CN111666269A - 食品安全大数据自动编码与全链条溯源体系 - Google Patents

Abstract

本发明提供食品安全大数据自动编码与全链条溯源体系，该体系包括食品安全大数据，自动编码与全链条溯源规则和食品安全大数据自动编码与全链条溯源系统，本体系记录了食品生产过程按照物料流动的顺序排列的产业链节点记录的食品数据，识别数据特征后进行自动编码，进行食品安全风险评估和预警，在发生食品安全事故时可以根据数据编码自动回溯并确定食品安全事件源头，然后追溯并确定食品安全危害点，且可实现多品类全链条大数据的共享。

Description

食品安全大数据自动编码与全链条溯源体系

技术领域

本发明涉及食品安全领域，特别是食品安全管理，具体涉及食品安全大数据自动编码与全链条溯源体系。

背景技术

我国有2亿多小农户外加几十万的食品加工与流通企业，食品从田头到餐桌要经过多个环节，外加我国处于转轨时期，部分从业者社会责任缺乏，这就使我国的食品安全监管任务艰巨，挑战很大。目前我国食品安全按整个食品生产流通链条实行分段管理，卫生部牵头，农业部主管农业生产源头，商务部、工商局主管流通与市场、质检局主管加工，导致各监管部门之间协调组织难、沟通难、合作难的问题。而对于消费者而言，更是难以获悉到食品生产加工过程中的任何信息，缺乏对食品安全的判断力。因此，需要构建一个统一的大数据共享体系，对生产加工全过程中食品数据进行详实记录编码并评判食品安全风险，使得消费者、监管者、各节点加工者能够获悉食品安全数据信息，且当发生食品安全事故时及时溯源，确定责任主体，从而加强食品安全各链条、各环节的监管，提高监管质量与效率。

中国专利CN109214829A“食品安全溯源方法和装置”通过获取食品生产加工运输过程中的配料标识信息并比较所述配料标识信息与对应的预存食品安全标准数据的匹配度来验证食品是否合格，当食品不合格时对出错环节进行溯源，本技术保障了食品的质量安全以及防伪溯源，但是仅针对食品加工这一环节，能够溯源的范围有限，且只对配料标识信息进行处理，处理的数据范围有限，溯源准确度不高。中国专利CN110119952A“食品安全溯源系统及方法”通过设置一键溯源接口实现对食材溯源的一键快速溯源，选取一键溯源接口直接链接显示食材的历史流程来源信息，溯源过程简单、快捷，但是缺乏对食品生产加工全链条数据进行信息处理和加工。中国专利CN108133380A“食品安全的溯源方法”通过对与食品生产过程中的关键节点、支节点、支点进行多维的识别，构建产品的产业链立体溯源数据，用以追溯产生食品安全问题的源头，但是不能进行数据共享，难以及时准确地发现源头，查找到所有危害点。同时，现有技术缺乏对数据的处理和自动判别，溯源的效率不高，且对于消费者和监管者等非本领域技术专家而言，并不能直观地从录的数据反映食品安全问题，缺乏有效的评判标准。

发明内容

本发明所要解决的技术问题是提供食品安全大数据自动编码与全链条溯源体系，对食品生产加工全链条的食品安全数据进行自动编码以及解码溯源，解决目前食品生产加工过程中食品安全数据记录不全面以及食品安全事故中溯源难的问题，从而提高食品安全监管的质量和效率问题。

为解决上述技术问题，本发明所采用的技术方案是：食品安全大数据自动编码与全链条溯源体系，该体系包括，食品安全大数据，自动编码与全链条溯源规则和食品安全大数据自动编码与全链条溯源系统；

食品安全大数据包括食品生产加工全产业链各节点产生的食品安全数据和危害因子风险评估值；

食品安全大数据自动编码与全链条溯源系统根据自动编码与全链条溯源规则将根据食品安全大数据的特征对采集的数据进行自动编码、根据风险评估模型进行风险评估和预警、根据风险评估和预警结果进行解码、对食品安全事件或隐患进行溯源；

自动编码与全链条溯源规则实现的步骤为：

S1.将食品安全大数据根据产业链顺序、物流顺序和食品安全信息内容，在终端产品上赋予食品生产全链条信息，形成标准化代码，即数据编码，数据编码由溯源编码和质量安全码组成；

S2.根据溯源编码先逆向回溯确定危害源头，再正向追溯至危害终点，进行全链条或各节点风险防控以及确定食品安全事件源头，确定食品安全生产链中各危害节点。

优选的方案中，食品安全大数据包括用于源头控制的农业数据、用于加工过程管理的食品工业数据、企业管理数据、用于流通管理的物流数据、用于营销管理的商超零售数据、用于餐饮管理的数据、用于食品安全事件识别与发掘的食品安全事件数据、用于食品特征识别和危害因子发现的食品属性数据以及用于标准化执行和处置决策的规范标准数据。

优选的方案中，食品安全大数据自动编码与全链条溯源系统包括食品安全数据处理模块、食品安全风险评估模块和食品安全溯源模块，食品安全数据处理模块包括食品安全数据识别与赋码模块、食品安全数据整理模块和食品安全数据挖掘模块，食品安全溯源模块包括编码解析模块和节点溯源模块；

