韓福霞，劉宏志

（北京工商大學(xué)計(jì)算機(jī)與信息工程學(xué)院，北京 100048）

基于云服務(wù)的食品安全監(jiān)理實(shí)時(shí)化研究

韓福霞，劉宏志*

（北京工商大學(xué)計(jì)算機(jī)與信息工程學(xué)院，北京 100048）

為了及時(shí)發(fā)現(xiàn)食品安全問題，降低食品安全問題的發(fā)生率，從食品供應(yīng)鏈角度出發(fā)，通過對(duì)影響食品安全的各要素分析，利用蝙蝠算法優(yōu)化的Elman神經(jīng)網(wǎng)絡(luò)，并結(jié)合Storm云服務(wù)平臺(tái)，構(gòu)建了食品安全監(jiān)理實(shí)時(shí)分析預(yù)測(cè)模型，對(duì)食品安全數(shù)據(jù)實(shí)時(shí)分析。通過對(duì)該模型的建模分析，形成有效的食品安全實(shí)時(shí)監(jiān)理機(jī)制，期望能進(jìn)一步降低食品安全隱患。

食品安全；實(shí)時(shí)監(jiān)理；Storm云平臺(tái)；Elman神經(jīng)網(wǎng)絡(luò)

隨著經(jīng)濟(jì)社會(huì)不斷進(jìn)步，食品多樣化發(fā)展，各種添加劑不斷翻新、涌現(xiàn)，近年來國(guó)內(nèi)外因非法添加引發(fā)的重大食品安全問題屢有發(fā)生，食品安全成為全球備受關(guān)注的焦點(diǎn)。為解決食品安全問題，各國(guó)家都有自己的食品安全監(jiān)管機(jī)制。本文從整個(gè)食品供應(yīng)鏈出發(fā)，借鑒信息工程監(jiān)理機(jī)制［1］，利用云服務(wù)技術(shù)，將影響食品安全的各過程包括生產(chǎn)、加工、物流運(yùn)輸、銷售等有機(jī)整合于一體，構(gòu)建了食品安全實(shí)時(shí)監(jiān)理架構(gòu)。通過該架構(gòu)，各階段的食品安全信息將被存儲(chǔ)到云端，進(jìn)行實(shí)時(shí)處理，能充分利用數(shù)據(jù)的時(shí)效性。同時(shí)，構(gòu)建了食品安全監(jiān)理實(shí)時(shí)分析預(yù)測(cè)模型，對(duì)食品安全監(jiān)理海量數(shù)據(jù)實(shí)時(shí)分析，及時(shí)發(fā)現(xiàn)食品安全問題，降低召回的成本和不良影響。

1 食品安全監(jiān)理架構(gòu)

食品安全監(jiān)理［2］是指監(jiān)理機(jī)構(gòu)根據(jù)我國(guó)的食品安全法等相關(guān)法律制度，在食品的生產(chǎn)過程中，對(duì)食品中存在的可識(shí)別的食品安全風(fēng)險(xiǎn)因素進(jìn)行督察、監(jiān)控和評(píng)價(jià)，并進(jìn)行風(fēng)險(xiǎn)評(píng)估和控制，以確保食品安全的行為。因食品供應(yīng)體系鏈條較長(zhǎng)，各個(gè)環(huán)節(jié)都有可能產(chǎn)生問題，為了保障食品安全監(jiān)理的及時(shí)性，需要對(duì)整個(gè)供應(yīng)鏈進(jìn)行實(shí)時(shí)監(jiān)理。通過對(duì)食品安全信息實(shí)時(shí)分析預(yù)測(cè)，監(jiān)理人員可實(shí)時(shí)監(jiān)督和管理，及時(shí)發(fā)現(xiàn)食品安全問題［3］。

本文利用云服務(wù)平臺(tái)，構(gòu)建了食品安全實(shí)時(shí)監(jiān)理架構(gòu)，如圖1。該架構(gòu)將整個(gè)供應(yīng)鏈產(chǎn)生的數(shù)據(jù)信息通過云端進(jìn)行實(shí)時(shí)匯總和分析，實(shí)時(shí)展示食品安全信息，保證整個(gè)供應(yīng)鏈各階段食品安全狀態(tài)。

2 利用Storm云平臺(tái)處理海量數(shù)據(jù)

