CN112381364A - 一种食品质量抽检的综合评价方法 - Google Patents
一种食品质量抽检的综合评价方法 Download PDFInfo
- Publication number
- CN112381364A CN112381364A CN202011190454.1A CN202011190454A CN112381364A CN 112381364 A CN112381364 A CN 112381364A CN 202011190454 A CN202011190454 A CN 202011190454A CN 112381364 A CN112381364 A CN 112381364A
- Authority
- CN
- China
- Prior art keywords
- food
- evaluation
- content
- spot check
- comprehensive evaluation
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 169
- 235000013305 food Nutrition 0.000 title claims abstract description 117
- 239000011159 matrix material Substances 0.000 claims abstract description 49
- 238000007689 inspection Methods 0.000 claims abstract description 48
- 238000005070 sampling Methods 0.000 claims abstract description 43
- 239000013598 vector Substances 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 24
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 8
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 8
- 230000006870 function Effects 0.000 claims abstract description 7
- 235000015219 food category Nutrition 0.000 claims abstract description 4
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 229910001385 heavy metal Inorganic materials 0.000 claims description 34
- 244000005700 microbiome Species 0.000 claims description 31
- 239000002778 food additive Substances 0.000 claims description 29
- 235000013373 food additive Nutrition 0.000 claims description 29
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 claims description 12
- 229910052782 aluminium Inorganic materials 0.000 claims description 12
- 229910052804 chromium Inorganic materials 0.000 claims description 12
- 239000011651 chromium Substances 0.000 claims description 12
- 238000004140 cleaning Methods 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 10
- 241000588724 Escherichia coli Species 0.000 claims description 9
- 241000191967 Staphylococcus aureus Species 0.000 claims description 9
- 239000002253 acid Substances 0.000 claims description 9
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims description 9
- KRKNYBCHXYNGOX-UHFFFAOYSA-N citric acid Chemical compound OC(=O)CC(O)(C(O)=O)CC(O)=O KRKNYBCHXYNGOX-UHFFFAOYSA-N 0.000 claims description 9
