神經(jīng)網(wǎng)絡(luò)技術(shù)下的食品安全監(jiān)管

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了神經(jīng)網(wǎng)絡(luò)技術(shù)下的食品安全監(jiān)管范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：從闡述中國食品安全監(jiān)管模式經(jīng)歷的幾個重要時期著手，分析了當前中國食品安全監(jiān)管存在的不足，指出應(yīng)借鑒美國等發(fā)達國家較為成熟的監(jiān)管策略，將大數(shù)據(jù)相關(guān)技術(shù)應(yīng)用于食品安全監(jiān)管中，使數(shù)據(jù)信息更具時效性和公開性；提出了將BP神經(jīng)網(wǎng)絡(luò)運用于食品檢測數(shù)據(jù)分析中，實現(xiàn)預(yù)測某類食品在之后多個監(jiān)管周期內(nèi)的風險系數(shù)，提高對食品安全事故的預(yù)警能力。

關(guān)鍵詞：大數(shù)據(jù)；BP神經(jīng)網(wǎng)絡(luò)；食品安全；監(jiān)管

近年來中國的食品行業(yè)運行狀況得到了空前發(fā)展。2019年上半年，全國規(guī)模以上食品企業(yè)工業(yè)增加值保持穩(wěn)定增長，其中農(nóng)副食品加工業(yè)累計同比增長4．7％，食品制造業(yè)累計同比增長5．5％；全國規(guī)模以上食品工業(yè)企業(yè)營業(yè)收入39311．4億元，同比增長5．0％；利潤總額2710．1億元，同比增長10．0％。在經(jīng)濟效益增長的同時，存在的食品安全問題也逐漸凸顯，受到了公眾的廣泛關(guān)注，國家對于食品安全的監(jiān)管也愈發(fā)深入［1］。中國對于食品安全問題的監(jiān)管一直處于不斷發(fā)展階段，近幾十年來從監(jiān)管模式上也有了一定的革新和突破。但是在如今大數(shù)據(jù)時代背景下，食品信息數(shù)據(jù)越來越龐大，也越來越復(fù)雜，有必要順應(yīng)時代、結(jié)合新型技術(shù)對傳統(tǒng)的食品安全監(jiān)管模式進行優(yōu)化［2］。對于由不同地區(qū)、機構(gòu)采集到的食品信息數(shù)據(jù)，如何進行系統(tǒng)化的匯總和整理，并從數(shù)據(jù)中發(fā)現(xiàn)潛在的安全隱患問題，及時向公眾預(yù)警已非常迫切。目前，在中國乳制品質(zhì)量安全評價中已應(yīng)用了BP神經(jīng)網(wǎng)絡(luò)評價模型，通過訓練設(shè)置相應(yīng)的參數(shù)，更客觀地反映中國乳制品質(zhì)量的實際情況［3］。而通過數(shù)據(jù)挖掘和神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)進行整理和分析，進一步實現(xiàn)信息共享，發(fā)揮計算機的高速運算能力和信息處理能力，對于食品安全的監(jiān)管來說是一個新的突破。因此，文章擬對大數(shù)據(jù)環(huán)境下的食品安全監(jiān)管問題進行分析，旨在為推進中國大數(shù)據(jù)食品安全監(jiān)管模式的理論完善及實踐應(yīng)用提供依據(jù)。

