基于监测数据和BP神经网络的食品安全预警模型

效果不佳[8]。二是已有研究只是在当前数据出现超标、数 据变动量超标时根据统计值做出预警，这种在风险发展 到临界点或即将到临界点时才进行警示的方法不符合预 测预报本质。安全预警要能够尽可能早的在已知数据看 似正常的临界状态下分析得到未来知识，而不是对当前 状态的说明。 人工神经网络（artificial neutral network，ANN）是 人工智能中的重要工具，也是管理系统仿真研究的重要 方法，其通过大样本训练获得系统隐含规律，不需要严 格的输入值间、输入输出值间假设关系，同时能够以区 间数、模糊数等方式处理定性信息。其中的 BP （ back propagation ）网在农产品加工时间选择 [9] 、水果品质预 测 [10] 、检测分类 [11] 、危害分析和临界点控制（ hazard analysis and critical control point，HACCP）中关键点的判 断[12]；以及在模式识别[13-15]等研究中有广泛应用。ANN 方法能够在系统内部状态未知条件下实现基于现有定量 定性知识的状态预测、预警。 本文在分析中国质监部门实际日常检测数据的特征 及预处理方法的基础上，结合食品安全预警问题特点， 分析建立基于 BP 神经网络的食品安全预警模型，在 MATLAB 中编程实现；并进行了模型的有效性验证。
1
食品安全预警的 BP 神经网络模型
收稿日期：2008-04-05
修回日期：2009-10-17
基金项目：中国标准化研究院基本科研项目资助（NO.56076S-1524） 作者简介：章德宾（1975－） ，男，博士，副教授，研究方向为管理系统模 拟。武汉 华中农业大学经管土管学院，430070。 Email: zhangdb@
ANN 是人工智能与专家系统中对不确定性问题处理 具有高度解决能力的方法，其以并行处理、自学习、实 时性等见长。在实际问题处理中，大量神经元的微观活 动构成了神经网络的总体宏观效应，从而具有很强的表 现能力与容错性[16]；其中 BP 神经网结构简单，训练与调 控参数丰富，是神经网络中应用最广泛的一种[17]，在图 像语音模式识别、股市分析预测、管理问题优化与决策
Table 1
样品识别编号 NZJ200713389 NZJ200713389 NZJ200713389 NZJ200713394 NZJ200713389 NZJ200713393 NZJ200713327 NZJ200713394 NZJ200710300 NZJ200713394 NZJ200710307G NZJ200713394 NZJ200713393 NZJ200713393 NZJ200713393 NZJ200713393 NZJ200713393 产品 子类 饮料 饮料 饮料 方便 食品 饮料 方便 食品 方便 食品 方便 食品 豆制品 方便 食品 饮料 方便 食品 方便 食品 方便 食品 方便 食品 方便 食品 方便 食品 方便 食品 产品名称 生产日期
0
引
言
食品安全预警是食品安全管理的重要内容，有效的 预警体系能够极大地提高食品安全水平，欧美、日韩等 国家和地区普遍建有食品安全监管或预警体系[1]。 食品安 全研究有助于减少对人类健康的危害，也可降低中国农 产品出口技术壁垒事件发生率，减少全球化背景下跨地 域食品安全不良因素影响[2-3]，具有重要现实意义。 食品安全预警研究方法可分为定性分析与定量数据 预测 2 种。定性分析方法主要采用政策与理论分析得出 预警结论，这种方法在食品管制研究[4]、参与人对食品安 全风险态度的分析[5]、食品安全问题认知度[6]等国内外相 关研究中很常见，其中有数理统计数据，但数据主要来 自问卷调查，非来自实验室检测。这些方法显然不适用 于频繁的日常管理。第 2 种是基于数据分析的预警方法， 通过对日常监测网所得实验室检测数据分析得到预警结 论，是常见食品安全研究方法[7]，本文所用数据与方法属 第 2 类。 已有研究存在 2 种不足。一是从总体上看已有的研 究工作主要是基于统计方法，如时间序列、回归分析等 等，而这些方法都要求对系统结构已知或变量间关系明 确，这在实际中往往不现实，许多回归分析模型偏离实 际就是因为模型本身结构不清。食品安全问题与社会心 理、政府管理能力、公众心态等因素密切相关，是一个 复杂问题，对于此类问题基于确定关系的回归分析往往
223
的评价全部纳入到一个模型或一个系统中，就需要一个 比较简单的处理这些不同类型数据的方法。逐个进行单 样本分析几乎不可能。 我们对此数据库的构成进行分析，如表 2 所示，第 2 列为检测项目名称，第 3 列为检测项目所属大类。例如 “甲苯噻嗪”为要检测的具体兽药名称，而“甲苯噻嗪” 所属的大类为“兽药残留类” 。表 2 中表长为 1 291，即 质监系统当前对食品安全的检测项目总共有 1 291 种。
2007-09-02 菌落总数 2007-11-07 味 糖精钠 色泽 砷 肠道致病 菌 铅 色泽
香芋奶茶 (普通型 2007-09-08 固体饮料) 黑米粥 玉米糊 玉米糊 玉米糊 玉米糊 玉米糊 2007-11-07 2007-11-01 2007-11-01 2007-11-01 2007-11-01
2007-11-01 大肠菌群
NZJ200713393 共 19 000 项..略
玉米糊
2007-11-01
组织
量，如含水量较高、一般、低（含水量 并不是一定不能数字准确化，而是此检测项可能是通过 感官检验得到。数据中的检验方法有理化检验，但也有 很多是感官检验、标签检验） 。
表 1 食品安全检测原始数据报表 Reported raw data of food safety inspection
