限量，例如：葡萄的百菌清限量為0.5 mg/kg、多菌靈限量為3 mg/kg、甲霜靈限量為1 mg/kg。將葡萄農藥殘留的歷史統(tǒng)計數據進行處理后輸入到改進的神經網絡，使得網絡具有預測能力；然后用改進的神經網絡預測葡萄中農藥殘留各指標的值對食品安全的影響。通過對神經網絡樣本訓練，使得改進神經網絡模型能夠準確地對食品安全監(jiān)理過程中的安全問題進行分析和預測，當超過該農藥殘留物的臨界值時，及時預警。

4 模型仿真試驗

本文首先利用MATLAB工具對分析模型進行仿真試驗，樣本選擇為葡萄酒中農藥殘留監(jiān)測各項指標，參照GB2763.2012《食品中農藥最大殘留限量》，葡萄中各指標最大限量，如表1。

表1 葡萄中18項農藥殘留指標最大限量Tab.1 Maximum limit of 18 indicators of pesticide residues in grapes

樣本數據選擇時，需要包含各個指標在整個供應鏈中不同監(jiān)理階段的指標值，即分別采集葡萄原料中、葡萄酒酒精發(fā)酵過程中、葡萄酒運輸過程中和葡萄酒銷售過程中的農藥殘留變化數據，將數據分成兩部分，訓練樣本和測試樣本，采用優(yōu)化的Elman神經網絡對訓練樣本進行學習，并對測試樣本進行預測，其預測結果及誤差如圖3、圖4。

由圖3、圖4可知，該模型通過學習，預測速度快，且預測數據與真實數據誤差小，能夠運用于食品安全實時監(jiān)理過程中，及時對食品安全數據進行處理。

由于食品安全監(jiān)理過程中產生海量的數據，將Elman神經網絡和Storm云平臺結合，利用Storm實時處理數據的特點，提高處理數據的速度，保證食品安全的海量數據得到實時處理，再通過食品安全監(jiān)理實時分析模型，對海量數據進行分析和預測，當超過臨界值時，能及時對食品安全問題進行預警。

圖3 葡萄酒中農藥殘留量預測Fig.3 Forecast map of pesticide residues in wine

圖4 模型預測誤差Fig.4 Model prediction error map

5 結束語

從整個食品供應鏈角度出發(fā)，結合云服務，提出了食品安全實時監(jiān)理架構，利用食品安全檢測、物聯(lián)網等技術實時檢測食品安全信息，并建立了基于云服務的食品安全監(jiān)理實時分析預測模型，通過對模型的分析和仿真試驗，表明該模型可以對海量的食品安全數據進行處理，并能實時對數據分析和預測，及時發(fā)現(xiàn)食品安全問題，保證食品安全，降低食品安全問題發(fā)生的概率。

［1］韓福霞，劉宏志.基于蝙蝠算法的信息工程監(jiān)理多目標優(yōu)化研究［J］.現(xiàn)代計算機，2013，19：3-6.

［2］劉宏志，葛迺康.信息化工程監(jiān)理［M］.北京：中國電力出版社，2009：5.

［3］張云霄，劉宏志.我國食品安全監(jiān)理體系研究［J］.食品科學技術學報，2014，32（1）：77-82.

［4］鄧小云，劉宏志.基于云計算的食品安全監(jiān)理研究［J］.北京工商大學學報：自然科學版，2012，30（4）：75-78.

［5］李夢尋，劉宏志.基于物聯(lián)網的食品安全監(jiān)理模型研究［J］.北京工商大學學報：自然科學版，2011，29（2）：54-58.

［6］朱炳宇，蔡莉.基于Storm和Android的出租車乘客實時云平臺調度系統(tǒng)［J］.計算機科學，2012（8A）：1-2.

［7］黃馥浩.基于Storm的微博互動平臺的設計與實現(xiàn)［D］.廣州：中山大學，2013.

［8］蔣藝晴.淺談食品質量與安全監(jiān)管監(jiān)理制［J］.江蘇農業(yè)科學，2014，42（2）：260-264.

［9］Toqeer R S，Bayindir N S.Speed estimation of an induction motor using Elman neural network［J］.Neuro Computing，2003，55（3-4）：727-730.

［10］黨小超，郝占軍.基于改進Elman神經網絡的網絡流量預測［J］.計算機應用，2010，30（10）：2648-2652.

［11］Shi X H，Liang Y C，Lee H P，et al.Improved Elman networks and applications for controlling ultrasonic motors［J］.Applied Artificial Intelligence，2004（18）：603-629.

［12］Yang Xinshe.A new metaheuristic bat-inspired algorithm［J］.Nature Inspired Cooperative Strategies for Optimization，2010，284：65-74.

［13］李記明，司合蕓，于英，等.葡萄農藥殘留及其對葡萄酒釀造的影響［J］.中國農業(yè)科學，2012，45（4）：743-751.

［14］強承魁，鳳舞劍，胡長效，等.徐州市葡萄主產區(qū)表層土壤和葡萄中農藥殘留特征與評價［J］.浙江農業(yè)學報，2013，25（2）：293-297.

Study on Real-time Analysis in Food Safety Surveillance Based on Cloud Service

HAN Fuxia，LIU Hongzhi*
（School of Computer Science and Information Engineering，Beijing Technology and Business University，Beijing 100048，China）

In order to detect the problems of food safety in time and reduce the incidence，a food safety supervision of real-time analysis and prediction model based on the storm cloud platform and the Elman neural network optimizing by the bat algorithm was constructed from the perspective of food supply chain. Through analyzing the factors affecting food safety，the model was used to analysis the food safety data in real-time.By the analysis of the model，an effective food safety supervision mechanism in real time was formed to further reduce the food safety hazards.

food safety；real time supervision；storm cloud platform；Elman neural network

檀彩蓮）

TS201.6；TP393.02

A

10.3969/j.issn.2095-6002.2015.03.014

2095-6002（2015）03-0074-05

韓福霞，劉宏志.基于云服務的食品安全監(jiān)理實時化研究［J］.食品科學技術學報，2015，33（3）：74-78.

HAN Fuxia，LIU Hongzhi.Study on real-time analysis in food safety surveillance based on cloud service［J］.Journal of Food Science and Technology，2015，33（3）：74-78.

2014-12-22

北京市屬高等學校科學技術與研究生教育創(chuàng)新工程建設項目（PXM2012_014213_000037）。

韓福霞，女，碩士研究生，研究方向為信息工程與食品安全監(jiān)理；

*劉宏志，男，教授，博士，主要從事信息工程監(jiān)理、電子商務與電子政務等方面的研究。

。