- 244000248349 Citrus limon Species 0.000 claims description 6
- 235000005979 Citrus limon Nutrition 0.000 claims description 6
- 239000000654 additive Substances 0.000 claims description 6
- 230000000996 additive effect Effects 0.000 claims description 6
- 238000010561 standard procedure Methods 0.000 claims description 6
- 230000001580 bacterial effect Effects 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 3
- -1 aluminum ion Chemical class 0.000 claims description 3
- 229910052797 bismuth Inorganic materials 0.000 claims description 3
- 229910001430 chromium ion Inorganic materials 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- RVPVRDXYQKGNMQ-UHFFFAOYSA-N lead(2+) Chemical compound [Pb+2] RVPVRDXYQKGNMQ-UHFFFAOYSA-N 0.000 claims description 3
- 230000002906 microbiologic effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 4
- 238000007418 data mining Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- QIQWRCNAPQJQLL-COALEZEGSA-N (z)-but-2-enedioic acid;5-[(1r,2r)-2-(5,5-dimethylhex-1-ynyl)cyclopropyl]-1h-imidazole Chemical compound OC(=O)\C=C/C(O)=O.CC(C)(C)CCC#C[C@@H]1C[C@H]1C1=CN=CN1 QIQWRCNAPQJQLL-COALEZEGSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 235000021404 traditional food Nutrition 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Algebra (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Quality & Reliability (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开一种食品质量抽检的综合评价方法,涉及数据处理技术领域,采用技术方案包括:获取不同食品品类在不同区域的历史抽检数据,预处理数据,并构建食品质量抽检综合评价指标体系;基于该体系,确认评价因子集和评语集,首先采用层次分析法,通过构造判断矩阵,确定所有评价指标的权向量,并进一步计算同一组评价指标的组合权重,随后采用模糊综合评价法,建立评价指标的隶属函数,构成评价矩阵;利用加权平均算子模糊合成组合权重和评价矩阵,输出影响食品安全的综合评价结果,该评价结果即为评价指标影响食品安全的概率。本发明可以预测不同地理区域的食品风险指数,向抽检人员提供抽检依据,提高抽检针对性,降低食品安全风险。
Description
技术领域
本发明涉及数据处理技术领域,具体的说是一种食品质量抽检的综合评价方法。
背景技术
食品安全是政府、行业机构和人民群众特别关系的问题,这是关系国计民生的重大问题。为了保障食品的安全,国家每年都要进行庞大的数据抽检工作,这个过程会产生大量的抽检数据,对其进行数据挖掘,能给食品抽检工作带来极大的帮助。在十三五规划中,国家每年投入超过百亿元经费实施食品检测和监测建设项目,以食品抽检为手段,保障人民群众的食品安全。
目前,国内对食品风险评估预警的手段主要限于对日常的抽检数据事后做数理统计、典型病例事件通报等。对食品检测数据的深入分析与应用缺乏有效的手段。通过顾小林、张大为、张可撰写的相关论文《基于关联规则挖掘的食品安全信息预警模型》可以知晓,历史抽检数据通过适当的数据挖掘技术可以在海量数据中自动发现有用的规律或者先前未知的潜在有用的模式,以达到食品安全风险的预筛及预警。大数据的挖掘是基于传统的数据挖掘,而数据挖掘技术由众多学科领域技术的集成,比较常见的机器学习数据挖掘技术有逻辑回归(Logistics regression,LR)、贝叶斯网络 (Bayesian Network,BN)、支持向量机(Support Vector Machine,SVM)、人工智能网络(Artificial Neuron Network,ANN)等。