食品安全数据处理模块用于根据自动编码与全链条溯源规则对食品安全大数据进行数据编码、数据整理和数据挖掘；

食品安全风险评估模块用于构建食品安全风险等级模型，评估食品安全风险程度；

食品安全溯源模块用于根据自动编码与全链条溯源规则回溯并确定食品安全事件源头，追溯并确定食品安全危害点；

食品安全数据识别与赋码模块用于识别食品生产过程不同阶段不同主体产生的数据，以及对食品生产加工过程中形成的数据进行数据编码；

食品安全数据整理模块用于对食品数据进行数据清洗和数据补全；

食品安全数据挖掘模块用于对非结构化数据进行结构化处理，以及对隐藏信息进行分析处理；

编码解析模块用于逆向解析出编码的数据特征，包括食品种类、来源、危害因子名称及其含量、食品安全风险程度、描述对象、用途、产生主体、产生地址和产生时间；

节点溯源模块用于从产业链的消费终端逆向回溯确定食品安全事件危害源头，再正向追溯确定危害终点。

优选的方案中，自动编码与全链条溯源规则根据产业链顺序对生产或加工节点进行数字或字母或数字、字母组合编码，各生产或加工节点对食品种类、来源、描述对象、用途、产生主体、产生地址、产生时间和危害因子风险评估值进行数字或字母或数字、字母组合编码，得到各生产或加工节点的溯源编码；

根据物流顺序对物流节点进行数字或字母或数字、字母组合进行编码，各物流节点对食品种类、来源、描述对象、用途、运输主体、仓储地址、运输时间进行数字或字母或数字、字母组合编码，得到各运输节点的溯源编码；

根据溯源编码从消费终端逆向回溯生产源头各个节点的对应信息，确定食品安全事件危害源头对应的节点，再从此节点正向追溯各节点信息确定危害终点，从而对食品的整个生产经营活动进行风险防控和食品安全事故责任溯源。

优选的方案中，危害因子风险评估值的获取：采用单指标(危害因子)相对风险值Pji和节点风险指数Fj表示，Pji是第j个节点第i个单个危害因子指标的相对风险，Fj是第j个关键控制点的风险指数，F是全链条综合风险指数，Pji＝b/a，a为指标关键限值，b为实测值，节点风险指数Fj和全链条综合风险指数F通过最大值算法或加权算法或最大概率法则算法来获得。

优选的方案中，食品安全数据处理模块实现的步骤为：

S1a.食品安全数据识别与赋码模块识别食品数据所隐含的种类、或来源、或用途、或生产主体、或生产地址、或生产时间、或产品批次、或产品码或这些信息组合，并对数据进行数据编码，并将数据信息传给食品安全数据整理模块；

S1b.食品安全数据整理模块对食品数据进行数据清洗：对不正常数据的去除、修正、填补，以及数据补全，包括增加日期、地址、任务、事件，将完整、正确、一致的数据信息存入数据仓库中；

S1c.食品安全数据挖掘模块根据数据仓库中的数据信息，根据关联规则和特征选择处理信息，得出有用的分析信息。

优选的方案中，食品安全溯源模块实现的步骤为：

S2a.编码解析模块根据自动编码与全链条溯源规则逆向解析出溯源编码中所包含的食品信息；

S2b.节点溯源模块从消费终点到食品原料种植或养殖的方向回溯排查危害节点，根据各节点责任主体的食品生产的交易信息和危害因子风险评估值，确定食品安全事件的危害源头，再正向追溯确定危害终点，从而确定食品安全事件的所有发生节点,以及对应的责任主体和责任人。

优选的方案中，食品安全数据整理模块实现的步骤为:

Sa1.数据获取：从食品安全数据识别与赋码模块获取识别的数据；

Sa2.数据清洗补全：去掉缺失数据、异常数据和不一致数据，补全必要数据，如增加日期、地址、任务和事件；

Sa3.数据整合：对不同数据源进行整理；

Sa4.数据类型转换：对不同字段数据类型进行转换；

Sa5.分组汇总：对数据进行各个维度的计算。

优选的方案中，食品安全数据挖掘模块实现的步骤为:

Sb1.从食品安全数据整理模块处理后的食品数据对非结构化数据进行结构化处理，提取食品安全数据有关的元数据，采用了文件模板的方式，把文件分为文件字段名、字段类型、索引创建数据表，将不定长或无固定格式的数据统一为固定格式或有限长度的数据；

Sb2.对食品安全数据隐含信息进行挖掘：将结构化的食品数据进行特征选择，根据关联规则选取食品安全检测标准相关数据集根据每个特征与相应变量的相关性，过滤掉相关性较低的特征；

Sb3.将数据变量传入食品数据评估模块进行食品安全风险评估。

优选的方案中，食品安全风险评估模块通过建立质量安全风险评估与预警模型，给出风险评估与预警结果判断，其具体实现的步骤为：

Sc1.根据行业技术、标准和法律规定建立根据行业技术、标准和法律规定建立危害因子风险评估值的阈值，划定预警线；

Sc2.质量安全风险评估与预警模型对输入的数据进行运算，根据相对风险值得风险程度分值得到风险状态和风险等级；

Sc3.根据计算结果获得风险指数值，给出风险评估与预警结果，运算结果未超出预警线为安全区间，可持续正常生产；位于预警线与超标线之间为预警区间，重点监控，采取预警措施，预警溯源；超出超标线为超标区间，停止生产，采取措施，溯源检查。

