CN112034104A - 一种农作物危害物残留检测平台 - Google Patents
一种农作物危害物残留检测平台 Download PDFInfo
- Publication number
- CN112034104A CN112034104A CN202010920767.1A CN202010920767A CN112034104A CN 112034104 A CN112034104 A CN 112034104A CN 202010920767 A CN202010920767 A CN 202010920767A CN 112034104 A CN112034104 A CN 112034104A
- Authority
- CN
- China
- Prior art keywords
- crop
- pesticide
- detected
- hazard
- map
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 93
- 238000004458 analytical method Methods 0.000 claims abstract description 51
- 235000013305 food Nutrition 0.000 claims abstract description 45
- 239000000383 hazardous chemical Substances 0.000 claims abstract description 7
- 239000000575 pesticide Substances 0.000 claims description 169
- 235000012055 fruits and vegetables Nutrition 0.000 claims description 26
- 239000000447 pesticide residue Substances 0.000 claims description 25
- 238000010586 diagram Methods 0.000 claims description 22
- 238000005070 sampling Methods 0.000 claims description 20
- 231100000331 toxic Toxicity 0.000 claims description 16
- 230000002588 toxic effect Effects 0.000 claims description 16
- 235000013399 edible fruits Nutrition 0.000 claims description 11
- 235000013311 vegetables Nutrition 0.000 claims description 10
- 238000007689 inspection Methods 0.000 claims description 8
- 231100000605 Toxicity Class Toxicity 0.000 claims description 6
- 241000607479 Yersinia pestis Species 0.000 claims description 6
- 230000037396 body weight Effects 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 241000894007 species Species 0.000 claims description 2
- 238000012502 risk assessment Methods 0.000 description 16
- 238000000034 method Methods 0.000 description 13
- 230000002354 daily effect Effects 0.000 description 6
- 239000000126 substance Substances 0.000 description 6
- 231100000419 toxicity Toxicity 0.000 description 6
- 230000001988 toxicity Effects 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 241000220223 Fragaria Species 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 239000003814 drug Substances 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 239000003344 environmental pollutant Substances 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 231100000719 pollutant Toxicity 0.000 description 3
- 240000006108 Allium ampeloprasum Species 0.000 description 2
- 235000005254 Allium ampeloprasum Nutrition 0.000 description 2
- 244000000383 Allium odorum Species 0.000 description 2
- 235000018645 Allium odorum Nutrition 0.000 description 2
- 235000005338 Allium tuberosum Nutrition 0.000 description 2
- 235000016623 Fragaria vesca Nutrition 0.000 description 2
