基于機器學習的肉雞沙門氏菌污染風險敏感性分析

瞿孝云 肖興寧 肖英平 劉元杰 楊 力 張建民 楊 華汪 雯

（1.華南農(nóng)業(yè)大學，人獸共患病防控制劑國家地方聯(lián)合工程實驗室，農(nóng)業(yè)農(nóng)村部人畜共患病重點實驗室，廣東省動物源性人獸共患病預(yù)防與控制重點實驗室，廣州510642；2.浙江省農(nóng)業(yè)科學院農(nóng)產(chǎn)品質(zhì)量安全與營養(yǎng)研究所，農(nóng)產(chǎn)品質(zhì)量安全危害因子與風險防控國家重點實驗室，農(nóng)業(yè)農(nóng)村部農(nóng)產(chǎn)品質(zhì)量安全風險評估實驗室（杭州），杭州310021；3.中國農(nóng)業(yè)大學信息與電氣工程學院，農(nóng)業(yè)農(nóng)村部農(nóng)業(yè)信息獲取技術(shù)重點實驗室，現(xiàn)代精細農(nóng)業(yè)系統(tǒng)集成研究教育部重點實驗室，北京100083；4.中國計量大學信息工程學院，杭州310018）

沙門氏菌（Salmonel l a）是人畜共患的革蘭氏陰性病原菌。據(jù)統(tǒng)計，我國70%～80%的細菌性食物中毒是由沙門氏菌引起，每年病例約820萬[1]。肉雞是沙門氏菌的常見宿主，屠宰過程中的宰殺、瀝血、浸燙、掏膛、內(nèi)腔淋洗、預(yù)冷清洗等環(huán)節(jié)是造成產(chǎn)品污染的重要環(huán)節(jié)，據(jù)報道，我國屠宰環(huán)節(jié)的雞肉沙門氏菌污染率高達62.9%[2]。本課題組前期基于模擬實驗數(shù)據(jù)，構(gòu)建了多元非線性回歸沙門氏菌污染率預(yù)測模型，但傳統(tǒng)的回歸模型需對變量進行組合或剔除，易造成高維數(shù)據(jù)擬合的信息缺失，較難實現(xiàn)多維數(shù)據(jù)下的精準預(yù)測[3～4]。機器學習算法可從海量、復(fù)雜的數(shù)據(jù)中深度學習找到關(guān)鍵信息和變量之間的隱藏關(guān)系[5]。當前，我國大型肉雞屠宰場引入了自動化系統(tǒng)，該系統(tǒng)運行積累了大量的溫度、濕度、預(yù)冷水氯濃度等傳感器檢測數(shù)據(jù)，屠宰場日常微生物檢測也積累了大量的細菌污染率數(shù)據(jù)?；谕涝讏霰O(jiān)測數(shù)據(jù)，利用機器學習算法構(gòu)建沙門氏菌污染率風險分析模型，對保障產(chǎn)品安全具有重要意義。

分類型機器學習算法是通過構(gòu)建模型對數(shù)據(jù)進行分類，學習數(shù)據(jù)在構(gòu)建模型的過程中起著重要的作用[6]。基于樣本數(shù)據(jù)量的差異，支持向量機、樸素貝葉斯和神經(jīng)網(wǎng)絡(luò)模型被廣泛應(yīng)用于非線性問題的預(yù)測中。支持向量機和樸素貝葉斯算法適合解決小樣本數(shù)據(jù)量問題。支持向量機通過超平面的邊界將數(shù)據(jù)劃分為具有近似值的組，對于非線性問題，通過線性核、多項式核、S形核、徑向基核函數(shù)等核函數(shù)來解決[7～8]。樸素貝葉斯是通過比較測試樣本各類別的條件概率進行預(yù)測[9]。神經(jīng)網(wǎng)絡(luò)是模擬生物神經(jīng)系統(tǒng)，通過確定節(jié)點及節(jié)點之間關(guān)系以進行預(yù)測，其并行分布處理能力強，適合解決大樣本數(shù)據(jù)量問題[10～11]。

本研究分別基于支持向量機、樸素貝葉斯和神經(jīng)網(wǎng)絡(luò)3種機器學習算法，建立以日屠宰量、環(huán)境溫度、環(huán)境濕度、宰前污染率、浸燙環(huán)節(jié)交叉污染、掏膛環(huán)節(jié)交叉污染、預(yù)冷水氯濃度為輸入值，肉雞宰后污染率為輸出值的肉雞宰后沙門氏菌污染率預(yù)測模型，并通過隨機森林算法對最優(yōu)模型進行敏感性分析，為微生物污染率風險預(yù)警提供模型基礎(chǔ)。