Khosa I,Pasero E.Defect detection in food ingredients usingMultilayer Perceptron Neural Network[C].2014,以及World Symposium on ComputerApplications&Research(WSCAR),2014,其公开了利用数据挖掘的数段对抽检的数据进行处理,先对多维的参数做归一化,最后通过多层的神经完了建立抽检数据中原因变量和结果变量之间的关系,取得了较好的效果。
专利申请号为CN201120566657.6的中国专利提出通过通信网络采集各种食品安全信息来评估食品的安全等级,并将安全等级反馈给用户终端,给用户提供了决策的依据。
专利申请号CN201810701394.1的中国专利提出通过历史检验数据的合格率,构建基于时间序列的矩阵对地区的食品安全做预测。
然而,基于现有已经公开的文献,针对不同种类的食品和不同区域,在实际的应用中很难做出个性化的建模分析,这也是现有食品评估模型无法解决的问题。
发明内容
本发明针对目前技术发展的需求和不足之处,提供一种食品质量抽检的综合评价方法。
本发明的一种食品质量抽检的综合评价方法,解决上述技术问题采用的技术方案如下:
一种食品质量抽检的综合评价方法,其具体包括如下步骤:
步骤S1、获取不同食品品类在不同区域的历史抽检数据;
步骤S2、对历史抽检数据进行预处理;
步骤S3、根据食品安全的影响因素,利用预处理后的历史抽检数据构建食品质量抽检综合评价指标体系;
步骤S4、基于食品质量抽检综合评价指标体系包含的评价指标,确认评价因子集U和评语集V;
步骤S5、针对食品质量抽检综合评价指标体系包含的评价指标,采用层次分析法,通过构造判断矩阵,确定所有评价指标的权向量,并进一步计算同一组评价指标的组合权重;
步骤S6、针对食品质量抽检综合评价指标体系包含的评价指标,采用模糊综合评价法,建立评价指标的隶属函数,构成评价矩阵;
步骤S7、利用加权平均算子模糊合成步骤S5的组合权重和步骤S6的评价矩阵,输出影响食品安全的评价结果。
可选的,执行步骤S2时,对历史抽检数据进行预处理,其具体操作包括:
步骤S2.1、利用数据清洗技术对历史抽检数据进行清洗,包括:对包含空缺值的历史抽检数据使用二次线性插值法进行填充,对历史抽检数据的异常数据进行错误纠正,对重复的历史抽检数据进行清除操作,清洗后的历史抽检数据服从正态分布;
步骤S2.2、针对各个区域,使用公式(1)对各个种类的历史抽检数据进行归一化处理,
χ(n)表示待处理抽检种类数目,max表示抽检数据最大值,min表示抽检数据的最小值;
步骤S2.3、对归一化处理后的历史抽检数据进行统计分类,得出各个种类的不合格数目以及合格率。
可选的,所涉及食品质量抽检综合评价指标体系包括目标层、总指标层和分指标层,其中,
目标层用于输出影响食品安全的综合评价结果;
总指标层包括微生物、重金属、食品添加剂;
微生物的分指标层包括大肠杆菌、菌落总数、金黄色葡萄球菌;
重金属的分指标层包括铅、铬、铝;
添加剂的分指标层包括总酸、柠檬黄、日落黄。
可选的,基于食品质量抽检综合评价指标体系包含的评价指标,确认评价因子集U和评语集V,其具体操作包括:
步骤S4.1、首先,基于食品质量抽检综合评价指标体系的总目标层,建立子集 {微生物含量}、子集{重金属含量}、子集{食品添加剂含量};
步骤S4.2、其次,基于食品质量抽检综合评价指标体系的分指标层,分别确认子集{微生物含量}、子集{重金属含量}、子集{食品添加剂含量}的评价因子集U1、U2、 U3和评语集V1、V2、V3,
(a)对于子集{微生物含量}来说,
评价因子集U1={u11,u12,u13}={大肠杆菌,菌落总数,金黄色葡萄球菌},
评语集V1={v11,v12,v13,v14}={质量很高,质量较高,质量不太高,质量很低};
(b)对于子集{重金属含量}来说,
评价因子集U2={u21,u22,u23}={铅,铬,铝},
评语集V2={v21,v22,v23,v24}={质量很高,质量较高,质量不太高,质量很低};
(c)对于子集{食品添加剂含量}来说,
评价因子集U3={u31,u32,u33}={总酸,柠檬酸,日落黄},
评语集V3={v31,v32,v33,v34}={质量很高,质量较高,质量不太高,质量很低};
步骤S4.3、最后,建立集合{食品安全评估},集合{食品安全评估}包括子集 {微生物含量}、子集{重金属含量}、子集{食品添加剂含量},确认集合{食品安全评估} 的评价因子集U和评语集V,
评价因子集U={U1,U2,U3}={微生物含量,重金属含量,食品添加剂含量};
评语集V={V1,V2,V3,V4}={质量很高,质量较高,质量不太高,质量很低}。