本发明提供了食品安全大数据自动编码与全链条溯源体系，通过采用以上的方案，具有以下有益效果：

1、本体系对食品生产加工全产业链中的数据进行自动编码，并通过构建风险评估模型对食品生产加工过程中各节点多维度进行风险评估，不仅能够给消费者和监管者提供客观参考依据，而且当超过模型设定的阈值时可以提供风险预警。

2、本体系对食品生产加工过程中产生的食品安全数据进行全链条数据编码，详尽地记录了各个节点的数据信息，对全链条质量安全风险状态进行了准确细致地描述，各节点可以根据记录的数据以及反映的风险做出预判和决策，消费者也可以查询到所购食品的质量安全信息，确保了食品供应方和消费者之间信息的对称，从根源上杜绝食品安全问题，且可实现多品类全链条大数据的共享。

3、本体系通过溯源编码可以从消费终点到食品原料种植或养殖的方向反向回溯各节点责任主体的食品生产的交易信息和留样检测的相对风险值，从而确定食品安全事件源头和相关责任主体，极大的提高了食品安全监管的效率。

附图说明

下面结合附图和实施例对本发明作进一步说明：

图1为本发明中全链条溯源规则和食品安全大数据自动编码与全链条溯源系统各模块交互示意图；

图2为本发明中食品安全数据整理模块流程图；

图3为本发明中全链条节点风险指数示意图；

图4为本发明中单节点风险指数图；

图5为本发明中风险指数概率图；

图6a为本发明中溯源编码结构图第一部分；

图6b为本发明中溯源编码结构图第二部分；

图7为本发明中食品安全质量编码结构图；

图8为本发明中食品安全大数据自动编码与全链条溯源体系结构示意图。

具体实施方式

实施例1：食品安全大数据特征识别与自动赋码

如图1、图6a、图6b和图7～8所示，食品安全大数据自动编码与全链条溯源体系，该体系包括，食品安全大数据，自动编码与全链条溯源规则和食品安全大数据自动编码与全链条溯源系统；

食品安全大数据包括食品生产加工全产业链各节点产生的食品安全数据和危害因子风险评估值，具体包括用于源头控制的农业数据、用于加工过程管理的食品工业数据、用于流通管理的物流数据、用于营销管理的商超零售数据、用于食品安全事件识别与发掘的食品安全事件数据、用于食品特征识别和危害因子发现的食品属性数据以及用于标准化执行和处置决策的规范标准数据。

自动编码与全链条溯源规则将食品安全大数据根据产业链顺序、物流顺序和食品安全信息内容，在终端产品上赋予食品生产全链条信息，形成标准化代码，即溯源编码；例如，稻米生产过程中按照从农田到餐桌的顺序形成的物流链和信息链，包括种植、收储、加工、成品、销售等若干个管理和信息独立的节，包含产地环境、品种、栽培、田间管理、收储条件、运输方式、干燥技术、加工、成品暂存、成品物流环境、销售交易等方面的质量安全大数据信息。种植可设置种子、育秧、栽培、收获等子节点，种植环境包括气候、空气、水质、经纬度、土壤、底肥、认证情况等信息，品种包括品种名称、种子生产厂家、产权、采购日期、生产日期、保质期等信息，栽培栽培包括种子处理、播种、育秧、插秧、种植环境、田间管理等信息，收获信息应包括收获时间、收获方式和植株有机认证情况。收储可包括运输、接收、干燥、仓储等子节点，运输包括运输方式、运输工具、车次/批次编号、运输路径，接收包括资质、质量检验检测等信息，干燥信息包燥方式、干燥条件等信息，干燥条件包括物料温度、空气温度、空气相对湿度、干燥时间等，干燥设备包括设备型号、主要技术参数等。仓储信息应包括收储企业信息、仓库信息、入仓品质等级、储藏管理、稻米进出库水分、粮温、品质检测报告等。加工过程节点应至少包括投料、清理、砻谷、碾米、抛光、成品等节点，销售流通应包括资质和交易信息，资质信息应包括分/经销企业法人、证照、责任人，交易信息应包括生产企业、分销流程和商业协议、产品名称、批次批号、单据、地点、流向、交接方，分/经销企业接收时间，环境信息应包括仓库、商超、卖场卫生条件。预包装产品应包括食品标签、电子识别码。