- 235000011363 Fragaria x ananassa Nutrition 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 2
- 231100000922 acute reference dose Toxicity 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 235000021012 strawberries Nutrition 0.000 description 2
- PJVWKTKQMONHTI-UHFFFAOYSA-N warfarin Chemical compound OC=1C2=CC=CC=C2OC(=O)C=1C(CC(=O)C)C1=CC=CC=C1 PJVWKTKQMONHTI-UHFFFAOYSA-N 0.000 description 2
- 229960005080 warfarin Drugs 0.000 description 2
- 241000132456 Haplocarpha Species 0.000 description 1
- 238000003326 Quality management system Methods 0.000 description 1
- 230000007059 acute toxicity Effects 0.000 description 1
- 231100000403 acute toxicity Toxicity 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 231100000727 exposure assessment Toxicity 0.000 description 1
- 235000012631 food intake Nutrition 0.000 description 1
- 239000010437 gem Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001473 noxious effect Effects 0.000 description 1
- 235000014571 nuts Nutrition 0.000 description 1
- 239000003993 organochlorine pesticide Substances 0.000 description 1
- 239000010908 plant waste Substances 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 239000003440 toxic substance Substances 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0098—Plants or trees
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Wood Science & Technology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Botany (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出一种农作物危害物残留检测平台，包括：获取模块用于获取待检测农作物样本中的危害物种类及待检测农作物样本所属地区标识；查找模块用于从预设危害物风险系数表中查找该待检测农作物样本中危害物种类所对应的风险系数；分析模块用于根据危害物的风险系数和预设食品安全指数模型对待检测农作物样本进行分析，以得到所述预设农作物样本的安全指数；确定模块用于根据所述待检测农作物样本所属地区标识确定待检测农作物样本在所属地区的安全指数；生成模块用于根据所述待检测农作物样本、所述待检测农作物样本在所属地区的安全指数生成该待检测农作物样本的安全指数在全国的统计地图。
Description
技术领域
本发明涉及农作物危害物检测技术领域，特别涉及一种农作物危害物残留检测平台。
背景技术
农产品中的农药残留作为最突出的食品安全问题之一，对食品安全的影响一直是国内外共同关注的热点问题。农药残留风险评估是农产品质量安全风险评估的重要组成部分，是食品质量安全管理的国际通行做法；同时，也被认为是继食品卫生质量管理体系和危害分析关键控制点(HACCP)技术之后，在食品安全管理领域掀起的第三次浪潮。国外农药残留风险评估起步较早，20世纪30年代以来，美国出台了一系列法案开始对食品中的农药进行登记，并引入了“风险杯”概念，较早地开展了农药风险评估；1986年美国EPA发布了针对化学物质的风险准则，并公布了风险评估过程和相关数据库；1995年，联合国粮农组织(FAO)/世界卫生组织(WHO)农药残留联合专家会议(JMPR)就已制定了急性毒性物质的风险评估和急性毒性农药残留摄入量的预测；2010年，WHO发布了《食品中化学物的风险评估原则和方法》。此外，欧盟、澳大利亚、韩国、巴西等国也分别开展了本国或本区域的农药残留风险评估计划。
我国污染物风险分析可以追溯到20世纪60年代有机氯农药残留量标准的研究，2006年《农产品质量安全法》和2009年《食品安全法》颁布，明确要求开展食品安全风险监测与评估。2012年陈君石院士主审出版了《食品中化学物的风险评估原则和方法》WHO方法中文译本，其中包括膳食暴露评估、急性毒性的评估等内容，推动了我国风险评估工作与国际接轨。