1食品安全監(jiān)管

1．1傳統(tǒng)食品安全監(jiān)管模式

目前對食品安全監(jiān)管最確切的定義是一項國家政府等職能部門對食品生產(chǎn)、加工、流通企業(yè)的食品安全進行監(jiān)督和管理的干預(yù)控制活動，包括對食品生產(chǎn)加工及流通環(huán)節(jié)的日常監(jiān)管、食品質(zhì)量安全市場準入制度的規(guī)范管理，以及對食品生產(chǎn)質(zhì)量不達標等違法行為的查處［4］。隨著時代的變遷，食品安全問題也在不斷更新和演變，中國在食品安全的監(jiān)管方面也經(jīng)歷了幾個典型時期。由圖1可知，中國的食品安全監(jiān)管經(jīng)歷了從無到有、從單一部門到多部門再到單一部門的演變。20世紀90年代，中國進入了多部門同時監(jiān)管食品安全的“九龍治水”時期，此時的監(jiān)管模式較為混亂；2009—2013年，新增了國務(wù)院食品安全委員會，被稱為“九加一”時期；2013—2018年，食品安全監(jiān)管的主要機構(gòu)確定為國家食品藥品監(jiān)督管理總局，與之前相比監(jiān)管力度更強；2018年3月之后，市場監(jiān)督管理局正式成立并由其負責食品安全的監(jiān)管，消除了以往監(jiān)管模式中各個環(huán)節(jié)存在壁壘的問題。雖然中國食品安全監(jiān)管模式經(jīng)過不斷的完善，在一定程度上控制了中國食品安全事故的發(fā)生狀況，但并未從根本上有效解決食品安全問題。尤其是在信息化的大數(shù)據(jù)時代，食品安全相關(guān)的社會主體數(shù)量大、分布廣，食品安全信息碎片化，這也給傳統(tǒng)的監(jiān)管模式帶來了巨大的困難。目前中國食品安全的監(jiān)管主要依靠政府部門來完成，存在監(jiān)管手段傳統(tǒng)單一的問題，通常是采取人工監(jiān)管和以罰代管的手段，并且人工監(jiān)管成本高、監(jiān)管效率低。

1．2大數(shù)據(jù)下的食品安全監(jiān)管

當今社會的信息化水平越來越發(fā)達，隨之而來的是各個領(lǐng)域的數(shù)據(jù)也呈指數(shù)式增長，各個社會個體也都有機會接觸到海量的信息。但是信息不對稱，導致大眾對食品安全的相關(guān)信息越加關(guān)注。運用大數(shù)據(jù)實現(xiàn)對食品安全監(jiān)管的優(yōu)化是目前提高監(jiān)管質(zhì)量、解決民生問題的重要方向。其中最基本的是要從海量數(shù)據(jù)中篩選有效信息并進行整合，從而根據(jù)整體趨勢預(yù)測問題，做到食品安全事故的“未發(fā)先預(yù)”［5］。美國政府作為全球范圍內(nèi)對食品安全監(jiān)管力度最大的機構(gòu)，在各個時期制定的食品監(jiān)管政策也較為靈活，處于領(lǐng)域發(fā)展的引領(lǐng)地位。早在2009年，美國開發(fā)了商品召回查詢系統(tǒng)，消費者可以通過網(wǎng)站查詢到食品召回的實時信息，監(jiān)管部門在檢查過程中如果發(fā)現(xiàn)存在食品安全隱患，也會強制召回［6］。2014年，美國了基于美國食品藥品監(jiān)督管理局（FDA）數(shù)據(jù)共享平臺的OpenFDA，該項目是使用以用戶為中心的設(shè)計流程所創(chuàng)建的，實現(xiàn)了食品數(shù)據(jù)的公開和交換，并且能夠根據(jù)數(shù)據(jù)發(fā)掘深層次的信息，有效遏制食品安全事故的發(fā)生［7］。由表1可知，與中國的傳統(tǒng)監(jiān)管模式相比，運用大數(shù)據(jù)進行食品安全監(jiān)管存在非常明顯的優(yōu)勢。總的來說，運用大數(shù)據(jù)進行監(jiān)管，不僅能夠確保每一個問題食品的追根溯源；同時也有利于監(jiān)管部門通過大數(shù)據(jù)進行提前預(yù)警和精準監(jiān)管。