監(jiān)理過程中利用食品安全檢測(cè)技術(shù)、物聯(lián)網(wǎng)技術(shù)［4］等，通過REID智能終端設(shè)備來采集食品安全數(shù)據(jù)信息，采集到的海量數(shù)據(jù)將傳送至云服務(wù)平臺(tái)進(jìn)行數(shù)據(jù)處理分析。Storm是一個(gè)分布式的、可伸縮的、容錯(cuò)的實(shí)時(shí)計(jì)算系統(tǒng)［5］，可以簡(jiǎn)單、可靠地處理大量的數(shù)據(jù)流。本文利用Storm的實(shí)時(shí)分析功能來接收和處理海量的食品安全數(shù)據(jù)。

Storm云服務(wù)平臺(tái)利用Nimbus對(duì)資源進(jìn)行分配和任務(wù)調(diào)度，而Supervisor負(fù)責(zé)接受Nimbus分配的任務(wù)，這兩者通過Zookeeper協(xié)調(diào)［6-7］。Worker是Storm云服務(wù)平臺(tái)中運(yùn)行組件邏輯的進(jìn)程，Worker中每個(gè)Spout/Bolt的線程稱為一個(gè)Task，其中Spout會(huì)從外部數(shù)據(jù)源中讀取數(shù)據(jù)，Bolt對(duì)數(shù)據(jù)進(jìn)行過濾、函數(shù)操作、合并等，Storm實(shí)時(shí)處理模型，如圖2。

圖1 食品安全實(shí)時(shí)監(jiān)理架構(gòu)Fig.1 Real time surveillance architecture of food safety

圖2 Storm實(shí)時(shí)處理模型Fig.2 Storm real-time processing model

利用Storm的實(shí)時(shí)處理分析功能實(shí)時(shí)對(duì)海量的食品安全數(shù)據(jù)進(jìn)行處理，能夠充分利用數(shù)據(jù)的時(shí)效性，保障及時(shí)發(fā)現(xiàn)食品安全問題。

3 食品安全監(jiān)理實(shí)時(shí)分析預(yù)測(cè)模型

3.1 模型建立

食品安全監(jiān)理需要對(duì)整個(gè)供應(yīng)鏈過程中食品的質(zhì)量、安全等方面進(jìn)行控制，其分為全過程監(jiān)理和全方位監(jiān)理。全過程監(jiān)理指的是監(jiān)理人員以食品生產(chǎn)加工工序質(zhì)量控制為核心，以巡視檢查、旁站監(jiān)督、見證取樣等方法主動(dòng)監(jiān)理；全方位監(jiān)理指的是監(jiān)理人員對(duì)與食品生產(chǎn)、加工、運(yùn)輸和銷售相關(guān)的影響食品安全的信息實(shí)施監(jiān)理，比如化肥、農(nóng)藥等有害物質(zhì)含量、食品添加劑、食品儲(chǔ)藏、食品保質(zhì)期等信息［8］。因此，在食品安全監(jiān)理的各個(gè)階段，監(jiān)理人員通過手動(dòng)錄入、食品檢測(cè)技術(shù)、物聯(lián)網(wǎng)技術(shù)等將食品相關(guān)信息進(jìn)行記錄，實(shí)時(shí)將信息傳送給Storm云服務(wù)平臺(tái)中，建立監(jiān)理實(shí)時(shí)分析數(shù)學(xué)模型，對(duì)影響食品安全監(jiān)理目標(biāo)實(shí)現(xiàn)的各項(xiàng)因素信息數(shù)據(jù)實(shí)時(shí)分析，預(yù)測(cè)食品的安全狀態(tài)，從而保證對(duì)食品安全監(jiān)理的預(yù)期目標(biāo)。

影響食品安全的因素主要表現(xiàn)在以下幾個(gè)方面：微生物和寄生蟲等生物污染、環(huán)境污染、農(nóng)藥與獸藥殘留、食品添加劑的使用、食品加工和儲(chǔ)藏銷售過程中產(chǎn)生的毒素等。這些因素產(chǎn)生于食品整個(gè)供應(yīng)鏈中。為了能夠分析這些因素的信息數(shù)據(jù)，本文利用改進(jìn)的Elman神經(jīng)網(wǎng)絡(luò)，建立數(shù)學(xué)模型，將影響食品安全的各因素實(shí)時(shí)數(shù)據(jù)信息作為該模型的輸入，來實(shí)時(shí)分析預(yù)測(cè)食品安全。

