張曉瑜　張桂芳　徐進杰　張?zhí)鹛?/p>

摘 要：本文分析了食品安全風(fēng)險預(yù)警機制中存在的食品安全數(shù)據(jù)庫分散、結(jié)構(gòu)不一致、評估模式實時性欠缺等關(guān)鍵問題。在介紹相關(guān)研究的基礎(chǔ)上，提出大數(shù)據(jù)背景下食品安全風(fēng)險預(yù)警機制的構(gòu)建思路，通過現(xiàn)有專家評估結(jié)果對BP（Back Propagation Network）神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練和評價等，期望在現(xiàn)有條件下形成具備可操作性、面向大數(shù)據(jù)的食品安全風(fēng)險預(yù)警機制。

關(guān)鍵詞：食品安全;預(yù)警機制;大數(shù)據(jù);機器學(xué)習(xí)

Abstract：This paper analyzes the key problems in the early warning mechanism of food safety risks， such as scattered food safety database， inconsistent structure， and lack of real-time evaluation mode and soon. Based on the introduction of relevant research， this paper put forward the construction idea of food safety risk early warning mechanism under the background of big data， trains and evaluates the BP （Back Propagation Network） neural network through the results of existing experts， etc. It expects to be able to form an early warning mechanism of food safety risk for big data that is operational under existing conditions.

Key words：Food safety; Early warning mechanism; Big data; Machine learning

中圖分類號：TS201.6

食品安全風(fēng)險預(yù)警是一種預(yù)防性的食品安全保障措施，針對可能出現(xiàn)的食品安全問題做出預(yù)先警告，對可能出現(xiàn)的對人體健康產(chǎn)生危害的相關(guān)因素進行監(jiān)測、追蹤、分析，形成有效的監(jiān)控機制，進而對食品安全問題進行有效控制[1]。建立健全食品安全風(fēng)險預(yù)警機制，及時發(fā)布與食品安全相關(guān)的預(yù)警信息，加強政府對重大食品安全危機事件的預(yù)防和應(yīng)急處置，可大大降低食品安全事故的發(fā)生率，有效減少其可能造成的損失。

黨的十九大報告提出，推動互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實體經(jīng)濟的深度融合。據(jù)不完全統(tǒng)計，已有12個?。ㄖ陛犑校┰O(shè)立了省級的大數(shù)據(jù)管理機構(gòu)?！?019中國大數(shù)據(jù)產(chǎn)業(yè)發(fā)展白皮書》中提出，政府大數(shù)據(jù)從數(shù)據(jù)資產(chǎn)管理走向大監(jiān)管大服務(wù)，從趨勢上看，未來政府的大數(shù)據(jù)應(yīng)用將逐步向大監(jiān)管大服務(wù)方向邁進，以實現(xiàn)更精準(zhǔn)高效的監(jiān)管和更便捷深入的服務(wù)。隨著5G、人工智能和大數(shù)據(jù)等信息技術(shù)在食品生產(chǎn)、流通與銷售領(lǐng)域的普遍應(yīng)用，利用新方法、新技術(shù)來開展食品安全預(yù)警體系建設(shè)顯得十分必要。

本文從大數(shù)據(jù)背景的角度分析當(dāng)前食品安全監(jiān)測預(yù)警體系存在的問題，提出相應(yīng)的完善措施，并針對如何建立人工神經(jīng)網(wǎng)絡(luò)食品安全風(fēng)險預(yù)警決策中心進行探討。

1 建立食品安全統(tǒng)一編碼數(shù)據(jù)庫

1.1 食品安全數(shù)據(jù)庫存在的問題

近年來，我國食品信息化已形成多個食品分類體系，如全國食品污染物監(jiān)測網(wǎng)絡(luò)的食品分類、中國居民營養(yǎng)與健康狀況調(diào)查中的食品分類、農(nóng)產(chǎn)品分類與代碼、總膳食研究中的食品分類等，各種分類系統(tǒng)相互交叉、編碼不一致造成嚴(yán)重的“信息孤島”問題。這種現(xiàn)狀引發(fā)的最大的問題是無法對各系統(tǒng)之間的數(shù)據(jù)進行挖掘、整合、分析和綜合利用。因此，食品安全分類編碼不一致是當(dāng)前數(shù)據(jù)融合共享難以實現(xiàn)的重大難題，而打通部門間數(shù)據(jù)庫的壁壘，保證數(shù)據(jù)有效匯總，建立一套完善的符合食品及相關(guān)因素全覆蓋的編碼系統(tǒng)勢在必行。