2數(shù)據(jù)挖掘：食品安全風險的預(yù)警

2．1食品數(shù)據(jù)的采集與信息共享

在食品安全監(jiān)管領(lǐng)域運用大數(shù)據(jù)相關(guān)技術(shù)，最核心的是通過數(shù)據(jù)挖掘的方法消除數(shù)據(jù)與知識之間的鴻溝，使數(shù)據(jù)以知識的形式體現(xiàn)?；跀?shù)據(jù)挖掘所得信息的有效性和前瞻性特點，可以根據(jù)以往的信息對未來可能的食品安全隱患時間進行預(yù)測，開展有效的預(yù)防管理措施。歐美一些發(fā)達國家在數(shù)據(jù)挖掘的運用方面較中國更加成熟，尤其是在食品數(shù)據(jù)的采集、整合與共享環(huán)節(jié)都非常規(guī)范和成熟。美國在2011年已構(gòu)建了食品安全監(jiān)管的網(wǎng)絡(luò)體系，其下屬的5個機構(gòu)協(xié)同進行監(jiān)管（見圖2）。在食品安全數(shù)據(jù)方面，歐美以及日本等發(fā)達國家的開放程度較高，能夠保證相關(guān)數(shù)據(jù)對成員單位及社會大眾等持續(xù)開放。尤其是美國基于搜索的應(yīng)用程序OpenFDA開發(fā)后，食品生產(chǎn)企業(yè)、公眾、專家、媒體等社會各界都可以進行食品數(shù)據(jù)、檢測報告的檢索和使用。據(jù)統(tǒng)計［8］，截止到2017年，在OpenFDA上注冊的用戶已高達13000多個。許多軟件在開發(fā)時也盡可能與OpenFDA相鏈接，為用戶提供全面、便捷的食品相關(guān)報告與檢索服務(wù)。OpenFDA數(shù)據(jù)庫的開放使公眾更直接地參與食品監(jiān)管活動中，在調(diào)動社會各界參與食品監(jiān)管積極性的同時，也提升了全面監(jiān)管的效率和質(zhì)量。OpenFDA項目由開放的數(shù)據(jù)（原始數(shù)據(jù)下載）、開放的源代碼（可檢索的、開放的應(yīng)用程序編程接口）和開放的社區(qū)（技術(shù)文檔和應(yīng)用實例的交流平臺）3部分組成，最終的產(chǎn)品是形成第三方開發(fā)的手機軟件。OpenFDA項目基于云平臺技術(shù)，可自動實時數(shù)據(jù)更新；數(shù)據(jù)獲取方式分為網(wǎng)頁和應(yīng)用程序編程接口2種。在建立數(shù)據(jù)共享平臺的基礎(chǔ)上，一方面FDA開發(fā)手機軟件加強信息交流，進行有效的數(shù)據(jù)交換并探索公共網(wǎng)絡(luò)數(shù)據(jù)的開發(fā)；另一方面，企業(yè)與研究機構(gòu)利用FDA的開放數(shù)據(jù)，創(chuàng)造性地開發(fā)了數(shù)據(jù)的商業(yè)價值和研究價值。