Elman神經(jīng)網(wǎng)絡(luò)［9］是Elman于1990年提出的一種反饋動(dòng)力學(xué)網(wǎng)絡(luò)，不僅具有前饋神經(jīng)網(wǎng)絡(luò)的非線性映射，還具有動(dòng)態(tài)反饋信息和記憶功能，能夠?qū)崿F(xiàn)動(dòng)態(tài)系統(tǒng)的映射并直接反應(yīng)系統(tǒng)的動(dòng)態(tài)特性［10］。將該算法應(yīng)用于食品安全動(dòng)態(tài)監(jiān)理過程中，分析各要素?cái)?shù)據(jù)，有效地實(shí)現(xiàn)監(jiān)理目標(biāo)的實(shí)時(shí)控制。Elman神經(jīng)網(wǎng)絡(luò)主要是利用反向傳播算法（BP算法）進(jìn)行訓(xùn)練，通過學(xué)習(xí)訓(xùn)練，使網(wǎng)絡(luò)的實(shí)際輸出值和輸出樣本值之間的差值來不斷地修改權(quán)值和閾值，從而使得網(wǎng)絡(luò)輸出層的誤差平方和最?。?1］。其運(yùn)算規(guī)則由以下3個(gè)等式組成：

式（1）～式（3）中，x（k）為網(wǎng)絡(luò)的輸入，即影響食品安全各要素?cái)?shù)據(jù)；y（k）為網(wǎng)絡(luò)的輸出，即食品安全預(yù)測(cè)值；ho（k）為隱含層的輸出；w1、w2、w3分別為輸入層到隱含層、承接層到隱含層、隱含層到輸出層的連接權(quán)值矩陣；f（i）為隱含層神經(jīng)元的傳遞函數(shù)，采用Tansig函數(shù)，g（i）為輸出層傳遞函數(shù)，采用Purelin函數(shù)；b1、b2分別為輸入層和隱含層的閾值。但BP算法基于梯度信息來調(diào)整連接權(quán)值，不具有全局搜索能力，極易陷入局部極值點(diǎn)。本文將蝙蝠算法［11-12］和Elman神經(jīng)網(wǎng)絡(luò)相結(jié)合，利用蝙蝠算法中蝙蝠個(gè)體之間的協(xié)作搜索最優(yōu)解的全局搜索能力，能有效地避免局部極小值問題的優(yōu)點(diǎn)優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值。

3.2 訓(xùn)練樣本選取

為使該模型較好地運(yùn)用于食品安全監(jiān)理分析中，需要選定訓(xùn)練樣本的輸入和輸出，對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行有監(jiān)督的訓(xùn)練。

在食品安全監(jiān)理的每個(gè)階段，均需要記錄食品相關(guān)信息，即需要實(shí)時(shí)監(jiān)督和管理影響食品安全的各因素信息。通過對(duì)各因素信息進(jìn)行分析，該模型選定影響食品安全的各項(xiàng)因素作為訓(xùn)練樣本，來分析食品安全的狀態(tài)。

3.3 參數(shù)設(shè)定

本文選擇葡萄酒作為食品安全監(jiān)理對(duì)象，來監(jiān)督和管理葡萄酒整個(gè)供應(yīng)鏈中農(nóng)藥殘留值。葡萄酒農(nóng)藥殘留監(jiān)測(cè)指標(biāo)包括乙酰甲胺磷、敵敵畏、殺螟硫磷、倍硫磷、馬拉硫磷、對(duì)硫磷、辛硫磷、敵百蟲、百菌清、噻苯隆、甲氰菊酯、氰戊菊酯、氯菊酯、氧樂果、霜脲氰、戊唑醇、多菌靈和甲霜靈等指標(biāo)，參照GB2763.2012《食品中農(nóng)藥最大殘留限量》［13-14］。葡萄中各指標(biāo)都有限量，例如：葡萄的百菌清限量為0.5 mg/kg、多菌靈限量為3 mg/kg、甲霜靈限量為1 mg/kg。將葡萄農(nóng)藥殘留的歷史統(tǒng)計(jì)數(shù)據(jù)進(jìn)行處理后輸入到改進(jìn)的神經(jīng)網(wǎng)絡(luò)，使得網(wǎng)絡(luò)具有預(yù)測(cè)能力；然后用改進(jìn)的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)葡萄中農(nóng)藥殘留各指標(biāo)的值對(duì)食品安全的影響。通過對(duì)神經(jīng)網(wǎng)絡(luò)樣本訓(xùn)練，使得改進(jìn)神經(jīng)網(wǎng)絡(luò)模型能夠準(zhǔn)確地對(duì)食品安全監(jiān)理過程中的安全問題進(jìn)行分析和預(yù)測(cè)，當(dāng)超過該農(nóng)藥殘留物的臨界值時(shí)，及時(shí)預(yù)警。