1.2 統(tǒng)一食品安全編碼的設(shè)計及應(yīng)用

對食品進行編碼是對食品數(shù)據(jù)認(rèn)識和邏輯統(tǒng)一，對食品屬性的統(tǒng)一編碼有利于機器進行數(shù)據(jù)處理和分析。劉楊等[2]提出基于食品健康鏈的大數(shù)據(jù)智能編碼系統(tǒng)設(shè)計，這套系統(tǒng)依據(jù)現(xiàn)有食品信息系統(tǒng)，編寫數(shù)據(jù)字典，以大數(shù)據(jù)為導(dǎo)向，對食品數(shù)據(jù)進行解碼和統(tǒng)一編碼，構(gòu)建全面可溯源的編碼，以實現(xiàn)整合食品相關(guān)數(shù)據(jù)形成大數(shù)據(jù)庫的目標(biāo)。采用的這種面向大數(shù)據(jù)的編碼方式是數(shù)據(jù)標(biāo)準(zhǔn)化和數(shù)據(jù)決策分析的必要步驟。

食品安全數(shù)據(jù)編碼標(biāo)準(zhǔn)推廣初期，可考慮采用柔性智能編碼對接等技術(shù)對我國已建立的多類系統(tǒng)進行對接、匯總形成統(tǒng)一的食品安全編碼數(shù)據(jù)庫。通過試運行對編碼系統(tǒng)進行多方位驗證，降低試錯成本。

2 建立食品安全風(fēng)險預(yù)警決策中心

2.1 食品安全預(yù)警現(xiàn)狀

食品安全風(fēng)險的評價中指標(biāo)數(shù)量多，各種指標(biāo)關(guān)聯(lián)著不同的有害因素，差異性大。目前，現(xiàn)行的評價方式往往只能評價部分指標(biāo)，導(dǎo)致評價存在一定的主觀性。鑒于食品安全評價體系的復(fù)雜性，僅對指標(biāo)是否合格進行統(tǒng)計分析是不夠的。合格區(qū)的數(shù)據(jù)常因指標(biāo)合格被忽略，而食品安全預(yù)警信息可以從合格的數(shù)據(jù)中評估出來。目前，現(xiàn)行的食品安全風(fēng)險評估模式主要采用食品安全委員會進行專家評審的方式，結(jié)果準(zhǔn)確但評估的數(shù)據(jù)量和評估速度局限。有部分風(fēng)險預(yù)警系統(tǒng)雖然能夠利用已有規(guī)則預(yù)測未來應(yīng)該監(jiān)督抽檢的重點，但僅對局部數(shù)據(jù)進行簡單挖掘，難以形成全面的食品安全風(fēng)險預(yù)警機制[3]。

2.2 機器學(xué)習(xí)技術(shù)在食品安全預(yù)警中應(yīng)用情況

隨著人工智能技術(shù)的發(fā)展，機器學(xué)習(xí)等技術(shù)可從大量數(shù)據(jù)中自動分析提取規(guī)律，并利用這些規(guī)律對未知數(shù)據(jù)進行計算和預(yù)測。隨著我國食品安全風(fēng)險監(jiān)測數(shù)據(jù)量的增加，BP（Back Propagation Network）神經(jīng)網(wǎng)絡(luò)、貝葉斯網(wǎng)絡(luò)和決策樹等機器學(xué)習(xí)算法已被用于風(fēng)險評估領(lǐng)域計算。其中，貝葉斯網(wǎng)絡(luò)一般模式為利用先驗信息和總體分布信息加上樣本信息計算出后驗分布信息，計算過程可以加入專家經(jīng)驗和判斷信息。貝葉斯網(wǎng)絡(luò)已被應(yīng)用于食品供應(yīng)鏈污染暴露預(yù)測，可通過計算概率的方式得到風(fēng)險值。決策樹分析法是一種以風(fēng)險分析為依據(jù)，用樹狀邏輯方式解決問題的工具。決策樹目前被應(yīng)用于農(nóng)產(chǎn)品的安全評估及食品安全情況分析等領(lǐng)域，方法的可行性得到驗證。但由于其簡化分點復(fù)雜邏輯的特性，使得其產(chǎn)生錯誤的可能也變大，同時會產(chǎn)生數(shù)據(jù)噪音。BP神經(jīng)網(wǎng)絡(luò)對生物學(xué)中神經(jīng)元互聯(lián)形成的復(fù)雜網(wǎng)絡(luò)進行模擬，研究者使用BP神經(jīng)網(wǎng)絡(luò)成功進行食品質(zhì)量預(yù)警、食品攝入量預(yù)警及食品監(jiān)督抽檢合格率預(yù)測。BP神經(jīng)網(wǎng)絡(luò)有復(fù)雜的模式分類能力及多維函數(shù)映射能力，具備容錯、自學(xué)習(xí)和自適應(yīng)特點[4]。

