基于集成学习的重大活动肉及肉制品安全风险分析及预测

目的 建立集成学习Stacking模型,对重大活动举办过程中的肉及肉制品进行合格安全分析与风险预测预警。方法 通过收集2015—2020年间国家市场监督管理总局食品日常监督管理抽检数据,筛选出所有肉及肉制品相关数据,选择“食品亚类”、“规格”、“生产时间”、“生产企业类型”、“生产省份”、“是否异地运输”等字段信息作为肉及肉制品合格风险因子,选取所有不合格数据5866条,从所有合格数据中随机抽取10000条数据共15866条构成数据集,按照3:1划分训练集和测试集,搭建基学习器为KNN(K- Nearest Neighbor,K最近邻)、BP(Back Propagation,反向传播)神经网络、SVM(Support Vector Machines,支持向量机),元学习器为LR(Logistics Regression,逻辑回归)的Stacking预测模型,进行训练预测与模型评估。结果 经过5次训练后,模型的准确度为94.20%,精确度为93.78%,召回率为97.57%, F1参数为95.63%,模型鲁棒性强,可靠性高。结论 基于集成学习Stacking的肉及肉制品安全风险分析与预测预警模型整体性能良好,可应用于重大活动举办过程中的食品安全风险分析预测,并精确指导监督抽检与辅助决策情报研判。     

长短期记忆神经网络在肉制品中铅含量风险预警的应用

本文基于2015～2018年国家肉制品监督抽检的5万批次检测数据,使用长短期记忆神经网络模型建立肉制品中铅含量的风险预警模型。参照国家食品检验标准并结合专家打分,构建肉制品中铅含量的6个食品安全风险等级;运用Softmax和汉宁窗对风险等级数据进行预处理,使用Tensorflow建立三层长短期记忆神经网络的时间序列风险预警模型,通过500轮模型训练实现对肉制品中铅含量的风险趋势预测。结果表明,长短期记忆神经网络对肉制品中铅含量的预测有较高的准确率,31个省份的平均误差为0.27,同实际检测风险基本匹配;模型稳定重现性较好,运行十次的平均误差为0.27。此模型可以实现对全国不同地域铅含量的趋势预警,为日常监督抽检和食品安全风险预警提供技术支撑。     

基于小波分解-长短期记忆网络预测模型的酱卤肉制品安全预测分析

为实现酱卤肉制品安全风险精准预警,本研究基于2014-2019年全国酱卤肉制品历史抽样检验数据信息,尝试将小波分解和长短期记忆网络(long short-term memory,LSTM)模型相结合,构建了全国31个省份酱卤肉制品安全风险预测模型.结果表明,小波分解-LSTM预测模型对酱卤肉制品安全风险预测有较高的准确...     

基于抽检数据的重大活动中供应食品的安全风险评估分级研究

目的 针对重大活动中供应食品分级抽检缺乏理论和数据依据的问题,评估粮食、油脂、肉类、乳品、蔬菜、水产及其制品共6类主要供应食品中49项风险因子级别,指导构建重大活动中供应食品的科学监测防控体系。方法 整理分析2015—2019年国家市场监督管理总局（原国家食品药品监督管理总局）和各地方监管部门（食药监部门）的监督抽检数据,根据食品类别和指标项目不合格比例评价风险发生可能性,通过风险因子的致病性和潜伏期评价风险结局的严重性,参考澳洲和风险评估方法标准评估供应食品安全风险级别。结果 综合评估结果发现,水产及其制品的整体风险水平较高,特别是孔雀石绿和镉处于极严重风险水平（E级）;其次是蔬菜及其制品中农药残留指标风险较高,极为严重风险水平（E级）的指标有腐霉利、克百威、氧乐果、甲拌磷等处于;乳制品和肉制品的微生物,以及油脂制品和粮食制品污染物指标风险较高（H级）,也需要在重大活动中重点关注。结论 根据澳新风险管理标准,可以定量评价筛选重大活动中重点关注食品和风险因子等级和类别,进一步采用分级检测有助于科学指导重大活动中食品安全保障工作。     

基于长短期记忆神经网络的反应液葡萄糖含量预测

目的 建立皮尔逊相关系数(Pearson correlation coefficient, PCC)和长短期记忆(long short term memory, LSTM)神经网络的反应液葡萄糖含量预测模型用以实时预测葡萄糖酸锌生产过程中反应液葡萄糖含量。方法 通过葡萄糖酸锌制备实验,结合PCC理论确定对反应液葡萄糖含量有较大影响的因素,对这些因素进行数据采集并将其作为神经网络的输入变量,采集反应液葡萄糖含量数据并进行处理,将其作为神经网络的输出变量,进而建立BP和LSTM神经网络的反应液葡萄糖含量预测模型。结果 通过100次模型迭代训练,对照BP反应液葡萄糖含量预测模型可以看出LSTM反应液葡萄糖含量预测模型在测试集的误差约为0.45%,误差较小,准确度较高。结论 基于LSTM反应液葡萄糖含量预测模型显著提高了预测精度,相比现有检测方法更加智能高效,能够有效辅助生产进行。     