可选的,执行步骤S5,针对食品质量抽检综合评价指标体系包含的评价指标,采用层次分析法,通过构造判断矩阵,确定所有评价指标的权向量,并进一步计算同一组评价指标的组合权重,其具体操作包括:
步骤S5.1、采用1-9及倒数的标准方法,基于食品质量抽检综合评价指标体系的总指标层,针对每种食品中微生物、重金属、食品添加剂的不合格数目所占比例,通过两两比较构造一级判断矩阵:S=(uij)p×p;
步骤S5.2、采用1-9及倒数的标准方法,基于食品质量抽检综合评价指标体系的总指标层和分指标层,将每种食品中微生物的大肠杆菌含量、菌落总数含量、金黄色葡萄球菌含量进行两两比较,构造二级判断矩阵:C1=(uij)p×p;
将每种食品中重金属的铅离子含量、铬离子含量、铝离子含量进行两两比较,构造二级判断矩阵:C2=(uij)p×p;
将每种食品中食品添加剂的酸含量、柠檬黄含量、日落黄含量进行两两比较,构造二级判断矩阵:C3=(uij)p×p;
步骤S5.3、对构造的一级判断矩阵和二级判断矩阵进行一致性校验;
步骤S5.5、基于二级判断矩阵通过一致性校验后确定的评价指标的权向量,分别计算总指标层中微生物、重金属、食品添加剂的组合权重向量。
优选的,执行步骤S5.4时,根据二级判断矩阵确定所对应评价指标的权向量后,对权向量做归一化处理,随后采用几何平均法和规范列平均法分别计算微生物、重金属、食品添加剂的组合权重向量;
计算得到的组合权重向量需要进行一致性校验。
可选的,执行步骤S6时,基于权向量A=(a1,a2,......,ap),其中,权向量A中的元素ai本质上是因素对模糊子{对被评事物无重要的因素}的隶属度,建立评价指标的隶属函数,构成评价矩阵R(rij),
其中,rij表示分指标层各评价指标对其所属总指标层评价指标的合成权重。
可选的,执行步骤S7,利用加权平均算子模糊合成步骤S5的组合权重和步骤S6 的评价矩阵,输出影响食品安全的评价结果,具体过程包括:
步骤S7.1、利用加权平均算子模糊合成步骤S5的组合权重和步骤S6的评价矩阵,得到评价结果向量B,即
其中,bi是由A与R的第j列运算得到的,表示被评事物从整体上看对Vj等级模糊子集的隶属层度;
步骤S7.2、针对评价结果向量B,bi的表达式为:
其中,bi,ai,rij分别为隶属于第j等级的隶属度、第i个评价指标的权重和第i个评价指标隶属属于第j等级的隶属度;
步骤S7.3、输出影响食品安全的评价结果向量B,即
B={b1,b2,b3},
其中,b1、b2、b3是评价指标微生物、重金属、添加剂影响食品安全的概率。
本发明的一种食品质量抽检的综合评价方法,与现有技术相比具有的有益效果是:
1)本发明改善了传统食品安全采用不合格率进行评价的缺点,结合层次分析法和模糊综合评价法,实现了对不同地区不同种类的农产品抽检的个性化风险评估,给监管部门提供了决策依据,可以降低人力成本;
2)本发明可以本地检测数据、各区域检测数据,预测未来不同地理区域或市场的食品风险指数,并进一步通过预测不同地理区域的食品风险指数,向抽检人员提供抽检依据,提高抽检针对性,提高食品安全检验效率,为食品需求和生产提供指导,提高食品的利用率,降低食品安全风险。
附图说明
附图1是本发明实施例一的方法流程框图;
附图2是本发明实施例一构建的食品质量抽检综合评价指标体系示意图;
附图3是本发明实施例一中步骤S5的流程框图。
具体实施方式
为使本发明的技术方案、解决的技术问题和技术效果更加清楚明白,以下结合具体实施例,对本发明的技术方案进行清楚、完整的描述。
实施例一:
结合附图1,本实施例提出一种食品质量抽检的综合评价方法,其具体包括如下步骤:
步骤S1、获取不同食品品类在不同区域的历史抽检数据。
步骤S2、对历史抽检数据进行预处理,具体操作包括:
步骤S2.1、利用数据清洗技术对历史抽检数据进行清洗,包括:对包含空缺值的历史抽检数据使用二次线性插值法进行填充,对历史抽检数据的异常数据进行错误纠正,对重复的历史抽检数据进行清除操作,清洗后的历史抽检数据服从正态分布;
步骤S2.2、针对各个区域,使用公式(1)对各个种类的历史抽检数据进行归一化处理,
χ(n)表示待处理抽检种类数目,max表示抽检数据最大值,min表示抽检数据的最小值;
步骤S2.3、对归一化处理后的历史抽检数据进行统计分类,得出各个种类的不合格数目以及合格率。
步骤S3、根据食品安全的影响因素,利用预处理后的历史抽检数据构建食品质量抽检综合评价指标体系。
本实施例中,构建的食品质量抽检综合评价指标体系包括3层,分别为目标层、总指标层和分指标层。结合附图2,其中,
目标层用于输出影响食品安全的综合评价结果;
总指标层包括微生物、重金属、食品添加剂;
微生物的分指标层包括大肠杆菌、菌落总数、金黄色葡萄球菌;
重金属的分指标层包括铅、铬、铝;
添加剂的分指标层包括总酸、柠檬黄、日落黄。
步骤S4、基于食品质量抽检综合评价指标体系包含的评价指标,确认评价因子集U和评语集V,其具体操作包括:
步骤S4.1、首先,基于食品质量抽检综合评价指标体系的总目标层,建立子集 {微生物含量}、子集{重金属含量}、子集{食品添加剂含量};
