大數(shù)據(jù)背景下的食品安全風(fēng)險(xiǎn)預(yù)警機(jī)制研究

張曉瑜　張桂芳　徐進(jìn)杰　張?zhí)鹛?/p>

摘 要：本文分析了食品安全風(fēng)險(xiǎn)預(yù)警機(jī)制中存在的食品安全數(shù)據(jù)庫(kù)分散、結(jié)構(gòu)不一致、評(píng)估模式實(shí)時(shí)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(xiǎn)預(yù)警機(jī)制的構(gòu)建思路，通過現(xiàn)有專家評(píng)估結(jié)果對(duì)BP（Back Propagation Network）神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和評(píng)價(jià)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(xiǎn)預(yù)警機(jī)制。

關(guān)鍵詞：食品安全;預(yù)警機(jī)制;大數(shù)據(jù);機(jī)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(hào)：TS201.6

食品安全風(fēng)險(xiǎn)預(yù)警是一種預(yù)防性的食品安全保障措施，針對(duì)可能出現(xiàn)的食品安全問題做出預(yù)先警告，對(duì)可能出現(xiàn)的對(duì)人體健康產(chǎn)生危害的相關(guān)因素進(jìn)行監(jiān)測(cè)、追蹤、分析，形成有效的監(jiān)控機(jī)制，進(jìn)而對(duì)食品安全問題進(jìn)行有效控制[1]。建立健全食品安全風(fēng)險(xiǎn)預(yù)警機(jī)制，及時(shí)發(fā)布與食品安全相關(guān)的預(yù)警信息，加強(qiáng)政府對(duì)重大食品安全危機(jī)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(bào)告提出，推動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實(shí)體經(jīng)濟(jì)的深度融合。據(jù)不完全統(tǒng)計(jì)，已有12個(gè)?。ㄖ陛犑校┰O(shè)立了省級(jí)的大數(shù)據(jù)管理機(jī)構(gòu)。《2019中國(guó)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(shì)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(jìn)，以實(shí)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(cè)預(yù)警體系存在的問題，提出相應(yīng)的完善措施，并針對(duì)如何建立人工神經(jīng)網(wǎng)絡(luò)食品安全風(fēng)險(xiǎn)預(yù)警決策中心進(jìn)行探討。

1 建立食品安全統(tǒng)一編碼數(shù)據(jù)庫(kù)

1.1 食品安全數(shù)據(jù)庫(kù)存在的問題

近年來，我國(guó)食品信息化已形成多個(gè)食品分類體系，如全國(guó)食品污染物監(jiān)測(cè)網(wǎng)絡(luò)的食品分類、中國(guó)居民營(yíng)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(duì)各系統(tǒng)之間的數(shù)據(jù)進(jìn)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(shí)現(xiàn)的重大難題，而打通部門間數(shù)據(jù)庫(kù)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(shì)在必行。

1.2 統(tǒng)一食品安全編碼的設(shè)計(jì)及應(yīng)用

對(duì)食品進(jìn)行編碼是對(duì)食品數(shù)據(jù)認(rèn)識(shí)和邏輯統(tǒng)一，對(duì)食品屬性的統(tǒng)一編碼有利于機(jī)器進(jìn)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(jì)，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(duì)食品數(shù)據(jù)進(jìn)行解碼和統(tǒng)一編碼，構(gòu)建全面可溯源的編碼，以實(shí)現(xiàn)整合食品相關(guān)數(shù)據(jù)形成大數(shù)據(jù)庫(kù)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(duì)接等技術(shù)對(duì)我國(guó)已建立的多類系統(tǒng)進(jìn)行對(duì)接、匯總形成統(tǒng)一的食品安全編碼數(shù)據(jù)庫(kù)。通過試運(yùn)行對(duì)編碼系統(tǒng)進(jìn)行多方位驗(yàn)證，降低試錯(cuò)成本。

2 建立食品安全風(fēng)險(xiǎn)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(xiǎn)的評(píng)價(jià)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(píng)價(jià)方式往往只能評(píng)價(jià)部分指標(biāo)，導(dǎo)致評(píng)價(jià)存在一定的主觀性。鑒于食品安全評(píng)價(jià)體系的復(fù)雜性，僅對(duì)指標(biāo)是否合格進(jìn)行統(tǒng)計(jì)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(píng)估出來。目前，現(xiàn)行的食品安全風(fēng)險(xiǎn)評(píng)估模式主要采用食品安全委員會(huì)進(jìn)行專家評(píng)審的方式，結(jié)果準(zhǔn)確但評(píng)估的數(shù)據(jù)量和評(píng)估速度局限。有部分風(fēng)險(xiǎn)預(yù)警系統(tǒng)雖然能夠利用已有規(guī)則預(yù)測(cè)未來應(yīng)該監(jiān)督抽檢的重點(diǎn)，但僅對(duì)局部數(shù)據(jù)進(jìn)行簡(jiǎn)單挖掘，難以形成全面的食品安全風(fēng)險(xiǎn)預(yù)警機(jī)制[3]。