4 模型仿真試驗(yàn)

本文首先利用MATLAB工具對(duì)分析模型進(jìn)行仿真試驗(yàn)，樣本選擇為葡萄酒中農(nóng)藥殘留監(jiān)測(cè)各項(xiàng)指標(biāo)，參照GB2763.2012《食品中農(nóng)藥最大殘留限量》，葡萄中各指標(biāo)最大限量，如表1。

表1 葡萄中18項(xiàng)農(nóng)藥殘留指標(biāo)最大限量Tab.1 Maximum limit of 18 indicators of pesticide residues in grapes

樣本數(shù)據(jù)選擇時(shí)，需要包含各個(gè)指標(biāo)在整個(gè)供應(yīng)鏈中不同監(jiān)理階段的指標(biāo)值，即分別采集葡萄原料中、葡萄酒酒精發(fā)酵過程中、葡萄酒運(yùn)輸過程中和葡萄酒銷售過程中的農(nóng)藥殘留變化數(shù)據(jù)，將數(shù)據(jù)分成兩部分，訓(xùn)練樣本和測(cè)試樣本，采用優(yōu)化的Elman神經(jīng)網(wǎng)絡(luò)對(duì)訓(xùn)練樣本進(jìn)行學(xué)習(xí)，并對(duì)測(cè)試樣本進(jìn)行預(yù)測(cè)，其預(yù)測(cè)結(jié)果及誤差如圖3、圖4。

由圖3、圖4可知，該模型通過學(xué)習(xí)，預(yù)測(cè)速度快，且預(yù)測(cè)數(shù)據(jù)與真實(shí)數(shù)據(jù)誤差小，能夠運(yùn)用于食品安全實(shí)時(shí)監(jiān)理過程中，及時(shí)對(duì)食品安全數(shù)據(jù)進(jìn)行處理。

由于食品安全監(jiān)理過程中產(chǎn)生海量的數(shù)據(jù)，將Elman神經(jīng)網(wǎng)絡(luò)和Storm云平臺(tái)結(jié)合，利用Storm實(shí)時(shí)處理數(shù)據(jù)的特點(diǎn)，提高處理數(shù)據(jù)的速度，保證食品安全的海量數(shù)據(jù)得到實(shí)時(shí)處理，再通過食品安全監(jiān)理實(shí)時(shí)分析模型，對(duì)海量數(shù)據(jù)進(jìn)行分析和預(yù)測(cè)，當(dāng)超過臨界值時(shí)，能及時(shí)對(duì)食品安全問題進(jìn)行預(yù)警。

圖3 葡萄酒中農(nóng)藥殘留量預(yù)測(cè)Fig.3 Forecast map of pesticide residues in wine

圖4 模型預(yù)測(cè)誤差Fig.4 Model prediction error map

5 結(jié)束語

從整個(gè)食品供應(yīng)鏈角度出發(fā)，結(jié)合云服務(wù)，提出了食品安全實(shí)時(shí)監(jiān)理架構(gòu)，利用食品安全檢測(cè)、物聯(lián)網(wǎng)等技術(shù)實(shí)時(shí)檢測(cè)食品安全信息，并建立了基于云服務(wù)的食品安全監(jiān)理實(shí)時(shí)分析預(yù)測(cè)模型，通過對(duì)模型的分析和仿真試驗(yàn)，表明該模型可以對(duì)海量的食品安全數(shù)據(jù)進(jìn)行處理，并能實(shí)時(shí)對(duì)數(shù)據(jù)分析和預(yù)測(cè)，及時(shí)發(fā)現(xiàn)食品安全問題，保證食品安全，降低食品安全問題發(fā)生的概率。

［1］韓福霞，劉宏志.基于蝙蝠算法的信息工程監(jiān)理多目標(biāo)優(yōu)化研究［J］.現(xiàn)代計(jì)算機(jī)，2013，19：3-6.