在风险评估中，风险指数(HI/HQ/RQ)是评价食品安全状态的方法，已应用于果蔬、粮食、坚果中残留农药风险评估。2002年，我国研究人员在对国际公认的国际食品法典委员会(CAC)评价方法、全球环境监测系统/食品污染监测和评估规划(WHO GEMS/Food)，以及FAO/WHO食品添加剂联合专家委员会(JECFA)和JMPR对食品安全风险评估工作研究的基础之上，结合残留监控和膳食暴露评估，提出了以食品安全指数(IFS)计算食品中各种化学污染物对消费者健康危害程度的方法。食品安全指数(IFS)是表示食品安全状态的方法，可有效地评价某种农药的安全性，进而评价食品中各种农药类化学污染物对消费者健康的整体危害程度，其优点在于使用默认的标准假设或者模型，操作简单且结果容易被接受和理解。采用IFS值进行食品安全状态评估的基础是要取得准确的和有代表性的残留监测数据、每日允许摄入量(ADI)和急性参考剂量(ARfD)值以及食物消耗量等数据。
2003年，我国研究人员根据WHO的有关原则和我国的具体规定，结合危害物本身的敏感性、超标率及其相应的施检频率，提出了食品中危害物风险系数(R)的概念。R表示一定时期内某一危害物超标率或阳性检出率的高低，是衡量危害物风险程度大小的最直观参数。目前，我国已初步建立了农产品农药残留风险评估技术框架体系，但食品质量安全方面的研究仍相对薄弱。从已有文献来看，目前还没有食品农药残留系统性风险评估的技术方案。
发明内容
本发明的目的旨在至少解决所述技术缺陷之一。
为此，本发明的目的在于提出一种农作物危害物残留检测平台。
为了实现上述目的，本发明的实施例提供一种农作物危害物残留检测平台，包括：获取模块、查找模块、分析模块、确定模块和生成模块，其中，
所述获取模块用于获取待检测农作物样本中的危害物种类及待检测农作物样本所属地区标识；
所述查找模块用于从预设危害物风险系数表中查找该待检测农作物样本中危害物种类所对应的风险系数；
所述分析模块用于根据危害物的风险系数和预设食品安全指数模型对待检测农作物样本进行分析，以得到所述预设农作物样本的安全指数；
所述确定模块用于根据所述待检测农作物样本所属地区标识确定待检测农作物样本在所属地区的安全指数；
所述生成模块用于根据所述待检测农作物样本、所述待检测农作物样本在所属地区的安全指数生成该待检测农作物样本的安全指数在全国的统计地图。
进一步，所述危害物的风险系数为：
R＝aP+b/F+S,
其中，R为危害物的风险系数，P为该危害物种类的超标率，F为该危害物种类的施检频率，S为该危害物种类的敏感因子，a和b分别为权重系数。
进一步，所述预设食品安全指数模型，包括：
IFSC＝EDIC*f/SIC*bw,
EDIC＝￡(Ri*Fi*Ei*Pi),
其中，c为研究的危害物，EDIC为危害物的实际日摄入量估算值，SIC为安全摄入量，bw为人的平均体重，单位kg,f为校正因子，i为农作物种类，Ri为农作物i中危害物的残留水平，单位mg/kg，Fi为农作物i的估计日消费量，单位g/人﹒天，Ei为农作物i的可食用部分因子，Pi为农作物i的加工处理因子。
进一步，所述生成模块生成全国的统计地图，包括以下一种或多种类型：
(1)全国或某区域内一类农作物的IFSc最大值态势年度分析地图；
(2)全国或某区域内一类农作物中一类农药的IFSc最大值态势分析地图；
(3)全国或某区域内农药的风险系数最大值态势分析地图；
(4)多维度查询界面图；
(5)采样样本种类与数量的分布地图；
(6)农药检出和超标情况的分布地图；
(7)全国检出农药分析地图；
(8)检出农药残留水平分析地图；
(9)检出农药毒性分析地图；
(10)检出农药类别分析地图；
(11)高剧毒农药检出情况分析地图；
(12)全国不同MRL标准比较界面图；
(13)采样情况与农检情况分布地图；
(14)蔬菜水果的农残占比分布地图；
(15)单例样本农药种数与占比分布地图；
(16)检出高剧毒样本采样地分布地图；
(17)不同MRL标准下农药超标情况分布图；
(18)不同MRL标准下超标农产品分布地图。
进一步，在所述多维度查询界面图中，提供果蔬检测样本、检测农药和检测仪器三个维度的算法查询方式。
进一步，所述获取模块采用人工记录或无人机方式采集获取待检测农作物样本中的危害物种类及待检测农作物样本所属地区标识。
根据本发明实施例的农作物危害物残留检测平台，
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本发明实施例的农作物危害物残留检测平台的结构图；
图2为根据本发明实施例的农作物危害物残留检测平台的APP端界面图；
图3为根据本发明实施例的全国或某区域内一类农作物的IFSc最大值态势年度分析地图；
图4为根据本发明实施例的全国或某区域内一类农作物中一类农药的IFSc最大值态势分析地图；
图5为根据本发明实施例的全国或某区域内农药的风险系数最大值态势分析地图；
图6为根据本发明实施例的多维度查询界面图；
图7为根据本发明实施例的采样样本种类与数量的界面图；
图8为根据本发明实施例的农药检出和超标情况的分布地图；
图9a为根据本发明实施例的全国检出农药分析地图的PC端界面图；
图9b为根据本发明实施例的全国检出农药分析地图的APP端界面图；
图10a为根据本发明实施例的检出农药残留水平分析地图的PC端界面图；
图10b为根据本发明实施例的检出农药残留水平分析地图的APP端界面图；
图11a为根据本发明实施例的检出农药毒性分析地图的PC端界面图；
图11b为根据本发明实施例的检出农药毒性分析地图的APP端界面图；
图12为根据本发明实施例的检出农药类别分析地图；
图13为根据本发明实施例的高剧毒农药检出情况分析地图；
图14为根据本发明实施例的全国不同MRL标准比较(一)的界面图；
图15为根据本发明实施例的全国不同MRL标准比较(二)的界面图；
图16a为根据本发明实施例的采样情况与农检情况分布地图的PC端界面图；
图16b为根据本发明实施例的采样情况与农检情况分布地图的APP端界面图；
图17为根据本发明实施例的蔬菜水果的农残占比分布地图；
图18为根据本发明实施例的单例样本农药种数与占比分布地图；
图19为根据本发明实施例的检出高剧毒样本采样地分布地图；
图20为根据本发明实施例的不同MRL标准下农药超标情况分布图；
图21a为根据本发明实施例的不同MRL标准下超标农产品分布地图的PC端界面图；
图21b为根据本发明实施例的不同MRL标准下超标农产品分布地图的APP端界面图。
具体实施方式
下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