2.2 機(jī)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(jī)器學(xué)習(xí)等技術(shù)可從大量數(shù)據(jù)中自動(dòng)分析提取規(guī)律，并利用這些規(guī)律對(duì)未知數(shù)據(jù)進(jìn)行計(jì)算和預(yù)測(cè)。隨著我國(guó)食品安全風(fēng)險(xiǎn)監(jiān)測(cè)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(jī)器學(xué)習(xí)算法已被用于風(fēng)險(xiǎn)評(píng)估領(lǐng)域計(jì)算。其中，貝葉斯網(wǎng)絡(luò)一般模式為利用先驗(yàn)信息和總體分布信息加上樣本信息計(jì)算出后驗(yàn)分布信息，計(jì)算過程可以加入專家經(jīng)驗(yàn)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(cè)，可通過計(jì)算概率的方式得到風(fēng)險(xiǎn)值。決策樹分析法是一種以風(fēng)險(xiǎn)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(píng)估及食品安全情況分析等領(lǐng)域，方法的可行性得到驗(yàn)證。但由于其簡(jiǎn)化分點(diǎn)復(fù)雜邏輯的特性，使得其產(chǎn)生錯(cuò)誤的可能也變大，同時(shí)會(huì)產(chǎn)生數(shù)據(jù)噪音。BP神經(jīng)網(wǎng)絡(luò)對(duì)生物學(xué)中神經(jīng)元互聯(lián)形成的復(fù)雜網(wǎng)絡(luò)進(jìn)行模擬，研究者使用BP神經(jīng)網(wǎng)絡(luò)成功進(jìn)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(cè)。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(cuò)、自學(xué)習(xí)和自適應(yīng)特點(diǎn)[4]。

食品安全風(fēng)險(xiǎn)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(jì)算，屬性復(fù)雜的組合會(huì)使算法復(fù)雜度增加，預(yù)測(cè)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(xiàng)數(shù)據(jù)。BP神經(jīng)網(wǎng)絡(luò)基于感知器的設(shè)計(jì)，使其對(duì)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(cè)會(huì)越來越精準(zhǔn)。BP神經(jīng)網(wǎng)絡(luò)可克服目前其他機(jī)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(xiǎn)預(yù)警領(lǐng)域。

3 基于BP神經(jīng)網(wǎng)絡(luò)食品安全風(fēng)險(xiǎn)預(yù)警機(jī)制的建立

大數(shù)據(jù)新形勢(shì)下的食品安全風(fēng)險(xiǎn)預(yù)警決策中心應(yīng)具備對(duì)檢測(cè)數(shù)據(jù)進(jìn)行實(shí)時(shí)分析和預(yù)警的能力。食品安全風(fēng)險(xiǎn)預(yù)警機(jī)制模型可分為數(shù)據(jù)級(jí)、特征級(jí)、決策級(jí)，見圖1。數(shù)據(jù)級(jí)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(kù)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(kù)結(jié)構(gòu)和正常使用的前提下，將數(shù)據(jù)自動(dòng)化實(shí)時(shí)輸出到特征級(jí)，特征級(jí)按照食品安全智能編碼組成關(guān)系型數(shù)據(jù)庫(kù)，并進(jìn)行數(shù)據(jù)清洗。決策級(jí)建立初期由風(fēng)險(xiǎn)評(píng)估專家對(duì)數(shù)據(jù)庫(kù)數(shù)據(jù)進(jìn)行評(píng)估，利用評(píng)估結(jié)果對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練數(shù)據(jù)達(dá)標(biāo)后，利用BP神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)進(jìn)行決策，組織專家對(duì)決策結(jié)果再次評(píng)估，待評(píng)估合格后可上線運(yùn)行。運(yùn)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(shì)[5]。

4 結(jié)語(yǔ)

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

參考文獻(xiàn)：

[1]安 瑩.我國(guó)地方食品安全預(yù)警體系構(gòu)建要點(diǎn)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(jì)[J].中國(guó)衛(wèi)生信息管理雜志，2018，15（5）：575-578.

[3]陳夏威，王博遠(yuǎn)，岑應(yīng)健，等.基于機(jī)器學(xué)習(xí)的食品安全風(fēng)險(xiǎn)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(xiǎn)預(yù)警系統(tǒng)研究[D].長(zhǎng)沙：湖南大學(xué)，2016.