自动编码与全链条溯源规则根据产业链顺序对生产或加工节点进行数字或字母或数字、字母组合编码，各生产或加工节点对食品种类、来源、描述对象、用途、产生主体、产生地址、产生时间和危害因子风险评估值进行数字或字母或数字、字母组合编码，得到各生产或加工节点的溯源编码；根据物流顺序对物流节点进行数字或字母或数字、字母组合进行编码，各物流节点对食品种类、来源、描述对象、用途、运输主体、仓储地址、运输时间进行数字或字母或数字、字母组合编码，得到各运输节点的溯源编码；溯源编码由50位数字组成，包括主体(节点)识别码(6位)、产品代码(4位)、批次码(10位)和质量安全信息码(30位),主体(节点)识别码(6位)由各节点责任人以个人或企业的名义在体系进行注册时由体系分发，主体(节点)识别码(6位)为组织机构代码后6位，对应生产或种植主体，产品代码(4位)对应该食品的类型，批次码(10位)对应该食品的批次，而质量安全信息码(30位)则需要不同节点的责任人根据所在节点涉及的危险因子进行填写，例如记录收获节点苹果中镉的含量，质量信息安全码为“101208000211115000011011100000”，动态数据用“10”表示，收获节点用“120”表示，用“8000”表示品类为水果，“21111”表示数据类型为“危害因子-污染物-物理性-重金属”，“50000”表示成分为“维生素”，“110”表示数据属性为“物料”，00000表示其他，可根据不同食品不同数据需求增加对应的后四位数据编码。用户根据体系提示选择产品种类和检测的镉含量或上传检测报告，由自动编码与全链条溯源规则生成质量信息安全码“101208000211115000011011100000”。

食品安全大数据自动编码与全链条溯源系统可根据自动编码与全链条溯源规则将采集食品安全大数据进行自动编码，食品安全大数据自动编码与全链条溯源系统包括食品安全数据处理模块和食品安全溯源模块，食品安全数据处理模块包括食品安全数据识别与赋码模块、食品安全数据整理模块、食品安全数据挖掘模块、食品数据评估模块和食品数据赋码模块，食品安全数据处理模块实现的步骤为：

S1a.食品安全数据识别与赋码模块识别食品数据所隐含的种类、或来源、或用途、或生产主体、或生产地址、或生产时间、或产品批次、或产品码或这些信息组合，并将识别后的数据信息传给食品安全数据整理模块；

S1b.食品安全数据整理模块对食品数据进行数据清洗：对不正常数据的去除、修正、填补，以及数据补全，包括增加日期、地址、任务、事件，将完整、正确、一致的数据信息存入数据仓库中；

S1c.食品安全数据挖掘模块根据数据仓库中的数据信息，根据关联规则和特征选择处理信息，得出有用的分析信息；

S1d.食品数据评估模块根据构建的食品安全风险等级模型得到食品安全风险程度；

S1e.食品数据赋码模块根据自动编码与全链条溯源规则形成溯源编码。

实施例2：数据编码解析

如图6a、图6b所示，自动编码与全链条溯源规则可根据溯源编码溯源获取全链条或各节点的信息，逆向解析出编码的代表的数据信息，包括食品种类、来源、描述内容、描述对象、用途、产生主体、产生地址和产生时间，例如参考实施例1，当数据编码为“5599524642201905046060101208000211115000011011100000”时，“559952”表示主体(节点)识别码，由企业组织机构代码后6位组成，对应XX农业公司，“4642”表示产品代码，即苹果，“201905046060”表示产品批次，“10”表示动态数据，“120”表示收获节点，“8000”表示品类为水果，“21111”表示数据类型为“危害因子-污染物-物理性-重金属”，“50000”表示成分为“维生素”，“110”表示数据属性为“物料”，00000表示其他，该溯源编码或数据编码表示记录收获节点苹果中镉的含量。

例如数据编码为90D489 2362 1906153028 101005000211112100030011100000，90D489表示主体(节点)识别码(6位)，为组织机构代码的后6位，对应XX稻谷公司，10对应稻米种植节点，2362表示产品代码(4位)，为籼米(根据标准LS/T 1703确定产品代码)，“1906153028”表示批次码(10位)，1906表示2019年6月生产，153028为生产批次，10 10050002111120000300111 00000表示质量安全信息码(30位)，10表示大类，为动态数据，100表示节点，为农业种养，5000表示品类，为粮食，21111表示危害因子，为重金属，21000表示成分，为淀粉，300表示数据来源，为监督管理，111为数据属性，为食材，00000表示其他，可根据不同食品不同数据需求增加对应的后五位数据编码。

实施例3：回溯并确定食品安全事件源头及其责任主体、责任人、危害产品

如图3～5所示，将全链条或各节点的责任主体、产品代码、生产批次信息编制成标准化代码，即溯源编码，数据编码包括溯源编码(20位)和质量安全信息码(30位)，溯源编码(20位)包括主体(节点)识别码(6位)、产品代码(4位)和批次码(10位)，主体(节点)识别码、产品代码和批次码符合DB35/T 1711-2017的要求，或按LS/T 1702、LS/T 1703、LS/T 1706、NY/T 2531等要求进行数据编码，通过扫描溯源编码可以关联到全链条的所有数据编码的信息，溯源编码用于以电子识别码的形式标识在成品包装上，进行“一物一码”或“一批一码”，实现食品质量安全事件的生产过程和责任主体溯源，消费者扫描溯源编码，通过扫描产品标识获得产品全链条信息，如获得产品原料的来源厂商、生产日期、质量标准和质检报告，管理者在专用溯源平台上，可根据权限查询详细的过程管理信息。通过建立溯源算法追溯并确定食品安全危害点，应进行危害控制。溯源食品安全危害点中溯源算法包括经营单元(主体)内部溯源和全链条溯源。经营单元(主体)内部溯源计算各指标相对风险Pji，对Pji排序，从大到小表明危害原因的大小。最大者定为主要危害原因。全链条溯源计算各节点的风险指数Fj，对Fj排序，从大到小表明节点风险的大小。最大者F为全链条主要风险节点，或者最上游出现的为该危害因子的源头。例如稻米质量安全中检测的镉含量，土壤风险指数为0.8855，灌溉水风险指数为0.9300，原粮收购风险指数为0.8945，原粮存储风险指数为0.8945，加工前原粮风险指数为0.8945，成品米风险指数为1.1640，根据溯源算法全链条风险指数F为1.1640，该链条食品安全危害点在成米节点，即在生产过程中发生镉含量达到超标区间的食品安全事故。