一、材料與方法

（一）數(shù)據(jù)來源

1.環(huán)境參數(shù)和加工參數(shù)。本課題組于2016－2019年在廣州某家禽屠宰企業(yè)進行了數(shù)據(jù)收集。日屠宰量數(shù)據(jù)來源于現(xiàn)場調(diào)研；環(huán)境溫濕度數(shù)據(jù)來源于生產(chǎn)線溫濕度傳感器的監(jiān)測；預(yù)冷水氯濃度數(shù)據(jù)來源于有效氯測定儀對每小時預(yù)冷水氯濃度的監(jiān)測，結(jié)果詳見表1。

2.沙門氏菌污染率檢測。（1）主要實驗儀器。QHZ－98A/QHZ－98B全溫振蕩培養(yǎng)箱（太倉市華美生化儀器廠）；SHP－250生化培養(yǎng)箱（上海精宏實驗設(shè)備有限公司）；SYN－K電熱恒溫水浴鍋（北京長風儀器廠）；5424R高速冷凍離心機（德國Eppendorf公司）；PTC－200 PCR擴增儀（美國MJ ReSearch公司）；SBD－50水浴搖床（美國MJ Re-Search公司）；Gel Doc XR凝膠成像系統(tǒng)（美國Bio－Rad公司）；Power Pac universal TM核酸電泳儀（美國Bio－Rad公司）。（2）沙門氏菌的分離培養(yǎng)與鑒定。每月分別采集肛拭子、浸燙后、掏膛后、預(yù)冷后雞胴體各20份，共30個月。按照GB/T 4789.4－2016《食品安全國家標準 食品微生物學檢驗 沙門氏菌檢驗》規(guī)定，經(jīng)過預(yù)增菌、增菌、劃線、純化、鑒定等步驟進行沙門氏菌鑒定。污染率檢測結(jié)果見表1。

3.宰后肉雞沙門氏菌污染率分類。我國針對鮮（凍）畜禽產(chǎn)品（GB 2707－2016）和畜禽屠宰加工（GB 12694－2016）的國家標準均未考慮微生物指標。美國和歐盟制定了雞肉產(chǎn)品沙門氏菌污染率限量標準，要求宰后雞胴體中沙門氏菌的污染率不得超過15.4%和9.8%[2]。參考歐美沙門氏菌限量標準，定義宰后污染率變化范圍＜10%的數(shù)值為標簽“0”，即低污染風險；宰后污染率變化范圍≥10%且＜15%的數(shù)值為標簽“1”，即中污染風險；宰后污染率變化范圍≥15%的數(shù)值為標簽“2”，即高污染風險（見表1）。

表1 肉雞屠宰環(huán)節(jié)的數(shù)據(jù)變量

（二）污染率預(yù)測模型構(gòu)建

1.支持向量機。支持向量機（Support vector machine，SVM）是一種監(jiān)督學習算法，具有強大的分類鑒別能力。SVM算法通過構(gòu)造一個（n－1）維的分離超平面來區(qū)分n維空間中的2個類，該超平面把輸入數(shù)據(jù)轉(zhuǎn)換到高維空間，生成一個n維向量，并且最大化2個數(shù)據(jù)組之間的余量來對不同類別進行最優(yōu)分離。訓練數(shù)據(jù)集設(shè)置見公式（1）[13]。

公式（1）中，zi為第i個輸入特征向量，所有描述系統(tǒng)狀態(tài)的輸入特征向量組成z；yi為第i個樣本的分類標識，yi∈{－1，1}；l為樣本數(shù)；n為向量空間維數(shù)，求解最優(yōu)分類超平面[14]。

2.樸素貝葉斯。樸素貝葉斯建立在貝葉斯決策理論和貝葉斯網(wǎng)絡(luò)的基礎(chǔ)上，屬于監(jiān)督學習。算法主要分為2個階段：第1階段，對實驗樣本進行分類，分別計算不同條件下的概率；第2階段，輸入測試樣本，計算不同條件的概率，比較其概率大小，從而完成對測試樣本的分類。訓練數(shù)據(jù)集設(shè)置見公式 （2）[15]。