本发明实施例的农作物危害物残留检测平台，可以应用在个人计算机PC端或移动终端上。以移动终端为例，提供了数据展示和登录等功能。在手机上点击“农残平台”图标，进入到果蔬农残检测平台登录界面，输入用户名，密码，点击登录按钮，进入到农残平台主界面，如图2所示，点击主界面各功能模块图标，可进入对应数据查询分析界面。
如图1所示，本发明实施例的农作物危害物残留检测平台，包括：获取模块、查找模块、分析模块、确定模块和生成模块。
具体的，获取模块用于获取待检测农作物样本中的危害物种类及待检测农作物样本所属地区标识。
在本发明的实施例中，获取模块采用人工记录或无人机方式采集获取待检测农作物样本中的危害物种类及待检测农作物样本所属地区标识。
查找模块用于从预设危害物风险系数表中查找该待检测农作物样本中危害物种类所对应的风险系数。
下面对危害物的风险系数R的计算过程进行说明。
危害物的风险系数综合考虑了危害物的超标率或阳性检出率、施检频率和其本身的敏感性影响，并能直观而全面地反映出危害物在一段时间内的风险程度。风险系数R的计算公式如式(1)：
式中P为该种危害物的超标率；F为危害物的施检频率；S为危害物的敏感因子；a,b分别为相应的权重系数。
本次评价中F＝1；S＝1；a＝100；b＝0.1，对参数P进行计算，计算时首先判断是否为禁药，如果为非禁药，P＝超标的样品数(检测出的含量高于食品最大残留限量标准值，即MRL)除以总样品数(包括超标、不超标、未检出)；如果为禁药，则检出即为超标，P＝能检出的样品数除以总样品数。判断某市果蔬农药残留是否超标的标准限值MRL分别以MRL中国国家标准和MRL欧盟标准作为对照。
在本发明中，判断风险程度过程如下：
R≤1.5，受检农药处于低度风险；
1.5＜R≤2.5，受检农药处于中度风险；
R＞2.5，受检农药处于高度风险。
参考表1，根据R的定义和公式可知：某一种农药在某一个果蔬(如草莓1)中，有1个R值，那么在该类果蔬(所有草莓)中就会有1个R最大值和1个R平均值。
| IFS最大 | IFS平均 | R最大 | R平均 | |
| 某一果蔬 | √ | √ | × | × |
| 某类果蔬 | √ | √ | × | × |
| 某农药 | × | × | × | × |
| 某一果蔬+某农药 | √ | √ | √ | √ |
| 某类果蔬+某农药 | √ | √ | √ | √ |
表1
分析模块用于根据危害物的风险系数和预设食品安全指数模型对待检测农作物样本进行分析，以得到预设农作物样本的安全指数。
具体的，本发明采用了预设食品安全指数模型(IFSc)和风险系数(R)两种评价模式。通过与地理信息系统相结合，对市售水果上存在的农药存留现象进行成图和分析，以期为各类果蔬食品、农药的安全生产和管理部门进行管理提供科学依据和新的技术支持。
(1)IFSc的计算
IFSc计算公式如下：
式中，c为所研究的农药；EDIc为农药c的实际日摄入量估算值，等于∑(Ri×Fi×Ei×Pi)(i为食品种类；Ri为食品i中农药c的残留水平，mg/kg；Fi为食品i的估计日消费量，g/(人·天)；Ei为食品i的可食用部分因子；Pi为食品i的加工处理因子)；SIc为安全摄入量，可采用每日允许摄入量ADI；bw为人平均体重，kg；f为校正因子，如果安全摄入量采用ADI，则f取1。
IFSc＜＜1，农药c对食品安全没有影响；IFSc≤1，农药c对食品安全的影响可以接受；IFSc>1，农药c对食品安全的影响不可接受。
本次评价中：
IFSc≤0.1，农药c对果蔬安全没有影响；
0.1<IFSc≤1，农药c对果蔬安全的影响可以接受；
IFSc>1，农药c对果蔬安全的影响不可接受。
本次评价中残留水平Ri取值为中国检验检疫科学研究院庞国芳院士课题组的果蔬检测结果，估计日消费量Fi取值0.38kg/(人·天)，Ei＝1，Pi＝1，f＝1，SIC采用《食品安全国家标准食品中农药最大残留限量》(GB 2763—2016)中ADI值(具体数值见表2-4)，人平均体重(bw)取值60kg。
每例样品均侦测了995种农药(其中液质侦测544种农药，气质侦测722种农药，去重后共计995种，其中重复侦测的农药以最严标准要求——取其数值较大者)。
根据IFSc的定义和公式可知：某一个果蔬(如草莓1)在液质技术中有544个IFSc值(其中有一个IFSc最大值)，有一个
平均值(544个IFSc值加和平均)。该类果蔬(所有草莓)有一个
平均值。
确定模块用于根据待检测农作物样本所属地区标识确定待检测农作物样本在所属地区的安全指数。
生成模块用于根据待检测农作物样本、待检测农作物样本在所属地区的安全指数生成该待检测农作物样本的安全指数在全国的统计地图。
具体的，生成模块生成全国的统计地图，包括以下一种或多种类型：
(一)态势分析
(1)全国或某区域内一类农作物的IFSc最大值态势年度分析地图；
例如：查看2018年韭菜IFSc最大值势态分析，时间选择2018-01-01至2019-01-01，样本名称输入韭菜，点击确定按钮，即可完成数据分析。如图3所示。
(2)全国或某区域内一类农作物中一类农药的IFSc最大值态势分析地图；
全国(或某区域)某一类果蔬中某一农药的IFSc最大值态势分析(该类果蔬+农药)
例如：查看2018年韭菜中农药威杀灵的IFSc最大值势态分析，时间选择2018-01-01至2019-01-01，样本名称输入韭菜，农药名称输入威杀灵，点击确定按钮，即可完成数据分析。如图4所示。
(3)全国或某区域内农药的风险系数最大值态势分析地图；
例如，全国(或某区域)农药(可细分为禁药和非禁药)的R最大值态势分析(农药+果蔬)，如图5所示。
(二)数据展示
(4)多维度查询界面图
在多维度查询界面图中，本发明提供了果蔬检测样本、检测农药和检测仪器三个维度的算法查询方式。
如图6所示，PC端展示，点击农药会自动弹出检出排名前10的农药名称。
APP端展示多维度查询：APP在所有功能页面上方提供了果蔬检测样本、检测农药和检测仪器三个维度的算法查询方式。可进行地区、日期、查询维度的选择。
点击日期会弹出日期选择框，通过点选起始和截止日期来限定查询的时间段。
通过输入果蔬样本名称，对数据进行筛选，分析指定样本数据。