若发生食品安全事件，沿产业链终点(消费)到产业链起点(种植)的方向进行的溯源，发现问题源头的步骤为：根据风险评估与预警结果→根据产品编码查询信息→确定风险评估F值→Fj值→锁定超标节点→Pj值排序→超标危害因子(镉、黄曲霉毒素)→锁定超标源头(土壤、配米、水、仓储环境)→确定源头(土壤、仓储)→采取措施。从而进行召回等应急处理，问题产品(原料)召回步骤：根据风险评估结果→确定产品批次→沿产业链起点(种植)到产业链终点(消费)的方向进行的溯源，找到问题产品(原料)→召回。若发现不合规成品或在制品，应按产业链反向顺序检测留样的危害因子，直至发现危害源头，确定危害样品、责任主体和责任人。

溯源并确定食品安全事件源头及其责任主体、责任人、危害产品可通过食品安全大数据自动编码与全链条溯源系统来实现，具体的步骤为:

Sd1.扫描溯源编码，溯源编码为数据编码的前20位，关联产业链各节点责任主体、产品代码、生产批次，进而可以关联到全链条的所有数据编码的信息，获取食品生产过程和责任主体信息：消费者扫描溯源编码，应获得产品原料的来源厂商、生产日期、质量标准和质检报告，管理者在专用溯源平台上，可根据权限查询详细的过程管理信息。

Sd2.发生食品安全事故时通过回溯各个节点，确定食品安全事件的危害源头所对应的危害节点，精准把握食品安全事件的危害源头以及对应的责任主体和责任人。

Sd3.根据交易信息，追查同一批次食材物料的不同去向并进行召回。

例如当数据编码为“559952 4624 201905046060 10120 8000 21111 50000 110111 00000”时，“559952”表示主体(节点)识别码，由企业组织机构代码后6位组成，“4642”表示产品代码，“201905046060”表示产品批次，“559952 4624 201905046060”构成溯源编码，一旦发生食品安全事故，通过扫描溯源编码得到责任主体为“559952”对应的XX农业公司，责任人为XX农业公司的法人或实际负责人，危害产品为“4624”对应的苹果。消费者扫描包装上二维码，得到二维码信息，二维码为溯源网页超链接地址，超链接地址包含产品ID，服务器根据产品ID溯源查询相关信息，动态生成溯源展示页面，管理者则在专用的溯源平台上，查询详细的过程管控信息。

实施例4：基于编码信息的食品安全事件(或隐患)溯源-以镉超标大米的溯源为例

一旦发生食品安全事件或隐患，本体系将自动解析相关数据编码，根据编码特征回溯并确定食品安全事件源头及其责任主体、责任人、危害产品后，从食品安全事件源头所在节点正向追溯余下节点至食品安全危害终点，一个危害源头可能有多点危害终点，从而确定食品安全事件的所有发生节点，并查找所有不合规产品，以便全面消除食品安全危害。

例如在市场上发现镉超标大米，即危害产品为镉超标大米，则认定发生食品安全事件，溯源步骤为：第一步：根据溯源规则对数据编码进行解析后(参考实施例2数据编码为“90D489 1131 1906153028 10 100 500002111121000300111 0000”的数据编码解析)从该消费节点600回溯至稻米种植节点100，对稻米产业链的每个节点批次为“1906153028”的留样检测镉含量，明确每个节点的经营单位，亦即责任主体。第二步：若发现是种植节点的稻谷镉含量超标，则可以确定该食品安全事件源头是种植单位，明确该食品安全事件的责任主体，和责任人，即责任主体为种植单位，即“90D489”对应的XX稻谷公司，责任人为XX稻谷公司的法人或实际负责人。第三步：根据“责任主体+批次”的编码，即“90D489+1906153028”，按照稻米生产链从种植节点正向追溯使用了标识的“责任主体”为“521010”和“批次”为“1906153028”的所有产品、在制品，包括从源头到终点的所有物料以及作为配料使用的产品，均为危害产品。而对已销售的大米，消费者可以通过扫描溯源编码确定所购大米是否为问题大米，不仅为监管部门提供有效监管和有力证据，也为消费者提供切实可查的依据。

实施例5：数据解析——数据挖掘

食品安全数据挖掘模块实现的步骤为:

Sb1.从食品安全数据整理模块处理后的食品数据对非结构化数据进行结构化处理，提取食品安全数据有关的元数据，采用了文件模板的方式，把文件分为文件字段名、字段类型、索引创建数据表，将不定长或无固定格式的数据统一为固定格式或有限长度的数据。例如