2．2基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘方式

各食品監(jiān)管部門的職能不同，因此建設(shè)了很多業(yè)務(wù)系統(tǒng)，使食品監(jiān)管部門的監(jiān)管效率大幅提升。但對于積累的大量類型多樣的食品監(jiān)管數(shù)據(jù)，只有很少一部分被開發(fā)利用。構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的食品安全預(yù)警模型，能夠有效識別、記憶、預(yù)測食品安全監(jiān)測得到的日常數(shù)據(jù)中的危險特征，這對于食品安全監(jiān)管來說能夠從源頭規(guī)避危險因素。數(shù)據(jù)挖掘作為一種新型的技術(shù)，所挖掘到的信息具有前瞻性。傳統(tǒng)的數(shù)據(jù)分析會忽視一些潛在信息，而通過數(shù)據(jù)挖掘技術(shù)能夠透過事件的表象發(fā)現(xiàn)隱藏在背后的細節(jié)，從而找到潛藏的規(guī)律，以及看似無關(guān)事物之間背后的聯(lián)系，用此來對未來的事件進行預(yù)測。數(shù)據(jù)挖掘作為一個發(fā)展平臺，后續(xù)對機器學習的研究也為數(shù)據(jù)挖掘的發(fā)展提供了工具，二者之間的關(guān)系如圖3所示。人工神經(jīng)網(wǎng)絡(luò)（ANN）是數(shù)據(jù)挖掘領(lǐng)域的一種重要工具，在一定程度上受到了生物神經(jīng)網(wǎng)絡(luò)的啟發(fā)，是由一系列簡單單元相互密集連接構(gòu)成，網(wǎng)絡(luò)中的每一個單元有一定數(shù)量的實值輸入，并產(chǎn)生單一的實數(shù)值輸出。神經(jīng)網(wǎng)絡(luò)能夠有效地學習數(shù)據(jù)中的錯誤，通過大批次地訓練尋找隱藏的潛在規(guī)律［9］。隨著研究的不斷深入和應(yīng)用領(lǐng)域的不斷擴大，人工神經(jīng)網(wǎng)絡(luò)已經(jīng)發(fā)展至近10種［10］。ANN不需要有非常確切的輸入與輸出間的假設(shè)關(guān)系，并且網(wǎng)絡(luò)內(nèi)各單元的權(quán)值通過自身的訓練即可得到。對于食品安全檢測數(shù)據(jù)而言，檢測指標較多，而人工神經(jīng)網(wǎng)絡(luò)在面對這樣數(shù)據(jù)量大的情況時，隨著訓練集的增加，分類器也越準確。尤其是BP神經(jīng)網(wǎng)絡(luò)本身具有較高的容錯性，自動修正誤差的能力強，通過將食品信息數(shù)據(jù)輸入BP神經(jīng)網(wǎng)絡(luò)中，進行數(shù)據(jù)運行、調(diào)整等一系列過程，實現(xiàn)對食品質(zhì)量安全的評價。即便是面對食品信息采集過程中存在的數(shù)據(jù)不完整情況，BP神經(jīng)網(wǎng)絡(luò)也可以從現(xiàn)有的部分數(shù)據(jù)中學習潛在規(guī)律，并通過自身的權(quán)值調(diào)整進行規(guī)律學習，從而構(gòu)造出健壯的模型。BP神經(jīng)網(wǎng)絡(luò)的學習過程包括向前計算和誤差反向傳播兩個過程。向前計算時，從輸入層開始對輸入逐級計算，最終傳向輸出層；當輸出層未得到預(yù)期輸出時，則開始進行誤差反向傳播，逆向逐級對網(wǎng)絡(luò)中各層的權(quán)值進行調(diào)整，到達輸入層后再開始向前計算過程［11］。BP神經(jīng)網(wǎng)絡(luò)的兩個過程反復(fù)進行，直至網(wǎng)絡(luò)誤差最小時完成整個學習過程。BP神經(jīng)網(wǎng)絡(luò)的經(jīng)典結(jié)構(gòu)如圖4所示。在BP神經(jīng)網(wǎng)絡(luò)中，輸入層的節(jié)點數(shù)由影響因素決定，文中討論的是食品安全監(jiān)管，因此輸入的節(jié)點即為食品安全檢測的所有指標，采用評價等級數(shù)值作為輸出。隱含層節(jié)點數(shù)的確定依據(jù)“滿足精度條件的同時使網(wǎng)絡(luò)結(jié)構(gòu)盡量緊湊，減小誤差”。文中建立的3層BP神經(jīng)網(wǎng)絡(luò)，根據(jù)輸入變量，選擇雙曲對數(shù)函數(shù)tansig為輸入層與隱層間的傳輸函數(shù)，線性函數(shù)purelin為隱層與輸出層間的傳輸函數(shù)，使用批量訓練方法進行權(quán)值調(diào)整。實際應(yīng)用中，將已有的食品檢測數(shù)據(jù)作為輸入，將其對應(yīng)的食品安全風險系數(shù)作為輸出，進一步訓練BP神經(jīng)網(wǎng)絡(luò)完成函數(shù)的最優(yōu)擬合，最終實現(xiàn)預(yù)測某類食品在之后多個監(jiān)管周期內(nèi)的風險系數(shù)，提前發(fā)出預(yù)警。