食品安全風(fēng)險數(shù)據(jù)具有高度復(fù)雜的特性，貝葉斯網(wǎng)絡(luò)由于依賴于概率計算，屬性復(fù)雜的組合會使算法復(fù)雜度增加，預(yù)測難度加大。決策樹分析法建立于深度搜索之上，不能很好的分析缺項數(shù)據(jù)。BP神經(jīng)網(wǎng)絡(luò)基于感知器的設(shè)計，使其對不確定問題具備高度解決能力，隨著數(shù)據(jù)量的增加和訓(xùn)練，其預(yù)測會越來越精準(zhǔn)。BP神經(jīng)網(wǎng)絡(luò)可克服目前其他機器學(xué)習(xí)技術(shù)在食品安全預(yù)警應(yīng)用中存在的不足，適合應(yīng)用于食品安全風(fēng)險預(yù)警領(lǐng)域。

3 基于BP神經(jīng)網(wǎng)絡(luò)食品安全風(fēng)險預(yù)警機制的建立

大數(shù)據(jù)新形勢下的食品安全風(fēng)險預(yù)警決策中心應(yīng)具備對檢測數(shù)據(jù)進行實時分析和預(yù)警的能力。食品安全風(fēng)險預(yù)警機制模型可分為數(shù)據(jù)級、特征級、決策級，見圖1。數(shù)據(jù)級現(xiàn)階段可由食品安全主管部門協(xié)同相關(guān)部門開放食品相關(guān)數(shù)據(jù)庫權(quán)限，由柔性智能編碼系統(tǒng)在不改變現(xiàn)有數(shù)據(jù)庫結(jié)構(gòu)和正常使用的前提下，將數(shù)據(jù)自動化實時輸出到特征級，特征級按照食品安全智能編碼組成關(guān)系型數(shù)據(jù)庫，并進行數(shù)據(jù)清洗。決策級建立初期由風(fēng)險評估專家對數(shù)據(jù)庫數(shù)據(jù)進行評估，利用評估結(jié)果對BP神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，訓(xùn)練數(shù)據(jù)達標(biāo)后，利用BP神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)進行決策，組織專家對決策結(jié)果再次評估，待評估合格后可上線運行。運行過程中，由專家確認(rèn)BP神經(jīng)網(wǎng)絡(luò)決策結(jié)果，如出現(xiàn)偏差，由糾正后的數(shù)據(jù)繼續(xù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，確保決策系統(tǒng)迭代更新，滿足不斷變化發(fā)展食品安全新形勢[5]。

4 結(jié)語

本文通過分析大數(shù)據(jù)背景下構(gòu)建食品安全風(fēng)險預(yù)警機制存在的主要問題，如數(shù)據(jù)庫不統(tǒng)一、專家分析模式實時性欠缺、處理數(shù)據(jù)量小等，結(jié)合國內(nèi)外近期關(guān)于構(gòu)建食品安全風(fēng)險預(yù)警機制的相關(guān)研究，提出基于智能編碼技術(shù)柔性對接技術(shù)及BP神經(jīng)網(wǎng)絡(luò)等先進數(shù)據(jù)處理手段的預(yù)警機制。本模型僅需要食品相關(guān)部門開放現(xiàn)有數(shù)據(jù)庫便可自動匯總形成統(tǒng)一數(shù)據(jù)庫，建立地方大數(shù)據(jù)庫，且預(yù)警系統(tǒng)可操作性強，該機制對接現(xiàn)有專家評估模式的同時，使用專家評估結(jié)果對BP神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，隨著BP神經(jīng)網(wǎng)絡(luò)的成長，專家評估結(jié)果可對BP神經(jīng)網(wǎng)絡(luò)進行不間斷評估、評價和迭代更新。最終該機制將滿足或者超越現(xiàn)有風(fēng)險預(yù)警的期望，對食品安全預(yù)警、評估、監(jiān)管工作起到較大的輔助作用。

參考文獻：

[1]安 瑩.我國地方食品安全預(yù)警體系構(gòu)建要點研究——以蘇北地區(qū)為例[J].食品安全導(dǎo)刊，2015（24）：19-20.

[2]劉 楊，馬 東，肖革新.基于食品健康鏈的大數(shù)據(jù)智能編碼系統(tǒng)設(shè)計[J].中國衛(wèi)生信息管理雜志，2018，15（5）：575-578.

[3]陳夏威，王博遠，岑應(yīng)健，等.基于機器學(xué)習(xí)的食品安全風(fēng)險預(yù)警研究現(xiàn)狀與展望[J].醫(yī)學(xué)信息學(xué)雜志，2019，40（3）：56-61.

[4]Wang Y J，Yang B， Luo Y，et al.The application of big data mining in risk warning for food safety[J].Asian Agricultural Research，2015，7（8）：83-86.

[5]李宗亮.基于大數(shù)據(jù)挖掘的食品安全風(fēng)險預(yù)警系統(tǒng)研究[D].長沙：湖南大學(xué)，2016.