Sb2.对食品安全数据隐含信息进行挖掘：将结构化的食品数据进行特征选择，根据关联规则选取食品安全检测标准相关数据集根据每个特征与相应变量的相关性，过滤掉相关性较低的特征。从食品安全数据整理模块处理后的食品数据中根据关联规则选取食品安全检测标准相关数据集，基于质量安全全链条数据，筛选有效数据或者敏感数据进行是质量安全风险评估，建立科学的食品安全风险评估体系，例如稻米质量安全中，种植节点中气候、空气、水质、经纬度、土壤、底肥、认证情况等信息中关联土壤和灌溉水中，土壤里镉、汞、砷、铅、铬、铜、镍、锌、六六六总量、滴滴涕总量、苯并[a]芘等有害物质的含量，灌溉水中生化需氧量(BOD5)、悬浮物、凯氏氮、水温、氯化物、总汞、总砷、总铅、总锌、苯、丙烯醛、化学需氧量(CODCr)、阴离子表面活性剂、总磷(以P计)、pH值、硫化物、总镉、铬(六价)、总铜、总硒、三氯乙醚、硼等的含量。数据采集方式主要有样本抽检采集，如土壤信息、水质信息、稻谷信息、成品米信息等抽检数据；物联网设备采集，如近红外检测、小型自动气象站等设备自动检测采集数据。需要对采集的数据进行检测、录入。对食品数据进行特征选择，根据每个特征与相应变量的相关性，过滤掉相关性较低的特征，例如气候、经纬度、土壤和底肥与土壤中有害物质的含量有相关性，空气、水质与灌溉水有相关性，对与稻米质量安全风险评估的数据进行进一步选取。

Sb3.将数据变量传入食品数据评估模块进行食品安全风险评估。质量安全风险评估与预警模型对输入的数据赋予权重，进行归一化处理，用于观察各生产节点的相关性以及危害因子的相关性。

实施例6：数据整理

如图2所示，稻米收储节点中，食品安全数据整理模块实现的步骤为：

Sa1.数据获取：从食品安全数据识别与赋码模块获取识别的数据，收储节点包括运输、接收、干燥、仓储等子节点，运输包括运输方式、运输工具、车次/批次编号、运输路径，接收包括资质、质量检验检测等信息，干燥信息包燥方式、干燥条件等信息，干燥条件包括物料温度、空气温度、空气相对湿度、干燥时间等，干燥设备包括设备型号、主要技术参数等。仓储信息应包括收储企业信息、仓库信息、入仓品质等级、储藏管理、稻米进出库水分、粮温、品质检测报告等。

Sa2.数据清洗补全：去掉缺失数据、异常数据和不一致数据，补全必要数据，如增加日期、地址、任务和事件，例如运输方式显示为海运，运输工具却为汽车，运输路径也显示陆运并提供明确车次编号时，去掉异常错误数据海运。体系自动获取时间、地址补全当前节点信息。

Sa3.数据整合：对不同数据源进行整理，对运输、接收、干燥、仓储等子节点上传的信息进行统一处理，同一节点可能存在不同的数据上传方，对同一节点内的不同子节点数据要综合整合。

Sa4.数据类型转换：对不同字段数据类型进行转换，将整型、浮点型、字符串类型数据等转换为统一格式。

Sa5.分组汇总：对数据进行各个维度的计算，上传的数据可能包括文字、图片、数字、文档等，将数据维度都调整到某范围内归一化处理。

实施例7：风险评估-食品安全风险程度的确定

如图3～5所示，食品数据评估模块通过建立质量安全风险评估与预警模型，给出风险评估与预警结果判断，其具体实现的步骤为：

Sc1.根据行业技术、标准和法律规定建立质量安全风险评估与预警模型，采用单指标(危害因子)相对风险值Pji和节点风险指数Fj表示，Pji是第j个节点第i个单个危害因子指标的相对风险，Fj是第j个关键控制点的风险指数，F是全链条综合风险指数，

a为指标关键限值，b为实测值，节点风险指数Fj和全链条综合风险指数F通过最大值算法或加权算法或最大概率法则算法来获得；

最大值算法：单指标(危害因子)相对风险值

节点风险指数Fj＝[Pji]max，全链条综合风险指数Fj＝[Pji]max。

例如，当Pji﹤1时，该单项指标检测合格；当Pji≥1时，该单项指标检测超标。例如收储节点实测稻谷中镉的含量为0.05mg/kg，指标关键限值为0.1mg/kg，

0.5为收储节点的相对风险值。Fj＝[Pji]max，Fj——第j个控制点的风险指数，Pji——第j个节点第i个指标的相对风险，例如收储节点中测量了多项指标，则选取指标中相对风险值最大的作为风险指数。F＝[Fj]max，Fj——第j个控制点的风险指数，F——全链条的综合风险指数，从种植、收储、加工、成品、销售等节点中得到的最大风险指数值作为综合风险指数。

加权算法：

不同单指标(危害因子)相对风险值Pji对质量安全的影响不同，对不同危害因子、不同节点赋予不同的权重，根据得到的Pji与权重的乘积再求平均，得到作为该节点的风险指数值Fj，将全链条风险指数值Fj与权重的乘积再求平均作为全链条的综合风险指数F。