［2］劉宏志，葛迺康.信息化工程監(jiān)理［M］.北京：中國(guó)電力出版社，2009：5.

［3］張?jiān)葡?，劉宏?我國(guó)食品安全監(jiān)理體系研究［J］.食品科學(xué)技術(shù)學(xué)報(bào)，2014，32（1）：77-82.

［4］鄧小云，劉宏志.基于云計(jì)算的食品安全監(jiān)理研究［J］.北京工商大學(xué)學(xué)報(bào)：自然科學(xué)版，2012，30（4）：75-78.

［5］李夢(mèng)尋，劉宏志.基于物聯(lián)網(wǎng)的食品安全監(jiān)理模型研究［J］.北京工商大學(xué)學(xué)報(bào)：自然科學(xué)版，2011，29（2）：54-58.

［6］朱炳宇，蔡莉.基于Storm和Android的出租車乘客實(shí)時(shí)云平臺(tái)調(diào)度系統(tǒng)［J］.計(jì)算機(jī)科學(xué)，2012（8A）：1-2.

［7］黃馥浩.基于Storm的微博互動(dòng)平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)［D］.廣州：中山大學(xué)，2013.

［8］蔣藝晴.淺談食品質(zhì)量與安全監(jiān)管監(jiān)理制［J］.江蘇農(nóng)業(yè)科學(xué)，2014，42（2）：260-264.

［9］Toqeer R S，Bayindir N S.Speed estimation of an induction motor using Elman neural network［J］.Neuro Computing，2003，55（3-4）：727-730.

［10］黨小超，郝占軍.基于改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測(cè)［J］.計(jì)算機(jī)應(yīng)用，2010，30（10）：2648-2652.

［11］Shi X H，Liang Y C，Lee H P，et al.Improved Elman networks and applications for controlling ultrasonic motors［J］.Applied Artificial Intelligence，2004（18）：603-629.

［12］Yang Xinshe.A new metaheuristic bat-inspired algorithm［J］.Nature Inspired Cooperative Strategies for Optimization，2010，284：65-74.

［13］李記明，司合蕓，于英，等.葡萄農(nóng)藥殘留及其對(duì)葡萄酒釀造的影響［J］.中國(guó)農(nóng)業(yè)科學(xué)，2012，45（4）：743-751.

［14］強(qiáng)承魁，鳳舞劍，胡長(zhǎng)效，等.徐州市葡萄主產(chǎn)區(qū)表層土壤和葡萄中農(nóng)藥殘留特征與評(píng)價(jià)［J］.浙江農(nóng)業(yè)學(xué)報(bào)，2013，25（2）：293-297.

Study on Real-time Analysis in Food Safety Surveillance Based on Cloud Service

HAN Fuxia，LIU Hongzhi*
（School of Computer Science and Information Engineering，Beijing Technology and Business University，Beijing 100048，China）

In order to detect the problems of food safety in time and reduce the incidence，a food safety supervision of real-time analysis and prediction model based on the storm cloud platform and the Elman neural network optimizing by the bat algorithm was constructed from the perspective of food supply chain. Through analyzing the factors affecting food safety，the model was used to analysis the food safety data in real-time.By the analysis of the model，an effective food safety supervision mechanism in real time was formed to further reduce the food safety hazards.

food safety；real time supervision；storm cloud platform；Elman neural network

檀彩蓮）

TS201.6；TP393.02

A

10.3969/j.issn.2095-6002.2015.03.014

2095-6002（2015）03-0074-05

韓福霞，劉宏志.基于云服務(wù)的食品安全監(jiān)理實(shí)時(shí)化研究［J］.食品科學(xué)技術(shù)學(xué)報(bào)，2015，33（3）：74-78.

HAN Fuxia，LIU Hongzhi.Study on real-time analysis in food safety surveillance based on cloud service［J］.Journal of Food Science and Technology，2015，33（3）：74-78.

2014-12-22

北京市屬高等學(xué)?？茖W(xué)技術(shù)與研究生教育創(chuàng)新工程建設(shè)項(xiàng)目（PXM2012_014213_000037）。

韓福霞，女，碩士研究生，研究方向?yàn)樾畔⒐こ膛c食品安全監(jiān)理；

*劉宏志，男，教授，博士，主要從事信息工程監(jiān)理、電子商務(wù)與電子政務(wù)等方面的研究。

。