通过输入农药名称，可对指定农药进行数据分析。点击农药会自动弹出检出排名前10的农药名称。
通过选择设备名称，对GC-Q-TOF/MS和LC-Q-TOF/MS进行数据分析。
(5)采样样本种类与数量的分布地图
PC端展示：在采集样本种类和数量界面可查看全国各地区的果蔬样本分布情况，各类型样本数量和农药类型样本数量。点击某一个省市，可下钻到该省市下面各个区域的数据。在屏幕右边图例中可查看农药类型样本数和各类型样本数量的数据，如图7所示。
APP端展示：点击全国采集样本种类和数量可查看全国各地区的果蔬样本分布情况，各类型样本数量和农药类型样本数量。通过手机手势操作，可对地图进行放大缩小操作。
点击各类型样本数量按钮和农药类型样本数，可查看果蔬样本和农药样本的数量曲线图。通过手指操作放大地图，点击地图北京市，可查看北京市样本数量。
(6)农药检出和超标情况的分布地图
PC端展示：在农药检出和超标情况界面中，可查看全国各地区农药未检出、检出未超标、检出超标情况，并通过绿、黄、红三种颜色进行标示。如图8所示。
在屏幕右边图例中可查看中国MRL标准下超标率为0的农产品、农产品超标率前10的地区以及超标率前10的农产品超标率的数据。
APP端展示：点击北京，可查到北京各区县查看相应数据。点击进入全国农药检出和超标情况，可查看全国各地区农药未检出、检出未超标、检出超标情况，并通过绿、黄、红三种颜色进行标示。样本数量通过环形大小来进行等级划分，检出率通过颜色深浅在地图中进行标注。点击下面按钮可查看中国MRL标准下超标率前10农产品、中国MRL标准下农产品超标前10地区、中国MRL标准下超标率为0农产品。通过手指操作放大地图，点击地图北京市，可查看北京市农药检出情况。
(7)全国检出农药分析地图。
PC端展示：可查看全国各地区单例样本检出农药种类与占比情况，通过多色标识分级显示不同种数农药样本的占比。在界面右边可查看检出频次前10农药、检出农药频次前10农产品、检出农药种数前10农产品，如图9a所示。
APP端展示：全国检出农药分析，点击进入全国农药检出农药分析，可查看全国各地区单例样本检出农药种类与占比情况，通过多色标识分级显示不同种数农药样本的占比。如图9b所示。点击下面按钮可查看检出频次前10农药、检出农药频次前10农产品、检出农药种数前10农产品。
(8)检出农药残留水平分析地图
PC端展示：在检出农药残留水平界面中，可查看检出农药含量等级、检出频次和平均检出含量等信息，如图10a所示。
APP端展示：点击检出农药残留水平，可查看检出农药含量等级、检出频次和平均检出含量等信息。如图10b所示。
(9)检出农药毒性分析地图。
PC端展示：在检出农药毒性界面，可查看不同毒性，违禁非违禁农药的占比以及高剧毒农药频次占比，通过不同颜色来区分毒性和违禁非违禁，如图11a所示
APP端展示：检出农药毒性，点击检出农药毒性，可查看不同毒性，违禁非违禁农药的占比以及高剧毒农药频次占比，如图11b所示。
(10)检出农药类别分析地图
PC端展示：检出农药类别，在检出农药类别界面，可查看农药类别占比和农药种数数据。在界面右边可查看检出农药频次数据，如图12所示。
APP端展示：点击检出农药类别，可查看农药类别占比和农药种数数据。点击检出农药频次按钮，可查看农药频次数据
(11)高剧毒农药检出情况分析地图
PC端展示：在全国高剧毒农药检出情况界面中，可查看高剧毒农药样本占比、高剧毒农产品检出率以及高剧毒农药检出频次占比。界面右边可查看检出高剧毒农药频次前10的农产品以及高剧毒农药检出种类和频次数据，如图13所示。
APP端展示：点击全国高剧毒农药检出情况，可查看高剧毒农药样本占比、高剧毒农产品检出率以及高剧毒农药检出频次占比。点击高剧毒农药检出种类及频次和高剧毒频次前10农产品按钮可查看相应数据。
(12)全国不同MRL标准比较(一)界面图
PC端展示：在全国不同MRL标准比较(一)界面，可查看全国及地区农药招标情况及农药检出状况。在界面右边可查看检出农药与各国MRL标准比较、不同MRL标准农药超标情况以及不同MRL标准的农药超标频次数据，如图14所示。
APP端展示：点击全国不同MRL标准比较(一)，可查看全国及地区农药招标情况及农药检出状况。点击下方按钮，可查看检出农药与各国MRL标准比较、不同MRL标准农药超标情况以及不同MRL标准的农药超标频次数据。
(13)全国不同MRL标准比较(二)界面图
PC端展示：在全国不同MRL标准比较(二)界面中可查看全国及地区超标样本数和样本超标率数据。在界面右边可查看超标次数前15的农药数据和超标次数前10的农产品数据，如图15所示。
APP端展示：点击全国不同MRL标准比较(二)，可查看全国及地区超标样本数和样本超标率数据。点击下方按钮，可查看超标次数前15的农药数据和超标次数前10的农产品数据。
(14)采样情况与农检情况分布地图
PC端展示：在采样情况与农药检出情况界面，可查看全国各地区农药检出情况，样本数量和样本检出率。界面右边可查看检出农药种数前十农产品数据和个采样点农产品农药的检出率和超标率，如图16a所示
APP端展示：点击采样情况与农药检出情况按钮，可查看全国各地区农药检出情况，样本数量和样本检出率。点击下方按钮可查看检出农药种数前十农产品数据和个采样点农产品农药的检出率和超标率。如图16b所示
(15)蔬菜水果的农残占比分布地图
PC端展示：在蔬菜水果农残占比界面，可查看全国各地区农药检出情况数据。在界面右边可查看检出农药频次前十的农产品数据。如图17所示。
APP端展示：点击蔬菜水果农残占比按钮，可查看全国各地区农药检出情况数据。点击下方按钮可查看检出农药频次前十的农产品。
(16)单例样本农药种数与占比分布地图
PC端展示：在单例样本农药种数与占比界面，可查看全国各地区不同种数农药的样本占比数据和单例样本平均检出农药种数数据，如图18所示。
APP端展示：点击单例样本农药种数与占比按钮，可查看全国各地区不同种数农药的样本占比数据和单例样本平均检出农药种数数据。
(17)检出高剧毒样本采样地分布地图
PC端展示：高剧毒样本采样地界面，可查看全国各地区高剧毒蔬菜、水果的分布和高剧毒农药样本检出率，如图19所示。