基于监督抽检数据的肉类食品安全风险分析及预测

为通过数据挖掘预测食品安全风险、隐患和趋势,进行预警和快速反应,基于2015—2017年国家肉类食品监督抽检的18 378 批次样品数据,分析我国肉与肉制品主要安全现状与风险种类,并基于检测指标及属性运用BP（back propagation）神经网络方法构建以抽样省份、产品类型、产地、生产日期、年份、是否大型企业6大属性指标为输入层、包含2 个隐藏层、以是否合格为输出层的肉类食品安全神经网络预测模型。结果表明：经数据准备、模型生成、数据训练和验证及参数优化,得到的3 层BP神经网络预警模型总体百分比矫正为96.2%;对于合格样本,判定正确的概率为96.5%,错判概率为3.5%,预测模型具有较好的参考和应用价值。基于BP神经网络的食品安全预警方法能够对输入样本进行有效预测,为食品安全风险研判和风险预警提供技术支撑。     

基于CEEMD-SE和LSTM的滚动轴承剩余寿命预测

针对滚动轴承退化数据的复杂性和传统的寿命预测方法不能充分利用数据的相关性从而导致预测精度不高的问题,课题组提出了一种基于多频率尺度样本熵(SE)和长短期记忆神经网络(LSTM)相结合的寿命预测模型。该模型采用互补集成经验模态分解(CEEMD)结合相关系数分析,从滚动轴承振动信号中提取包含主要退化信息的IMF分量,并提取其样本熵矩阵,用于训练和测试LSTM。通过滚动轴承全寿命试验证明该模型可以准确预测滚动轴承剩余寿命,与BP神经网络和极限学习机(ELM)的预测效果对比验证了该模型的有效性。     

国家市场监督管理总局公布10批次不合格食品

正近期,国家市场监督管理总局对特殊膳食食品、肉制品、食用农产品、水产制品、糕点、酒类、冷冻饮品、粮食加工品、乳制品、食糖、调味品、饮料等12大类共451批次样品进行了食品安全监督抽检。抽检结果显示,有10批次样品不合格,检出生物毒素、微生物污染、兽药残留超标和其他化学污染物超标等问题(详见表1)。对抽检中发现的不合格食品,国家市场监督管理总局已责成相关省级市场监督管理部门立即组织开展处置工作,     

咸味食品香精在酱卤肉制品加工中的应用

国家标准中定义:以鲜(冻)畜禽肉和可食副产品放在加有食盐、酱油(或不加)、香辛料的水中,经预煮、浸泡、烧煮、酱制(卤制)等工艺加工而成的酱卤系列肉制品.生产过程添加的食品添加剂应符合GB2760食品添加剂使用卫生标准.由于原料和加工工艺的限制,酱卤肉制品风味存在缺失和不稳定性,影响产品质量的改善,用咸味食品香精来改善酱卤肉制品的风味已成为必然趋势. 咸味食品香精作为食品相关产品,在酱卤肉制品加工中起到增加、增强、修饰香味、掩蔽不良气味、增强口感的作用.下面简要介绍咸味食品香精在酱卤肉制品加工中使用的注意事项.     

湖北省食品质量安全监督检验研究院

湖北省食品质量安全监督检验研究院(简称湖北食品检验院)于2013年8月成立,隶属于湖北省市场监督管理局,是专业从事食品安全检测和科研的技术机构。湖北食品检验院坚持创新驱动高质量发展,构建了以预防为主,基于风险分析和供应链管理的食品安全风险防控技术支撑体系,深度服务食品安全监管,有效履行食品安全抽检监测、重大活动食品安全保障、食品安全突发事件应对、食品产业发展服务以及食品未知风险探索研究等职责。     