实际检测值 0.00008 mg/L 0.0001 mg/L ＜0.002 mg/L 有 未检出 60 cfu/g 未检出(检出限 为 0.007 mg/kg) 3.8% 130000 cfu/g 符合要求 未检出(检出限 为 0.03 mg/kg) 符合要求 0.02 mg/kg 未检出 0.04 mg/kg 符合要求 ＜30 cfu/100 g 符合要求 标准限量值 ≤0.01 mg/L ≤0.01 mg/L ≤0.002 mg/L 应标明 不得检出 ≤100 cfu/g ≤0.5 mg/kg ≤8.0% ≤750 cfu/g 具有该产品固有的 滋味及气味，无异味 ≤0.15 mg/kg 具该产品 固有的色泽 ≤0.2 mg/kg 不得检出 ≤0.2 mg/kg 具该产品 固有的色泽 ≤40 cfu/100g 呈粉状、片状或颗粒 状及具有该产品固 有的组织形态 检验结果 检验项目 判定 类型 合格 合格 合格 合格 合格 合格 合格 合格 不合格 合格 合格 合格 合格 合格 合格 合格 合格 金属 金属 食品 添加剂 标签 致病菌 微生物 污染 农药残留 食品成分 微生物 污染 感官 食品 添加剂 感官 金属 致病菌 金属 感官 微生物 污染 感官 检验单位 国家农副产品质量监 督检验中心（南京） 国家农副产品质量监 督检验中心（南京） 国家农副产品质量监 督检验中心（南京） 国家农副产品质量监 督检验中心（南京） 国家农副产品质量监 督检验中心（南京） 国家农副产品质量监 督检验中心（南京） 国家农副产品质量监 督检验中心（南京） 国家农副产品质量监 督检验中心（南京） 国家农副产品质量监 督检验中心（南京） 国家农副产品质量监 督检验中心（南京） 国家农副产品质量监 督检验中心（南京） 国家农副产品质量监 督检验中心（南京） 国家农副产品质量监 督检验中心（南京） 国家农副产品质量监 督检验中心（南京） 国家农副产品质量监 督检验中心（南京） 国家农副产品质量监 督检验中心（南京） 国家农副产品质量监 督检验中心（南京） 国家农副产品质量监 督检验中心（南京） 样品检测 结果 合格 合格 合格 合格 合格 合格 合格 合格 不合格 合格 合格 合格 合格 合格 合格 合格 合格
2）有的是界限值如未超过、超过 200×10-6（可能这 个仪器就设计成这样，只给出过与不过 2 种结果） 。有的 给出了具体数值。 3）具体检测种类较多，约 1 300 种。数据库表中检 测项仅为顺序号，未进行编码。因此，要将这些数据项
万方数据
第1期
章德宾等：基于监测数据和 BP 神经网络的食品安全预警模型
常检验的原始数据，主要是由国家质量技术监督局下设 的国家各检测中心和各省质监局报送。所得数据种类多， 数量大，有必要进行预处理和适当的简化，以去除次要 因素，突出待解决问题。 数据为 Excel 格式， 为方便处理我们导入形成数据库 db1.mdb 如表 1 所示。上报频率每周 1 次。研究对象仅指 食品安全，现有的数据以食品安全为主。表 1 中限于篇 幅隐去了（仅为在数据库中不显示）部分属性如数据来 源、生产厂商、产地、送检单位、送检日期等，计有数 据记录 19 000 余个。
检测项目 名称 砷 铅
冰露饮用 2007-11-13 纯净水 冰露饮用 2007-11-13 纯净水
冰露饮用 2007-11-13 亚硝酸盐 纯净水 黑米粥 2007-11-07 配料表
冰露饮用 金黄色 2007-11-13 纯净水 葡萄球菌 玉米糊 藕粉 黑米粥 开洋 豆腐干 黑米粥 2007-11-01 菌落总数 2007-11-12 杀螟硫磷 2007-11-07 水分
第 26 卷 第 1 期 2010 年 1月
农 业 工 程 学 报 Transactions of the CSAE
Vol.26 No.1 Jan. 2010
221
基于监测数据和 BP 神经网络的食品安全预警模型
章德宾 1，徐家鹏 1，许建军 2，李崇光 1
（1．华中农业大学经济管理学院土地管理学院，武汉 430070； 2．中国标准化研究院食品与农业标准化所，北京 100086） 摘 要：以中国实际食品安全监测数据为样本，研究基于 BP 神经网络的食品安全预警方法。首先对食品安全日常监测 数据进行筛选简化，选择其中与食品安全最为密切的 167 种检测项目，以此检测项目为指标按月度划分建立数据样本。 然后建立以 167 种检测项为输入层，包含 2 个隐层，以化学污染、农药残留、兽药残留、重金属、微生物致病菌 5 大类 为输出层的食品安全预警神经网络模型，最后用所得数据样本进行训练和验证。结果表明，基于 BP 神经网络的食品安 全预警方法能有效识别、记忆食品危险特征，能够对输入样本进行有效的预测，研究有助于丰富食品安全数据的处理方 法，有助于完善相关预警技术手段。 关键词：BP 算法，神经网络，MATLAB，食品安全，预警 doi：10.3969/j.issn.1002-6819.2010.01.039 中图分类号：TP391，TS207 文献标识码：A 文章编号：1002-6819(2010)-01-0221-06 章德宾 徐家鹏 许建军 等.基于监测数据和BP神经网络的食品安全预警模型[J].农业工程学报， 2010， 26(1)： 221－226. Zhang Debin, Xu Jiapeng, Xu Jianjun, et al. Model for food safety warning based on inspection data and BP neural network[J]. Transactions of the CSAE, 2010, 26(1): 221－226. (in Chinese with English abstract)