APP端展示：点击高剧毒样本采样地按钮，可查看全国各地区高剧毒蔬菜、水果的分布和高剧毒农药样本检出率。
(18)不同MRL标准下农药超标情况分布图
PC端展示：在不同MRL标准农药超标情况界面，可查看全国各地区农药检出情况数据。在界面右边可查看不同MRL标准下超标次数前十的农药数据，如图20所示。
APP端展示：点击不同MRL标准农药超标情况按钮，可查看全国各地区农药检出情况数据。点击下方按钮，可查看不同MRL标准下超标次数前十的农药数据
(19)不同MRL标准下超标农产品分布地图。
PC端展示：在不同MRL标准下超标农产品分布界面，可查看全国各地区超标农产品种类数据和样本超标率数据。在界面右边可查看检出农药超标种类数据。如图21a所示
APP端展示：点击不同MRL标准下超标农产品分布按钮，可查看全国各地区超标农产品种类数据和样本超标率数据，如图21b所示。
根据本发明实施例的农作物危害物残留检测平台，通过获取待检测农作物样本中的危害物种类及待检测农作物样本所属地区标识，查找该待检测农作物样本中危害物种类所对应的风险系数；根据危害物的风险系数和预设食品安全指数模型对待检测农作物样本进行分析，以得到所述预设农作物样本的安全指数，确定待检测农作物样本在所属地区的安全指数；生成该待检测农作物样本的安全指数在全国的统计地图。通过上述方式可以对不同地域的农作物的安全指数在地图上进行标识，便于用户实时监测。并且，本申请可以提供多种类型的界面查询展示方式：全国或某区域内一类农作物的IFSc最大值态势年度分析地图；全国或某区域内一类农作物中一类农药的IFSc最大值态势分析地图；全国或某区域内农药的风险系数最大值态势分析地图；多维度查询界面图；采样样本种类与数量的分布地图；农药检出和超标情况的分布地图；全国检出农药分析地图；检出农药残留水平分析地图；检出农药毒性分析地图；检出农药类别分析地图；高剧毒农药检出情况分析地图；全国不同MRL标准比较界面图；采样情况与农检情况分布地图；蔬菜水果的农残占比分布地图；单例样本农药种数与占比分布地图；检出高剧毒样本采样地分布地图；不同MRL标准下农药超标情况分布图；不同MRL标准下超标农产品分布地图。通过上述多展示方式的提供，可以便于管理员及时获取农作物危害物残留的各项参数的检测，是的管理员可以更全面的获知各个区别农作物残留物的实时情侣。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本发明的范围由所附权利要求及其等同限定。
Claims (6)
1.一种农作物危害物残留检测平台，其特征在于，包括：获取模块、查找模块、分析模块、确定模块和生成模块，其中，
所述获取模块用于获取待检测农作物样本中的危害物种类及待检测农作物样本所属地区标识；
所述查找模块用于从预设危害物风险系数表中查找该待检测农作物样本中危害物种类所对应的风险系数；
所述分析模块用于根据危害物的风险系数和预设食品安全指数模型对待检测农作物样本进行分析，以得到所述预设农作物样本的安全指数；
所述确定模块用于根据所述待检测农作物样本所属地区标识确定待检测农作物样本在所属地区的安全指数；
所述生成模块用于根据所述待检测农作物样本、所述待检测农作物样本在所属地区的安全指数生成该待检测农作物样本的安全指数在全国的统计地图。
2.如权利要求1所述的农作物危害物残留检测平台，其特征在于，所述危害物的风险系数为：
R＝aP+b/F+S,
其中，R为危害物的风险系数，P为该危害物种类的超标率，F为该危害物种类的施检频率，S为该危害物种类的敏感因子，a和b分别为权重系数。
3.如权利要求1所述的农作物危害物残留检测平台，其特征在于，所述预设食品安全指数模型，包括：
IFSC＝EDIC*f/SIC*bw,
EDIC＝￡(Ri*Fi*Ei*Pi),
其中，c为研究的危害物，EDIC为危害物的实际日摄入量估算值，SIC为安全摄入量，bw为人的平均体重，单位kg,f为校正因子，i为农作物种类，Ri为农作物i中危害物的残留水平，单位mg/kg，Fi为农作物i的估计日消费量，单位g/人﹒天，Ei为农作物i的可食用部分因子，Pi为农作物i的加工处理因子。
4.如权利要求书1所述的农作物危害物残留检测平台，其特征在于，所述生成模块生成全国的统计地图，包括以下一种或多种类型：
(1)全国或某区域内一类农作物的IFSc最大值态势年度分析地图；
(2)全国或某区域内一类农作物中一类农药的IFSc最大值态势分析地图；
(3)全国或某区域内农药的风险系数最大值态势分析地图；
(4)多维度查询界面图；
(5)采样样本种类与数量的分布地图；
(6)农药检出和超标情况的分布地图；
(7)全国检出农药分析地图；
(8)检出农药残留水平分析地图；
(9)检出农药毒性分析地图；
(10)检出农药类别分析地图；
(11)高剧毒农药检出情况分析地图；
(12)全国不同MRL标准比较界面图；
(13)采样情况与农检情况分布地图；
(14)蔬菜水果的农残占比分布地图；
(15)单例样本农药种数与占比分布地图；
(16)检出高剧毒样本采样地分布地图；
(17)不同MRL标准下农药超标情况分布图；
(18)不同MRL标准下超标农产品分布地图。
5.如权利要求书4所述的农作物危害物残留检测平台，其特征在于，在所述多维度查询界面图中，提供果蔬检测样本、检测农药和检测仪器三个维度的算法查询方式。
6.如权利要求1所述的农作物危害物残留检测平台，其特征在于，所述获取模块采用人工记录或无人机方式采集获取待检测农作物样本中的危害物种类及待检测农作物样本所属地区标识。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010920767.1A CN112034104A (zh) | 2020-09-04 | 2020-09-04 | 一种农作物危害物残留检测平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010920767.1A CN112034104A (zh) | 2020-09-04 | 2020-09-04 | 一种农作物危害物残留检测平台 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112034104A true CN112034104A (zh) | 2020-12-04 |