步骤S4.2、其次,基于食品质量抽检综合评价指标体系的分指标层,分别确认子集{微生物含量}、子集{重金属含量}、子集{食品添加剂含量}的评价因子集U1、 U2、U3和评语集V1、V2、V3,
(a)对于子集{微生物含量}来说,
评价因子集U1={u11,u12,u13}={大肠杆菌,菌落总数,金黄色葡萄球菌},
评语集V1={v11,v12,v13,v14}={质量很高,质量较高,质量不太高,质量很低};
(b)对于子集{重金属含量}来说,
评价因子集U2={u21,u22,u23}={铅,铬,铝},
评语集V2={v21,v22,v23,v24}={质量很高,质量较高,质量不太高,质量很低};
(c)对于子集{食品添加剂含量}来说,
评价因子集U3={u31,u32,u33}={总酸,柠檬酸,日落黄},
评语集V3={v31,v32,v33,v34}={质量很高,质量较高,质量不太高,质量很低};
步骤S4.3、最后,建立集合{食品安全评估},集合{食品安全评估}包括子集{微生物含量}、子集{重金属含量}、子集{食品添加剂含量},确认集合 {食品安全评估}的评价因子集U和评语集V,
评价因子集U={U1,U2,U3}={微生物含量,重金属含量,食品添加剂含量};
评语集V={V1,V2,V3,V4}={质量很高,质量较高,质量不太高,质量很低}。
步骤S5、针对食品质量抽检综合评价指标体系包含的评价指标,采用层次分析法,通过构造判断矩阵,确定所有评价指标的权向量,并进一步计算同一组评价指标的组合权重,结合附图3,其具体操作包括:
步骤S5.1、采用1-9及倒数的标准方法,基于食品质量抽检综合评价指标体系的总指标层,针对每种食品中微生物、重金属、食品添加剂的不合格数目所占比例,通过两两比较构造一级判断矩阵:S=(uij)p×p;
步骤S5.2、采用1-9及倒数的标准方法,基于食品质量抽检综合评价指标体系的总指标层和分指标层,将每种食品中微生物的大肠杆菌含量、菌落总数含量、金黄色葡萄球菌含量进行两两比较,构造二级判断矩阵:C1=(uij)p×p;
将每种食品中重金属的铅离子含量、铬离子含量、铝离子含量进行两两比较,构造二级判断矩阵:C2=(uij)p×p;
将每种食品中食品添加剂的酸含量、柠檬黄含量、日落黄含量进行两两比较,构造二级判断矩阵:C3=(uij)p×p;
步骤S5.3、对构造的一级判断矩阵和二级判断矩阵进行一致性校验;
步骤S5.5、对二级判断矩阵通过一致性校验后确定的评价指标的权向量,做归一化处理,随后采用几何平均法和规范列平均法分别计算总指标层中微生物、重金属、食品添加剂的组合权重向量,对计算得到的组合权重向量需要进行一致性校验。
步骤S6、针对食品质量抽检综合评价指标体系包含的评价指标,采用模糊综合评价法,建立评价指标的隶属函数,构成评价矩阵,具体操作为:
其中,rij表示分指标层各评价指标对其所属总指标层评价指标的合成权重。
步骤S7、利用加权平均算子模糊合成步骤S5的组合权重和步骤S6的评价矩阵,输出影响食品安全的评价结果。具体过程包括:
步骤S7.1、利用加权平均算子模糊合成步骤S5的组合权重和步骤S6的评价矩阵,得到评价结果向量B,即
其中,bi是由A与R的第j列运算得到的,表示被评事物从整体上看对Vj等级模糊子集的隶属层度;
步骤S7.2、针对评价结果向量B,bi的表达式为:
其中,bi,ai,rij分别为隶属于第j等级的隶属度、第i个评价指标的权重和第i个评价指标隶属属于第j等级的隶属度;
步骤S7.3、输出影响食品安全的评价结果向量B,即
B={b1,b2,b3},
其中,b1、b2、b3是评价指标微生物、重金属、添加剂影响食品安全的概率。
综上可知,采用本发明的一种食品质量抽检的综合评价方法,可以通过预测不同地理区域的食品风险指数,向抽检人员提供抽检依据,提高抽检针对性,提高食品安全检验效率,降低食品安全风险。
基于本发明的上述具体实施例,本技术领域的技术人员在不脱离本发明原理的前提下,对本发明所作出的任何改进和修饰,皆应落入本发明的专利保护范围。
Claims (8)
1.一种食品质量抽检的综合评价方法,其特征在于,其具体包括如下步骤:
步骤S1、获取不同食品品类在不同区域的历史抽检数据;
步骤S2、对历史抽检数据进行预处理;
步骤S3、根据食品安全的影响因素,利用预处理后的历史抽检数据构建食品质量抽检综合评价指标体系;
步骤S4、基于食品质量抽检综合评价指标体系包含的评价指标,确认评价因子集U和评语集V;
步骤S5、针对食品质量抽检综合评价指标体系包含的评价指标,采用层次分析法,通过构造判断矩阵,确定所有评价指标的权向量,并进一步计算同一组评价指标的组合权重;
步骤S6、针对食品质量抽检综合评价指标体系包含的评价指标,采用模糊综合评价法,建立评价指标的隶属函数,构成评价矩阵;
步骤S7、利用加权平均算子模糊合成步骤S5的组合权重和步骤S6的评价矩阵,输出影响食品安全的综合评价结果。
2.根据权利要求1所述的一种食品质量抽检的综合评价方法,其特征在于,执行步骤S2时,对历史抽检数据进行预处理,其具体操作包括:
步骤S2.1、利用数据清洗技术对历史抽检数据进行清洗,包括:对包含空缺值的历史抽检数据使用二次线性插值法进行填充,对历史抽检数据的异常数据进行错误纠正,对重复的历史抽检数据进行清除操作,清洗后的历史抽检数据服从正态分布;
步骤S2.2、针对各个区域,使用公式(1)对各个种类的历史抽检数据进行归一化处理,
χ(n)表示待处理抽检种类数目,max表示抽检数据最大值,min表示抽检数据的最小值;
步骤S2.3、对归一化处理后的历史抽检数据进行统计分类,得出各个种类的不合格数目以及合格率。
3.根据权利要求2所述的一种食品质量抽检的综合评价方法,其特征在于,所述食品质量抽检综合评价指标体系包括目标层、总指标层和分指标层,其中,
所述目标层用于输出影响食品安全的综合评价结果;
所述总指标层包括微生物、重金属、食品添加剂;
所述微生物的分指标层包括大肠杆菌、菌落总数、金黄色葡萄球菌;
所述重金属的分指标层包括铅、铬、铝;
所述添加剂的分指标层包括总酸、柠檬黄、日落黄。
4.根据权利要求3所述的一种食品质量抽检的综合评价方法,其特征在于,基于食品质量抽检综合评价指标体系包含的评价指标,确认评价因子集U和评语集V,其具体操作包括:
步骤S4.1、首先,基于食品质量抽检综合评价指标体系的总目标层,建立子集{微生物含量}、子集{重金属含量}、子集{食品添加剂含量};
步骤S4.2、其次,基于食品质量抽检综合评价指标体系的分指标层,分别确认子集{微生物含量}、子集{重金属含量}、子集{食品添加剂含量}的评价因子集U1、U2、U3和评语集V1、V2、V3,
(a)对于子集{微生物含量}来说,
评价因子集U1={u11,u12,u13}={大肠杆菌,菌落总数,金黄色葡萄球菌},
评语集V1={v11,v12,v13,v14}={质量很高,质量较高,质量不太高,质量很低};
(b)对于子集{重金属含量}来说,
评价因子集U2={u21,u22,u23}={铅,铬,铝},
评语集V2={v21,v22,v23,v24}={质量很高,质量较高,质量不太高,质量很低};
(c)对于子集{食品添加剂含量}来说,
评价因子集U3={u31,u32,u33}={总酸,柠檬酸,日落黄},
评语集V3={v31,v32,v33,v34}={质量很高,质量较高,质量不太高,质量很低};
步骤S4.3、最后,建立集合{食品安全评估},集合{食品安全评估}包括子集{微生物含量}、子集{重金属含量}、子集{食品添加剂含量},确认集合{食品安全评估}的评价因子集U和评语集V,
评价因子集U={U1,U2,U3}={微生物含量,重金属含量,食品添加剂含量};
评语集V={V1,V2,V3,V4}={质量很高,质量较高,质量不太高,质量很低}。
5.根据权利要求4所述的一种食品质量抽检的综合评价方法,其特征在于,执行步骤S5,针对食品质量抽检综合评价指标体系包含的评价指标,采用层次分析法,通过构造判断矩阵,确定所有评价指标的权向量,并进一步计算同一组评价指标的组合权重,其具体操作包括:
步骤S5.1、采用1-9及倒数的标准方法,基于食品质量抽检综合评价指标体系的总指标层,针对每种食品中微生物、重金属、食品添加剂的不合格数目所占比例,通过两两比较构造一级判断矩阵:S=(uij)p×p;
步骤S5.2、采用1-9及倒数的标准方法,基于食品质量抽检综合评价指标体系的总指标层和分指标层,将每种食品中微生物的大肠杆菌含量、菌落总数含量、金黄色葡萄球菌含量进行两两比较,构造二级判断矩阵:C1=(uij)p×p;
将每种食品中重金属的铅离子含量、铬离子含量、铝离子含量进行两两比较,构造二级判断矩阵:C2=(uij)p×p;
将每种食品中食品添加剂的酸含量、柠檬黄含量、日落黄含量进行两两比较,构造二级判断矩阵:C3=(uij)p×p;
步骤S5.3、对构造的一级判断矩阵和二级判断矩阵进行一致性校验;
步骤S5.5、基于二级判断矩阵通过一致性校验后确定的评价指标的权向量,分别计算总指标层中微生物、重金属、食品添加剂的组合权重向量。
6.根据权利要求5所述的一种食品质量抽检的综合评价方法,其特征在于,执行步骤S5.4时,根据二级判断矩阵确定所对应评价指标的权向量后,对权向量做归一化处理,随后采用几何平均法和规范列平均法分别计算微生物、重金属、食品添加剂的组合权重向量;
计算得到的组合权重向量需要进行一致性校验。
8.根据权利要求7所述的一种食品质量抽检的综合评价方法,其特征在于,执行步骤S7,利用加权平均算子模糊合成步骤S5的组合权重和步骤S6的评价矩阵,输出影响食品安全的评价结果,具体过程包括:
步骤S7.1、利用加权平均算子模糊合成步骤S5的组合权重和步骤S6的评价矩阵,得到评价结果向量B,即
其中,bi是由A与R的第j列运算得到的,表示被评事物从整体上看对Vj等级模糊子集的隶属层度;
步骤S7.2、针对评价结果向量B,bi的表达式为:
其中,bi,ai,rij分别为隶属于第j等级的隶属度、第i个评价指标的权重和第i个评价指标隶属属于第j等级的隶属度;
步骤S7.3、输出影响食品安全的评价结果向量B,即
B={b1,b2,b3},