2．3中國食品安全監(jiān)管的對策建議

在大數(shù)據(jù)監(jiān)管的新體系下，中國傳統(tǒng)的食品監(jiān)管模式已無法適應(yīng)日益復(fù)雜的食品鏈路環(huán)境，對于食品安全的監(jiān)管也應(yīng)與時俱進，結(jié)合大數(shù)據(jù)不斷進行優(yōu)化。借鑒國外的經(jīng)驗，中國在食品監(jiān)管方面應(yīng)充分利用新一代信息技術(shù)，實現(xiàn)智能化的監(jiān)管流程。作為智能技術(shù)的研發(fā)者，首先應(yīng)將數(shù)據(jù)挖掘技術(shù)的應(yīng)用流程在相關(guān)部門進行說明，通過前期應(yīng)用數(shù)據(jù)證實其在食品安全風險監(jiān)管中的有效性。其次，對于實際應(yīng)用效果進行實時統(tǒng)計分析，了解監(jiān)管部門的政策及需求，不斷對神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進行優(yōu)化，以應(yīng)對數(shù)據(jù)類型不斷豐富的食品安全數(shù)據(jù)信息。（1）政府應(yīng)當完善綜合數(shù)據(jù)庫的建設(shè)，將碎片化信息整合起來，實現(xiàn)各部門之間數(shù)據(jù)的整合與共享，最終形成一個大型數(shù)據(jù)庫。在此過程中，政府可以發(fā)揮激勵企業(yè)、流通方主動提交食品數(shù)據(jù)的職能，進而整合各個監(jiān)管主體的信息。（2）監(jiān)管部門應(yīng)做到主動公開食品數(shù)據(jù)庫的信息，為社會大眾提供便捷的數(shù)據(jù)檢索服務(wù)，促進食品安全監(jiān)管的全民參與。也只有政府真正做到數(shù)據(jù)公開共享，才能推進數(shù)據(jù)的有效應(yīng)用。此外，借鑒歐洲食品安全局（EFSA）利用數(shù)據(jù)制定了行業(yè)風險識別的經(jīng)驗，中國也需要充分運用大數(shù)據(jù)技術(shù)構(gòu)建一套系統(tǒng)的食品安全事故風險識別系統(tǒng)，并及時通報相關(guān)安全隱患?？偟膩碚f，食品安全監(jiān)管涉及生產(chǎn)、加工、流通、銷售等一系列復(fù)雜的過程，利用大數(shù)據(jù)對海量的食品安全相關(guān)數(shù)據(jù)進行挖掘和分析，探究其中的規(guī)律，為科學有效地監(jiān)管提供依據(jù)。通過與數(shù)據(jù)共享、云平臺等信息技術(shù)相結(jié)合，對食品大數(shù)據(jù)進行創(chuàng)新化的規(guī)范整合，打造數(shù)據(jù)標準化。

3結(jié)論

大數(shù)據(jù)時代的來臨為各個行業(yè)的發(fā)展提供了更多的可能性。對于食品安全問題來說，關(guān)乎到最基礎(chǔ)的民生問題，在這一領(lǐng)域應(yīng)用大數(shù)據(jù)技術(shù)，能夠形成多中心共同治理的食品安全監(jiān)管模式。以大數(shù)據(jù)為基礎(chǔ)的食品安全監(jiān)管模式結(jié)合互聯(lián)網(wǎng)技術(shù)，使食品安全信息能夠在數(shù)據(jù)中心整合，進而再通過更深入的數(shù)據(jù)挖掘?qū)撛谝?guī)律進行探究，強化了食品監(jiān)管的針對性，提高了對食品安全事故的預(yù)警能力。

作者：孟慶杰 堯海昌 單位：南京工業(yè)職業(yè)技術(shù)學院副教授