Family
ID=73591446
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010920767.1A Pending CN112034104A (zh) | 2020-09-04 | 2020-09-04 | 一种农作物危害物残留检测平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112034104A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114417954A (zh) * | 2021-12-01 | 2022-04-29 | 江苏权正检验检测有限公司 | 一种提升食品检测效果的信息处理方法及系统 |
| CN117151550A (zh) * | 2023-10-31 | 2023-12-01 | 南通中奥车用新材料有限公司 | pvc人造革的生产质量检测方法及装置 |
| CN117390143A (zh) * | 2023-12-13 | 2024-01-12 | 深圳海关食品检验检疫技术中心 | 基于区块链的食品检测数据处理方法 |
| CN118052439A (zh) * | 2024-03-25 | 2024-05-17 | 湖南供销电子商务股份有限公司 | 一种检测数据为基础的农产品质量安全管理及推广系统 |
| CN118465122A (zh) * | 2024-05-13 | 2024-08-09 | 连云港市食品药品检验检测中心 | 一种化妆品禁用物质检测方法及系统 |
| CN118465122B (zh) * | 2024-05-13 | 2024-10-22 | 连云港市食品药品检验检测中心 | 一种化妆品禁用物质检测方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106294838A (zh) * | 2016-08-18 | 2017-01-04 | 贵州省分析测试研究院 | 食品安全有毒有害物质检验检测大数据结构化的方法 |
| CN107016617A (zh) * | 2016-01-28 | 2017-08-04 | 北京工商大学 | 一种基于多重放射环的农产品农残检测数据的可视化方法 |
| CN107180076A (zh) * | 2017-04-18 | 2017-09-19 | 中国检验检疫科学研究院 | 基于高分辨质谱+互联网+地理信息的农药残留在线溯源与预警视频化方法 |
| CN107318548A (zh) * | 2017-06-30 | 2017-11-07 | 四川省农业科学院土壤肥料研究所 | 一种在镉污染土壤安全生产水稻的方法 |
-
2020
- 2020-09-04 CN CN202010920767.1A patent/CN112034104A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107016617A (zh) * | 2016-01-28 | 2017-08-04 | 北京工商大学 | 一种基于多重放射环的农产品农残检测数据的可视化方法 |
| CN106294838A (zh) * | 2016-08-18 | 2017-01-04 | 贵州省分析测试研究院 | 食品安全有毒有害物质检验检测大数据结构化的方法 |
| CN107180076A (zh) * | 2017-04-18 | 2017-09-19 | 中国检验检疫科学研究院 | 基于高分辨质谱+互联网+地理信息的农药残留在线溯源与预警视频化方法 |
| CN107318548A (zh) * | 2017-06-30 | 2017-11-07 | 四川省农业科学院土壤肥料研究所 | 一种在镉污染土壤安全生产水稻的方法 |
Non-Patent Citations (2)
| Title |
|---|
| 吴霖等: "都江堰市葡萄农药残留风险评估", 《贵州农业科学》 * |
| 庞国芳等: "基于风险值自动计算――信息多维采集的农药残留大数据评估市售果蔬安全水平", 《中国科学院院刊》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114417954A (zh) * | 2021-12-01 | 2022-04-29 | 江苏权正检验检测有限公司 | 一种提升食品检测效果的信息处理方法及系统 |
| CN114417954B (zh) * | 2021-12-01 | 2023-12-26 | 江苏权正检验检测有限公司 | 一种提升食品检测效果的信息处理方法及系统 |
| CN117151550A (zh) * | 2023-10-31 | 2023-12-01 | 南通中奥车用新材料有限公司 | pvc人造革的生产质量检测方法及装置 |
| CN117151550B (zh) * | 2023-10-31 | 2024-01-26 | 南通中奥车用新材料有限公司 | pvc人造革的生产质量检测方法及装置 |
| CN117390143A (zh) * | 2023-12-13 | 2024-01-12 | 深圳海关食品检验检疫技术中心 | 基于区块链的食品检测数据处理方法 |
| CN117390143B (zh) * | 2023-12-13 | 2024-05-03 | 深圳海关食品检验检疫技术中心 | 基于区块链的食品检测数据处理方法 |
| CN118052439A (zh) * | 2024-03-25 | 2024-05-17 | 湖南供销电子商务股份有限公司 | 一种检测数据为基础的农产品质量安全管理及推广系统 |
| CN118465122A (zh) * | 2024-05-13 | 2024-08-09 | 连云港市食品药品检验检测中心 | 一种化妆品禁用物质检测方法及系统 |