其中,b1、b2、b3是评价指标微生物、重金属、添加剂影响食品安全的概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011190454.1A CN112381364A (zh) | 2020-10-30 | 2020-10-30 | 一种食品质量抽检的综合评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011190454.1A CN112381364A (zh) | 2020-10-30 | 2020-10-30 | 一种食品质量抽检的综合评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112381364A true CN112381364A (zh) | 2021-02-19 |
Family
ID=74577501
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011190454.1A Pending CN112381364A (zh) | 2020-10-30 | 2020-10-30 | 一种食品质量抽检的综合评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112381364A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113159546A (zh) * | 2021-04-12 | 2021-07-23 | 北京工商大学 | 无监督降维密度聚类的农作物供应链危害物风险判断方法及系统 |
CN113762764A (zh) * | 2021-09-02 | 2021-12-07 | 南京大学 | 一种进口食品安全风险自动分级与预警系统及方法 |
CN113919665A (zh) * | 2021-09-24 | 2022-01-11 | 成都信息工程大学 | 一种蔬果贮藏品质评价方法 |
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 |
CN115112407A (zh) * | 2022-08-29 | 2022-09-27 | 中大智能科技股份有限公司 | 一种食品检测用样品采集方法 |
CN115902129A (zh) * | 2022-11-14 | 2023-04-04 | 深圳中检联检测有限公司 | 基于时序分析的食品保质期检测方法、装置、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103606031A (zh) * | 2013-11-04 | 2014-02-26 | 清华大学 | 一种餐厨废弃物饲料产品安全性的评价方法 |
US20160145994A1 (en) * | 2014-11-20 | 2016-05-26 | Petrochina Company Limited | Evaluation Method and Evaluation Device for Water Breakthrough Risk of Production Wells in Aquifer Drive Gas Reservoirs |
CN108399508A (zh) * | 2018-03-22 | 2018-08-14 | 东北大学 | 冶金企业作业人员在用安全帽有效性综合评价方法 |
CN111461576A (zh) * | 2020-04-27 | 2020-07-28 | 宁波市食品检验检测研究院 | 一种食品中化学危害物安全风险模糊综合评价方法 |
-
2020
- 2020-10-30 CN CN202011190454.1A patent/CN112381364A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103606031A (zh) * | 2013-11-04 | 2014-02-26 | 清华大学 | 一种餐厨废弃物饲料产品安全性的评价方法 |
US20160145994A1 (en) * | 2014-11-20 | 2016-05-26 | Petrochina Company Limited | Evaluation Method and Evaluation Device for Water Breakthrough Risk of Production Wells in Aquifer Drive Gas Reservoirs |
CN108399508A (zh) * | 2018-03-22 | 2018-08-14 | 东北大学 | 冶金企业作业人员在用安全帽有效性综合评价方法 |
CN111461576A (zh) * | 2020-04-27 | 2020-07-28 | 宁波市食品检验检测研究院 | 一种食品中化学危害物安全风险模糊综合评价方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113159546A (zh) * | 2021-04-12 | 2021-07-23 | 北京工商大学 | 无监督降维密度聚类的农作物供应链危害物风险判断方法及系统 |