京郊鲜食杏白利糖度的便携式光谱快速无损检测方法研究

目的 建立京郊鲜食杏白利糖度的定量分析预测模型, 实现对京郊鲜食杏品质的快速无损检测。方法 使用便携式近红外光谱仪采集900~1700 nm下鲜食杏的漫反射光谱信息, 使用多元散射校正(multiplicative scatter correction, MSC)、标准正态变量变换(standard normal variable transformation, SNV)和Savitzky-Golay卷积平滑(Ssavitzky – Ggolay smooth, S-G)对原始光谱数据进行预处理, 使用Kennard-Stone (K-S)算法以3:1比例将样本集划分成校正集和预测集, 利用竞争自适应重加权采样(competitive adaptive reweighted sampling, CARS)算法和连续投影算法(successive projections algorithm, SPA)对光谱进行特征波长筛选, 使用偏最小二乘回归(partial least squares regression, PLSR)算法建立京郊鲜食杏白利糖度的预测模型。结果 以MSC+S-G+ CARS+PLSR算法建立的北京鲜食杏的白利糖度预测模型取得较好的预测精度, 模型的校正集均方根误差、校正集相关系数、预测集均方根误差、预测集相关系数分别为0.3502、0.9747、0.4698、0.9616。结论 基于便携式近红外光谱技术所采集数据构建的京郊鲜食杏白利糖度预测模型准确性较高, 可以快速准确检测鲜食杏白利糖度, 从而实现对鲜食杏品质的快速无损检测, 为鲜食杏的品质检测提供了理论依据和方法指导。     

多维灰聚类分析在熟肉制品安全风险评估中的应用

以某省2011年餐饮服务食品安全抽检数据为基础,采用灰理论对当年餐饮服务环节熟肉制品的食品安全风险程度做出多维灰聚类评估。评估结果显示抽检中不合格样品大多属于低风险类,可以得出当年熟肉制品的食品安全状况属于安全可控状态。该法更加明确了食品安全风险的等级,加强了监管餐饮环节食品安全的有效性,也为今后评估食品安全风险等级提供了一种新的研究方法。     

基于集成学习优化的肉制品安全风险等级预警分析

该研究依据2013~2017年肉制品抽检数据构造了5个安全风险等级,使用特征构造及独热编码进一步关联与肉制品安全相关的影响因素,构建极端梯度提升树算法（Extreme Gradient Boosting,XGBOOST）研究食品生产过程各类因素对于食品安全风险等级的影响程度,并使用多个指标评价模型。此外通过上采样解决样本不平衡问题、贝叶斯优化调节超参数,来提高模型性能及分类效果。相较于模型决策树（Decision Tree,DT）和随机森林（Random Forest,RF）,XGBOOST模型在肉制品安全风险等级分类中的表现效果最佳。研究结果表明,食品生产过程环节错综复杂,使用one-hot encoding处理后的模型能够有效判断出各类因素对于食品安全风险等级的影响程度,集成模型中RF的学习效果比较稳定,XGBOOST经过参数调节后准确率等指标得到有效的提升且优于RF。不同采样下XGBOOST的平均精确率均能达到89.14%,平均F1值为88.59%,说明XGBOOST在肉制品安全风险等级预警中适用性,为日常抽检提供技术指导。     

基于大数据视角的肉类食品安全抽检数据分析

目的 基于大数据视角分析肉类食品安全抽检数据。方法 在大数据技术支持下以国家肉类食品抽检监测数据源为基础, 通过Python语言编程设计分类与预测实验, 并利用数据挖掘预测集实验结果与真实食品检验结果进行对比研究, 以验证该方法的可行性。结果 基于决策树+典型相关系数和二次指数平滑法相结合的数据挖掘方法分类效果较好, 预测准确性达到98.26%。结论 通过预判不合格肉类食品的出现数量和分布情况, 可指导其安全抽检监测工作, 提高管理的效率和准确率, 有效预防肉类食品安全事故的发生。     

南疆鲜羊肉水分含量的近红外光谱法无损检测

本文在近红外反射光谱780~1700 nm的波长范围内采集新宰杀的同一品种的羊的后腿肉134个样本的光谱数据,来实现快速无损的南疆生鲜羊肉含水量的检测。这些光谱数据经中值平滑滤波、多元散射校正、一阶导数、标准化处理、中心化变换和S-G平滑等预处理方法对原始光谱进行降噪处理;然后以13:1的比例将样本分为训练集和测试集,并采用PLSR建立预测模型,使用所建模型对生鲜羊肉水分含量进行预测。结果为:训练集的预测相关系数Rc为0.94、标准差MSEC为0.04,预测成功率为97.6%,测试集的预测相关系数Rv为0.89、标准差MSEV为0.07,预测成功率为96.4%。实验结果证实结合中值平滑滤波、多元散射校正、一阶导数、标准化处理、中心化变换和S-G平滑等多种预处理方法建立的基于近红外光谱PLSR模型,可以对南疆鲜羊肉的水分含量进行精确的快速无损评价,并且能为南疆生鲜羊肉水分含量的快速无损检测技术的应用提供理论上的指导。