| CN118465122B (zh) * | 2024-05-13 | 2024-10-22 | 连云港市食品药品检验检测中心 | 一种化妆品禁用物质检测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112034104A (zh) | 一种农作物危害物残留检测平台 | |
| WO2018192421A1 (zh) | 基于高分辨质谱+互联网+地理信息的农药残留在线溯源与预警视频化方法 | |
| Reid et al. | It's not easy assessing greenness: a comparison of NDVI datasets and neighborhood types and their associations with self-rated health in New York City | |
| Quattrochi et al. | Image characterization and modeling system (ICAMS): a geographic information system for the characterization and modeling of multiscale remote sensing data | |
| WO2018192418A1 (zh) | 基于高分辨质谱、互联网和数据科学的农药残留侦测数据平台及侦测报告自动生成方法 | |
| Guo et al. | Pedodiversity in the United States of America | |
| CN106920044B (zh) | 基于模糊综合评价模型的农药残留风险评估方法 | |
| Sperduto et al. | Predicting rare orchid (small whorled pogonia) habitat using GIS | |
| CN105741216A (zh) | 智慧食品质量安全监管体系 | |
| Bach et al. | Accuracy and congruency of three different digital land-use maps | |
| Crosby et al. | Quality in the analytical chemistry laboratory | |
| Galán et al. | Airborne fungal spore monitoring: between analyst proficiency testing | |
| Gillison | A generic, computer-assisted method for rapid vegetation classification and survey: tropical and temperate case studies | |
| Jones et al. | The EU societal awareness of landscape indicator: A review of its meaning, utility and performance across different scales | |
| Silva Junior et al. | Object-based image analysis supported by data mining to discriminate large areas of soybean | |
| Keller et al. | Improving GIS-based wildlife-habitat analysis | |
| CN107016617B (zh) | 一种基于多重放射环的农产品农残检测数据的可视化方法 | |
| CN113324928B (zh) | 一种基于图谱数据智能化无损检测菜肴食品营养含量方法 | |
| Frew et al. | Measuring Douglas-fir crown growth with multitemporal LiDAR | |
| CN109377241A (zh) | 一种基于gis的粮食品质监控展示方法及系统 | |
| Hallett et al. | SEISMIC: a desktop information system for assessing the fate and behaviour of pesticides in the environment | |
| Phillips et al. | Prediction of senescent rangeland canopy structural attributes with airborne hyperspectral imagery | |
| Cooke et al. | Analysing agricultural plant protection product concentrations in groundwater in Germany: Nationwide database with site and compound insights | |
| Durazzo et al. | Metrology, Agriculture and Food: Literature Quantitative Analysis. Agriculture 2021, 11, 889 | |
| Schreuder et al. | Combining mapped and statistical data in forest ecological inventory and monitoring–supplementing an existing system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201204 |
|
| RJ01 | Rejection of invention patent application after publication |