公式（2）中，X＝{x1，x2，...，xn}表示包含不同特征屬性的屠宰環(huán)節(jié)輸入?yún)?shù)特征集；Y＝{y1，y2，...，yn}表示不同宰后污染率集合。

3.神經(jīng)網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)由大量的節(jié)點相互連接構(gòu)成。每個節(jié)點代表一種特定的輸出函數(shù)，稱為激活函數(shù)。每2個節(jié)點間的連接都代表一個對于通過該連接信號的加權(quán)值，稱為權(quán)重。網(wǎng)絡(luò)的輸出則依據(jù)網(wǎng)絡(luò)的連接方式、權(quán)重值和激活函數(shù)的不同而不同[16]。本研究采用的是反向傳播人工神經(jīng)網(wǎng)絡(luò)，應(yīng)用tan h激活函數(shù)，神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖1所示。

圖1 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

（三）模型評價利用SAS軟件的“預(yù)測建?！蹦K進行支持向量機、樸素貝葉斯和神經(jīng)網(wǎng)絡(luò)建模。誤分類率（Error rate，ER）表示被分類器錯誤分類的元組所占百分比，反映了分類器對各類元組的正確識別情況，可通過混淆矩陣來計算。受試者工作特征曲線（Receiver operating characteristic curve，ROC）是以靈敏度為縱坐標，“1－特異度”為橫坐標繪制的曲線，若曲線下面積（Area under the curve，AUC）越接近于1，則模型的預(yù)測性能越好。均方根誤差（Root mean square error，RMSE）是用來衡量觀測值同實際值之間的偏差。采用ER、AUC和RMSE指標來評價模型預(yù)測精度，其中ER和RMSE越小，A UC越大，表示模型預(yù)測精度越高[17]。

（四）風險敏感性分析預(yù)測模型中各解釋變量對目標變量的影響存在差異，隨機森林算法可衡量單一解釋變量對目標特征的敏感性，根據(jù)逐一移除變量后模型準確性的降低程度來衡量變量重要性[18]?；赟AS軟件的隨機森林算法對日屠宰量、環(huán)境溫度、環(huán)境濕度、宰前污染率、浸燙環(huán)節(jié)交叉污染、掏膛環(huán)節(jié)交叉污染、預(yù)冷水氯濃度等因素進行重要度排序。

二、結(jié)果與分析

（一）模型評估與比較支持向量機模型對訓練數(shù)據(jù)集的擬合能力較好（AUC>0.7，ER＝23.8%，RMSE＝0.42）（見表2和圖2）。樸素貝葉斯和神經(jīng)網(wǎng)絡(luò)模型的AUC值較低，模型的預(yù)測效果一般，存在欠擬合風險（見表2）。研究發(fā)現(xiàn)，支持向量機在解決小樣本、非線性、高維的數(shù)據(jù)預(yù)測問題上有很大優(yōu)勢，在解決分類問題方面表現(xiàn)出色[13]。袁彥彥和王興芬[19]基于21條實驗數(shù)據(jù)量，比較了支持向量機與神經(jīng)網(wǎng)絡(luò)模型對速凍水餃變溫冷藏的貨架期的預(yù)測效果，發(fā)現(xiàn)支持向量機模型的預(yù)測結(jié)果更能接近實際情況。在疾病風險預(yù)測方面，ALMANSOUR等[20]分別使用支持向量機和神經(jīng)網(wǎng)絡(luò)來分類4種腎臟疾病，結(jié)果發(fā)現(xiàn)，支持向量機方法的準確率高達76.32%，并且處理時間相比神經(jīng)網(wǎng)絡(luò)縮短一半以上。支持向量機模型的最終決策函數(shù)由少數(shù)的支持向量所確定，結(jié)果不易受到模型中存在的數(shù)據(jù)擾動、噪聲及離群點的影響[14]。神經(jīng)網(wǎng)絡(luò)更適用于大樣本量的數(shù)據(jù)集，計算結(jié)果受初值影響大，系統(tǒng)訓練需要較長的時間。系統(tǒng)訓練不穩(wěn)定，當學習速率過大時，權(quán)值在修正過程中會超出誤差的最小值而永不收斂[13]。

