基于数据挖掘的江门市蔬菜食品安全风险分析与预测

作者：赵杰斌; 黄穗东; 孙远明; 徐振林^*

来源：食品工业科技, 2023, 44(20): 281-288.

DOI：10.13386/j.issn1002-0306.2022120006

• 反向传播(BP)神经网络
• 数据挖掘
• 蔬菜
• 食品安全
• 预测模型

目的：对江门市2016～2020年蔬菜食品安全抽检数据进行分析，建立基于数据挖掘的食品风险预测模型。方法：以江门市辖区内农贸市场、批发市场、商场超市、餐饮服务单位等单位10个种类的蔬菜样本共1928份，分析其不合格样本和不合格项目的分布情况，并基于监测指标和样本信息，选取蔬菜种类、蔬菜品种、监测场所等7个属性为输入，结论属性为输出，利用反向传播（back-propagation,BP）神经网络构建蔬菜食品安全风险分析与预测模型。结果：风险分析显示，江门市芽菜类蔬菜、叶菜类蔬菜、根茎类和薯类蔬菜合格率分别为81.7%、95.9%、96.3%，均低于总体合格率96.6%;4-氯苯氧乙酸钠、毒死蜱和铅元素超标问题突出，不合格批次占比达71.2%。经数据处理、最优参数筛选、数据训练和验证、模型优化等步骤构建出3层的BP神经网络模型，该模型总体精度为96.3%，灵敏度为96.8%，特异性为83.9%。结论：该模型具有良好的预测准确度和性能，可为食品安全监管工作提供技术参考。建议可利用快检技术的大数据量优势与BP神经网络相结合，构建多算法组合模型，并加强样品信息登记的规范性，以构建出准确度更高，应用更广的风险分析与预测模型。

• 单位
  广东省食品质量安全重点实验室; 广州市食品检验所; 华南农业大学