CN113159546B (zh) * | 2021-04-12 | 2024-05-14 | 北京工商大学 | 无监督降维密度聚类的农作物供应链危害物风险判断方法及系统 |
CN113762764A (zh) * | 2021-09-02 | 2021-12-07 | 南京大学 | 一种进口食品安全风险自动分级与预警系统及方法 |
CN113762764B (zh) * | 2021-09-02 | 2024-04-12 | 南京大学 | 一种进口食品安全风险自动分级与预警系统及方法 |
CN113919665A (zh) * | 2021-09-24 | 2022-01-11 | 成都信息工程大学 | 一种蔬果贮藏品质评价方法 |
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 |
CN115112407A (zh) * | 2022-08-29 | 2022-09-27 | 中大智能科技股份有限公司 | 一种食品检测用样品采集方法 |
CN115902129A (zh) * | 2022-11-14 | 2023-04-04 | 深圳中检联检测有限公司 | 基于时序分析的食品保质期检测方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112381364A (zh) | 一种食品质量抽检的综合评价方法 | |
CN106779418B (zh) | 基于神经网络和证据理论的水污染事件智能决策方法 | |
CN111445103B (zh) | 一种基于工业互联网的输电线缆生产质量管理反馈系统 | |
CN113572625B (zh) | 故障预警方法、预警装置、设备及计算机介质 | |
US20230168643A1 (en) | Industrial internet of things based on abnormal identification, control method, and storage media thereof | |
CN111310803B (zh) | 环境数据处理方法和装置 | |
Zhang | Food safety risk intelligence early warning based on support vector machine | |
CN108510180A (zh) | 一种生产设备所处性能区间的计算方法 | |
CN107357941A (zh) | 一种可实时对水雨情数据进行检验的系统和方法 | |
CN114764682B (zh) | 一种基于多机器学习算法融合的大米安全风险评估方法 | |
CN111476274B (zh) | 一种大数据预测分析的方法、系统、装置及存储介质 | |
CN112906738A (zh) | 一种水质检测及处理方法 | |
CN114118269A (zh) | 基于典型业务场景下的能源大数据聚合分析方法 | |
CN116433218A (zh) | 基于自组织映射聚类的矿井机械设备在线健康评估方法 | |
CN115330531A (zh) | 一种基于用电变动周期的企业风险预测方法 | |
CN116703158A (zh) | 一种关于进口食品风险预警的风险评估模型构建方法 | |
CN111882150A (zh) | 一种神经网络与层次分析法结合的食品安全风险预警方法 | |
Wang et al. | Research of the early warning analysis of crop diseases and insect pests | |
CN111738563B (zh) | 一种航天生产现场过程管控能力检测方法 | |
Cheng et al. | A K-means algorithm for construction of enterprise innovation system based on data mining technology | |
CN114332515A (zh) | 一种基于直觉模糊聚类磨煤机运行安全性在线评判方法 | |
CN112365168A (zh) | 一种基于主分量分析评价环境空气质量的方法 | |
CN207232961U (zh) | 一种可实时对水雨情数据进行检验的系统 | |
Huang et al. | Research on Monitoring and Diagnosis Technology of Data Anomaly in Distribution Network | |
Zeyong et al. | Risk Assessment Model and Experimental Analysis of Electric Power Production Based on Big Data |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210219 |