最大概率法则算法：

如图4所示，最大概率法则算法即在风险决策问题中选择一个概率最大的自然状态进行决策，其他概率较小的自然状态可以不管，把风险型决策问题转化为确定型决策问题。对Pji分别取最大值与最小值，绘制出风险指数概率图，将单点概率最高的值对应的相对风险值作为该节点的风险指数值Fj，将全链条概率最高的值对应节点的风险指数值作为全链条的综合风险指数F。

如图5所示，最大概率法则算法计算出Fj值后确定预警系数K，Fj≥1的概率稳定在0.6％左右，当k取0.95时，k≤Fj≤1的概率为5.5％左右，当k取0.9时，k≤Fj≤1的概率为37％左右，当k取0.85时，k≤Fj≤1的概率为50.3％左右，分析可以得到结论：k值越小，预警越频繁，风险评估与预警模型的可靠性越差。当k＝0.95时，风险评估与预警模型既较稳定，可靠性较高。

Sc2.质量安全风险评估与预警模型对输入的数据进行运算，根据相对风险值得风险程度分值得到风险状态和风险等级；

全链条各节点采用食品安全风险分析表进行食品安全风险管理，风险描述、风险量化、确定风险等级、纠偏措施。定期填写表1。

表1食品安全风险分析表

食品安全事件发生频率指企业或监管单位近五年发生某食品安全事件的年平均值。风险等级模型采用危害程度、事件发生率和后果严重性的三维评价法，划分为高、中、低三个等级。

根据相对风险值得风险程度分值，风险状态描述如表2。

表2风险状态描述表

风险等级根据风险得分确定，D＝0.4A+0.2B+0.4C，A、B、C分别对应表2中的危害程度、发生频率、毒理学风险的值，上式可用于节点或成品的风险评估，将风险等级划分为1级、2级、3级和4级。

风险等级及其描述如表3所示。

表3风险等级及其描述表

表4成品大米主要危害因子信息表

表5稻谷主要危害因子信息表

Sc3.根据计算结果获得风险指数值，给出风险评估与预警结果，运算结果未超出预警线为安全区间，可持续正常生产；位于预警线与超标线之间为预警区间，重点监控，采取预警措施，预警溯源；超出超标线为超标区间，停止生产，采取措施，溯源检查。

上述的实施例仅为本发明的优选技术方案，而不应视为对于本发明的限制，本申请中的实施例及实施例中的特征在不冲突的情况下，可以相互任意组合。本发明的保护范围应以权利要求记载的技术方案，包括权利要求记载的技术方案中技术特征的等同替换方案为保护范围。即在此范围内的等同替换改进，也在本发明的保护范围之内。

Claims (10)

1.食品安全大数据自动编码与全链条溯源体系，其特征是：该体系包括，食品安全大数据，自动编码与全链条溯源规则和食品安全大数据自动编码与全链条溯源系统；

食品安全大数据包括食品生产加工全产业链各节点产生的食品安全数据和危害因子风险评估值；

食品安全大数据自动编码与全链条溯源系统根据自动编码与全链条溯源规则将根据食品安全大数据的特征对采集的数据进行自动编码、根据风险评估模型进行风险评估和预警、根据风险评估和预警结果进行解码、对食品安全事件或隐患进行溯源；

自动编码与全链条溯源规则实现的步骤为：

S1.将食品安全大数据根据产业链顺序、物流顺序和食品安全信息内容，在终端产品上赋予食品生产全链条信息，形成标准化代码，即数据编码，数据编码由溯源编码和质量安全码组成；

S2.根据溯源编码先逆向回溯确定危害源头，再正向追溯至危害终点，进行全链条或各节点风险防控以及确定食品安全事件源头，确定食品安全生产链中各危害节点。

2.根据权利要求1所述的食品安全大数据自动编码与全链条溯源体系，其特征是：食品安全大数据包括用于源头控制的农业数据、用于加工过程管理的食品工业数据、企业管理数据、用于流通管理的物流数据、用于营销管理的商超零售数据、用于餐饮管理的数据、用于食品安全事件识别与发掘的食品安全事件数据、用于食品特征识别和危害因子发现的食品属性数据以及用于标准化执行和处置决策的规范标准数据。

3.根据权利要求1所述的食品安全大数据自动编码与全链条溯源体系，其特征是：食品安全大数据自动编码与全链条溯源系统包括食品安全数据处理模块、食品安全风险评估模块和食品安全溯源模块，食品安全数据处理模块包括食品安全数据识别与赋码模块、食品安全数据整理模块和食品安全数据挖掘模块，食品安全溯源模块包括编码解析模块和节点溯源模块；

食品安全数据处理模块用于根据自动编码与全链条溯源规则对食品安全大数据进行数据编码、数据整理和数据挖掘；

食品安全风险评估模块用于构建食品安全风险等级模型，评估食品安全风险程度；

食品安全溯源模块用于根据自动编码与全链条溯源规则回溯并确定食品安全事件源头，追溯并确定食品安全危害点；

食品安全数据识别与赋码模块用于识别食品生产过程不同阶段不同主体产生的数据，以及对食品生产加工过程中形成的数据进行数据编码；

食品安全数据整理模块用于对食品数据进行数据清洗和数据补全；

食品安全数据挖掘模块用于对非结构化数据进行结构化处理，以及对隐藏信息进行分析处理；

编码解析模块用于逆向解析出编码的数据特征，包括食品种类、来源、危害因子名称及其含量、食品安全风险程度、描述对象、用途、产生主体、产生地址和产生时间；

节点溯源模块用于从产业链的消费终端逆向回溯确定食品安全事件危害源头，再正向追溯确定危害终点。

4.根据权利要求1所述的食品安全大数据自动编码与全链条溯源体系，其特征是：自动编码与全链条溯源规则根据产业链顺序对生产或加工节点进行数字或字母或数字、字母组合编码，各生产或加工节点对食品种类、来源、描述对象、用途、产生主体、产生地址、产生时间和危害因子风险评估值进行数字或字母或数字、字母组合编码，得到各生产或加工节点的溯源编码；

