基于大数据的肉类食品安全抽检数据

(整期优先)网络出版时间:2023-04-17
/ 2

基于大数据的肉类食品安全抽检数据

印嘉熙

石家庄市食品药品检验中心   河北省石家庄市   050000

摘要:根据国家肉类食品的监督、检查计划,对肉类食品进行安全抽检,将样品数据记录下来,分析肉制品的安全状态和风险类型,采取现代化辅助工具,对实验数据进行对比和研究,挖掘数据中深层次的内涵,找到肉类食品的隐藏隐患,根据数据显示出的不合格数量和分布情况,制定科学的管理措施,提高安全抽查工作的准确率,降低肉类安全事故的发生。本文在大数据的背景下,根据当前的肉类食品安全抽查工作的现状,提出相关的优化方式,运用科学的数据挖掘方法,有效提高安全抽检的工作效率,以供参考。

关键词:大数据;肉类食品安全;抽检数据

引言

随着社会经济水平的不断提高,人们越来越注意饮食方面的安全。食品抽检作为安全检查的有效途径,是保障食品安全的关键枢纽,在工作中增加现代化辅助技术,对肉类食品进行全方位的抽查和分析,对样本数据进行深度解析,对其中的微生物、营养成分、细胞群组、添加剂等进行综合检测,根据得到的数据找到其中隐藏的安全问题,避免不合格的食品流通到市场中,形成不可挽回的食品安全事故。

1抽检材料与抽检方法

1.1实验材料

本文的实验数据大部分来自“国家食品质量安全监督检验中心”,部分来自数据构建研究数据集。肉类食品数据标签为三大类,即肉及肉制品监督抽检合栺/不合栺产品信息、肉制品监督抽检合栺/不合栺产品信息、肉类合栺/不合栺,根据前几年的抽检数据,预测今年抽检数据的变化,以检验预测集和真实数据之间的差异,验证抽检方式的可行性[1]

1.2实验设备与测试环境

研究过程中使用的是联想i5处理器的笔记本电脑,创建Python语言数据分析环境,采取Python3.7扩展模块matplotlib、numpy、pandas,实现了数据回归、分类以及预测等分析手法。

1.3抽检实验设计

运用Python软件的Beautiful Soup,bs4模块创建定向爬虫程序,输入不合格数据、合格数据,对数据进行整理和分析,呈现出系统化的信息,对关键内容进行提取和保存。挖掘数据主要分为两大类,即数据分类和数据预测。在数据的分类过程中,寻找具有显性特征的变量,对所信息进行提取、分类,把不合格的样品数据标注出来,在模块中展现出食品属性与食品检验结果之间的关系,观察数据的变化[2]。数据的检测工作,就是通过系统的数据库,找到数据之间的变化关系,分析潜在的数据关系,预测出较为真实的数据集,比较与真实数据的差异。

1.3抽检数据分析方法

1.3.1数据预处理

对数据进行预处理,确保系统中数据的准确定,调整数据形态,使得数据与模型相符。数据库有一定量的空值,不占用其他字符的空间,但是还包含部分零值,占用大量的字符空间,影响后期的数据分析。所以,可以采取决策树+典型相关系数的方式,杉树无关数据,弥补缺失值,然后对数据进行科学分类。在系统中增加多种多样的属性,将数据进行切片处理,最终得到关键的区域信息即可。

1.3.2数据分类

数据分类主要由三个阶段,即构建决策树、提取数据、分类输出。决策树算法主要使用CCA处理方法,计算出不合格项目的平均值,搭建协方差矩阵,挖掘不同数据之间的关系以及对整体数据的影响,给予预测工作科学的参考。

1.3.3二次指数平滑法预测

先将数据进行整理,把重复数据、无关数据、不完整数据删除,再把有效数据进行分类和处理,采取dict结构,计算不合格的项目。读取计算结构,分析、比较数据之间的关系,确定数据准确无误之后填写到相应表格中。利用数据分析软件,对不合格项目进行解析,采取平滑指数预测,得出的结论与真实数据相比较,查看二次指数平滑法的预测准确率[3]

2数据分析

表1数据研究库

序号

企业名称

企业地址

样品单位名称

样品单位地址

肉类食品名称

计算规则

商标

生产日期

不合格项目

检验结果

标准值

1

上海三圈食品有限公司

上海嘉定马陆镇育绿东路709弄5号

上海联家超市有限公司徐汇店

上海市徐汇区斜土路1995号

新鲜五花肉

计量称重

三圈

2022-12-12

酸价

7.8(KOH)/

(mg/g)

≤4.0

(KOH)/

(mg/g)

60

河北农大

肉类食品

有限公司

河北省时间是栾城大道11-3号(栾城农业高新技术产业园区)

石家庄北国超市益东店

石家庄裕华区河北省石家庄市裕华区翟营南大街386号

黄教授

烧鸡

500 g/袋

2022/11/20

单核细胞

增生李斯特

氏菌

检出;0;0;

0;检出

/25 g

n=5,

c=0,

m=0

根据不合格项目发生的概率和区域,由高到低制定肉类食品安全度的解题,第一类为安全度较高的区域,第五类为安全度最低的区域,查看数据之间的特点。根据数据结果能够指导后续的工作内容,当某些区域联系过于紧密的时候,在一定上提高了肉类食品不合格率,造成安全事故的发生。

结语

综上所述,加强对肉类食品的安全抽检工作,对微生物指标、添加剂指标不合格的食品进行处理,提高整体肉类食品的安全性,在线上平台中出示视频抽检的数据,落实数据共享机制,构建健康、和谐的食品市场。对重点区域的肉类产品制定产品预警系统,对禽类视频中的违禁药物、金属元素等内容进行检测,对腌制肉类制品的添加剂含量进行精准把控,规范样品检验流程,记录各个环节的数据,提高抽检工作的精准性。

参考文献

[1]王博,张锴旺,陆逢贵,刘登勇,曹振霞.基于大数据视角的肉类食品安全抽检数据分析[J].食品安全质量检测学报,2019,10(18):6381-6388.

[2]王允中,罗安来,王淑军.北京市食品安全抽检数据分析[J].食品安全导刊,2019(21):30-32.

[3]李笑曼,臧明伍,赵洪静,王守伟,李丹,张凯华,张哲奇.基于监督抽检数据的肉类食品安全风险分析及预测[J].肉类研究,2019,33(01):42-49.