表2 3種機器學習算法統(tǒng)計分析結(jié)果

圖2 支持向量機模型訓練集（A）及驗證集（B）ROC曲線

（二）風險敏感性分析隨機森林算法分析重要度發(fā)現(xiàn)，影響宰后污染率的關(guān)鍵因素依次為環(huán)境溫度、環(huán)境濕度、宰前污染率、掏膛環(huán)節(jié)交叉污染、預(yù)冷水氯濃度、浸燙環(huán)節(jié)交叉污染、日屠宰量（見圖3）。HWANG等[21]采用隨機森林算法研究發(fā)現(xiàn)，環(huán)境溫度、濕度是影響肉雞污染率的關(guān)鍵因素。據(jù)報道，微生物檢測結(jié)果易受季節(jié)變化的影響，研究發(fā)現(xiàn)，夏季肉雞沙門氏菌污染率顯著高于其他季節(jié)，可能是由于沙門氏菌在高溫、低濕的環(huán)境下抗性較強[20]。XIAO等[12]基于斯皮爾曼相關(guān)性分析，發(fā)現(xiàn)宰前污染程度和屠宰環(huán)節(jié)預(yù)冷水消毒劑濃度是影響肉雞沙門氏菌患病風險的關(guān)鍵因素。因此，通過加強屠宰環(huán)境溫濕度的控制、屠宰過程適當添加殺菌劑等措施可有效降低宰后的沙門氏菌污染率。

圖3 影響宰后污染率的關(guān)鍵因素排序

三、討論

在細菌污染率的分類預(yù)測研究中，機器學習方法的應(yīng)用是一個重要的研究方向。如HWANG等[21]基于溫度、濕度、風速、降雨量等83個氣象變量監(jiān)測數(shù)據(jù)，通過隨機森林算法構(gòu)建了養(yǎng)殖環(huán)節(jié)沙門氏菌的污染率預(yù)測模型。肖興寧等[3]建立了初始污染率、初始污染水平、次氯酸鈉濃度為顯著影響因素的廣義回歸神經(jīng)網(wǎng)絡(luò)污染率預(yù)測模型。在算法優(yōu)化方面，機器學習的集成算法可將多個單一算法集成在一起，減少模型的不確定性和誤差，使得機器學習的效果更好，如聚合多個分類或回歸模型的Stacking算法，可考慮應(yīng)用機器學習算法的集成來預(yù)測細菌污染率[22]。

機器學習的各類算法，本質(zhì)在于提取特征和標記的相互關(guān)系，因此對于特征和標記的質(zhì)量要求較高。特征和標記的質(zhì)量越高，其算法的分類效果越好[23]。算法比較依賴輸入數(shù)據(jù)的質(zhì)量，由此可見，機器學習在微生物污染風險分析中的應(yīng)用效果與相關(guān)指標檢測技術(shù)的發(fā)展息息相關(guān)。沙門氏菌的傳統(tǒng)檢測方法有菌落培養(yǎng)和計數(shù)、聚合酶鏈式反應(yīng)，但是其制樣過程復(fù)雜、耗時，無法應(yīng)用于實時檢測。生物傳感器分析技術(shù)與傳統(tǒng)的檢測方法相比具有選擇性好、靈敏度高、分析速度快等優(yōu)點[24]。因此，在現(xiàn)有的溫度、氯濃度等物理和化學傳感器的基礎(chǔ)上，結(jié)合微生物快速檢測生物傳感器，通過數(shù)據(jù)無線傳輸技術(shù)，可實現(xiàn)沙門氏菌污染率的實時風險分析和預(yù)警。

四、結(jié)論

本研究以日屠宰量、環(huán)境溫度、環(huán)境濕度、宰前污染率、浸燙環(huán)節(jié)交叉污染、掏膛環(huán)節(jié)交叉污染、預(yù)冷水氯濃度為輸入值，肉雞宰后污染率為輸出值分別構(gòu)建了支持向量機、樸素貝葉斯和神經(jīng)網(wǎng)絡(luò)模型，支持向量機模型對沙門氏菌污染率風險預(yù)測效果優(yōu)于其他2種模型。敏感性分析表明，環(huán)境溫濕度是影響宰后污染率變化的重要因素。然而，本研究也存在一定的局限性，如樣本量較少、分類模型的預(yù)測準確性不高、模型的泛化能力還有待驗證等。在后續(xù)的研究中將進一步擴充用于構(gòu)建模型的數(shù)據(jù)樣本量，嘗試用更科學的算法構(gòu)建模型以提高模型分類準確率，使得機器學習方法能夠更好地應(yīng)用于肉雞沙門氏菌污染率的風險分析。