根据物流顺序对物流节点进行数字或字母或数字、字母组合进行编码，各物流节点对食品种类、来源、描述对象、用途、运输主体、仓储地址、运输时间进行数字或字母或数字、字母组合编码，得到各运输节点的溯源编码；

根据溯源编码从消费终端逆向回溯生产源头各个节点的对应信息，确定食品安全事件危害源头对应的节点，再从此节点正向追溯各节点信息确定危害终点，从而对食品的整个生产经营活动进行风险防控和食品安全事故责任溯源。

5.根据权利要求1或4所述的食品安全大数据自动编码与全链条溯源体系，其特征是：危害因子风险评估值的获取：采用单指标（危害因子）相对风险值Pji和节点风险指数Fj表示，Pji是第j个节点第i个单个危害因子指标的相对风险，Fj是第j个关键控制点的风险指数，F是全链条综合风险指数，Pji= b/a，a为指标关键限值，b为实测值，节点风险指数Fj和全链条综合风险指数F通过最大值算法或加权算法或最大概率法则算法来获得。

6.根据权利要求3所述的食品安全大数据自动编码与全链条溯源体系，其特征是：食品安全数据处理模块实现的步骤为：

S1a.食品安全数据识别与赋码模块识别食品数据所隐含的种类、或来源、或用途、或生产主体、或生产地址、或生产时间、或产品批次、或产品码或这些信息组合，并对数据进行数据编码，并将数据信息传给食品安全数据整理模块；

S1b.食品安全数据整理模块对食品数据进行数据清洗：对不正常数据的去除、修正、填补，以及数据补全，包括增加日期、地址、任务、事件，将完整、正确、一致的数据信息存入数据仓库中；

S1c.食品安全数据挖掘模块根据数据仓库中的数据信息，根据关联规则和特征选择处理信息，得出有用的分析信息。

7.根据权利要求3所述的食品安全大数据自动编码与全链条溯源体系，其特征是：食品安全溯源模块实现的步骤为：

S2a.编码解析模块根据自动编码与全链条溯源规则逆向解析出溯源编码中所包含的食品信息；

S2b.节点溯源模块从消费终点到食品原料种植或养殖的方向回溯排查危害节点，根据各节点责任主体的食品生产的交易信息和危害因子风险评估值，确定食品安全事件的危害源头，再正向追溯确定危害终点，从而确定食品安全事件的所有发生节点,以及对应的责任主体和责任人。

8.根据权利要求6所述的食品安全大数据自动编码与全链条溯源体系，其特征是：食品安全数据整理模块实现的步骤为:

Sa1.数据获取：从食品安全数据识别与赋码模块获取识别的数据；

Sa2.数据清洗补全：去掉缺失数据、异常数据和不一致数据，补全必要数据，如增加日期、地址、任务和事件；

Sa3.数据整合：对不同数据源进行整理；

Sa4.数据类型转换：对不同字段数据类型进行转换；

Sa5.分组汇总：对数据进行各个维度的计算。

9.根据权利要求6所述的食品安全大数据自动编码与全链条溯源体系，其特征是：食品安全数据挖掘模块实现的步骤为:

Sb1.从食品安全数据整理模块处理后的食品数据对非结构化数据进行结构化处理，提取食品安全数据有关的元数据，采用了文件模板的方式，把文件分为文件字段名、字段类型、索引创建数据表，将不定长或无固定格式的数据统一为固定格式或有限长度的数据；

Sb2.对食品安全数据隐含信息进行挖掘：将结构化的食品数据进行特征选择，根据关联规则选取食品安全检测标准相关数据集根据每个特征与相应变量的相关性，过滤掉相关性较低的特征；

Sb3.将数据变量传入食品数据评估模块进行食品安全风险评估。

10.根据权利要求3所述的食品安全大数据自动编码与全链条溯源体系，其特征是：食品安全风险评估模块通过建立质量安全风险评估与预警模型，给出风险评估与预警结果判断，其具体实现的步骤为：

Sc1. 根据行业技术、标准和法律规定建立根据行业技术、标准和法律规定建立危害因子风险评估值的阈值，划定预警线；

Sc2. 质量安全风险评估与预警模型对输入的数据进行运算，根据相对风险值得风险程度分值得到风险状态和风险等级；

Sc3. 根据计算结果获得风险指数值，给出风险评估与预警结果，运算结果未超出预警线为安全区间，可持续正常生产；位于预警线与超标线之间为预警区间，重点监控，采取预警措施，预警溯源；超出超标线为超标区间，停止生产，采取措施，溯源检查。

Images