本发明涉及食品安全，具体为一种食品安全大数据智能采集与应用系统。
背景技术：
1、食品质量安全涉及到原材料供应商、食品加工商、物流服务商、品牌方、监管方等多个独立的行业主题，涉及食品种植、加工过程中的各个环节，在申请号为202110488862.3的中国专利中公开了“一种食品安全大数据智能采集与应用系统，包括近端系统、边缘系统和云端系统，近端系统包括现场系统、数据感知系统、近端存储系统、近端计算系统和数据反馈系统；边缘系统包括边缘存储系统和边缘计算系统；云端系统包括云端存储系统、云端计算系统和云端反馈系统，一个边缘系统可同时与多个近端系统相连，将多个近端系统上传的数据进行统计、分析、计算后将数据上传至云端系统，同时，可根据数据计算结果对各个近端系统相关设备、参数进行调整，一个云端系统可同时与多个边缘系统相连，将多个边缘系统上传的数据进行统计、分析、计算后将数据存储或反馈至边缘系统，再通过边缘系统最终反馈至近端系统。”；
2、该现有技术仅仅解决了面向食品全产业链的物联网数据采集系统仍然面临数据存储、优化分配的问题，未考虑到在通过抽样检测的方式对食品进行安全检测时，需要考虑目标食品为加工型食品还是原材料型食品，并进行不同方式的风险值求解，且将目标食品的检测结果与目标食品的原始相关信息之间建立关联，从而便于基于食品安全风险评估结果快速对不符合生产要求的食品进行验证处理。
技术实现思路
1、本发明的目的在于提供一种食品安全大数据智能采集与应用系统，以解决上述背景技术中提出的问题。
2、为实现上述目的，本发明提供如下技术方案：一种食品安全大数据智能采集与应用系统，包括食品数据采集单元，以对食品安全大数据抽样采集的系统为例，所述食品数据采集单元通过抽样检测的方式对目标食品进行相关数据采集，并对抽样检测得到的目标食品相关数据进行预处理，以提高目标食品相关数据的质量，且将预处理后的目标食品相关数据进行储存记录；
3、食品数据处理单元，所述食品数据处理单元对储存的预处理后的目标食品相关数据进行数据不平衡处理，使得不同类型数据的数据量达到均衡，且将目标食品原始相关数据与对应目标食品相关数据的检测结果之间建立联系，从而确定目标食品的来源，便于后续对风险食品进行处理；
4、食品风险评估体系构建单元，所述食品风险评估体系构建单元确定用于评估食品安全风险的食品安全风险指标，并基于选择结果构建食品风险评估体系；
5、数据风险评估单元，所述数据风险评估单元对食品风险评估体系内的各个食品安全风险指标分别进行计算，并进而基于各个食品安全风险指标的计算结果生成最终的食品安全风险值，且基于最终的食品安全风险值进行风险等级评估，在考虑目标食品的实际生产要求的情况下，对目标食品进行风险处理操作。
6、优选的，所述食品数据采集单元包括食品数据收集模块，所述食品数据收集模块通过抽样检测的方式对目标食品进行相关数据采集，包括目标食品名称、目标食品产品规格、目标食品生产日期、目标食品产品批号、目标食品生产企业名称和地址、目标食品检验结果合格性、目标食品检测项目、目标食品不合格项目、目标食品检测机构以及目标食品抽验日期，并获取同种类目标食品的抽检结果，且将食品分为加工型食品和原材料型食品，依据抽检结果中同种类食品不合格率的均值，将各种类目标食品进行初步风险等级划分，具体操作为当0＜食品不合格率的均值＜1%时，初步判断该种类食品为低风险食品，当1%≤食品不合格率的均值＜2%时，初步判断该种类食品为中低风险食品，当2%≤食品不合格率的均值＜4%时，初步判断该种类食品为中风险食品，当4%≤食品不合格率的均值＜5%时，初步判断该种类食品为中高风险食品，当食品不合格率的均值≥5%时，初步判断该种类食品为高风险食品，且依据目标种类食品的初步风险等级划分结果以及食品分类结果，分别为加工型食品和原材料型食品设置对应的风险最大值和风险最小值。
7、优选的，所述食品数据采集单元还包括食品数据预处理模块和食品数据记录模块，所述食品数据预处理模块和食品数据收集模块电性连接，所述食品数据预处理模块对抽样检测得到的目标食品相关数据进行预处理，以提高目标食品相关数据的质量，包括使用python软件对目标食品相关数据进行数据清洗以及格式统一操作，去除数据缺失以及数据冗余的情况，并基于目标食品的检测结果，对目标食品的不合格率进行统计，且将合格食品相关数据与不合格食品相关数据进行分隔处理，所述食品数据记录模块和食品数据预处理模块电性连接，所述食品数据记录模块将预处理后的目标食品相关数据上传到系统内置的数据库内进行储存，且建立有合格食品数据库和不合格食品数据库，从而对目标食品相关数据进行分开储存操作。
8、优选的，所述食品数据处理单元包括食品数据不平衡处理模块，所述食品数据不平衡处理模块对储存的预处理后的目标食品相关数据进行数据不平衡处理，使得不同类型数据的数据量达到均衡，具体操作为通过密度均衡算法对数据量多的数据类型进行基于k近邻的密度稀疏欠采样，使数据量多的数据类型分布均匀，确定数据内部的密度基准，根据采样后的不平衡比例，确定数据量少的数据类型实现密度均衡的目标点密度，对数据量少的数据类型进行密度峰值聚类，去除异常噪音点，在数据量少的数据类型内部基于密度基准进行重采样，直到数据量少的数据类型的密度达到密度基准为止。
9、优选的，所述食品数据处理单元还包括食品数据溯源处理模块，所述食品数据溯源处理模块和食品数据不平衡处理模块电性连接，所述食品数据溯源处理模块将目标食品原始相关数据与对应目标食品相关数据的检测结果之间建立联系，从而确定目标食品的来源，便于后续对风险食品进行处理，具体操作为将目标食品的不合格率数据与对应目标食品的生产企业名称和地址建立联系，且进一步将检测结果为不合格的目标食品与对应目标食品的生产日期以及产品批号建立关联。
10、优选的，所述食品风险评估体系构建单元包括食品安全风险指标选择模块和食品风险评估体系生成模块，所述食品安全风险指标选择模块确定用于评估食品安全风险的食品安全风险指标，包括食品种类风险指标、抽检项目不合格风险指标以及非法添加物风险指标，所述食品风险评估体系生成模块和食品安全风险指标选择模块电性连接，所述食品风险评估体系生成模块基于食品安全风险指标选择模块内食品安全风险指标的选择结果，构建食品风险评估体系。
11、优选的，所述数据风险评估单元包括食品安全风险指标计算模块，所述食品安全风险指标计算模块对食品风险评估体系内的各个食品安全风险指标分别进行计算，具体操作为当目标食品为原材料型食品时，依据目标食品的不合格率确定初步风险等级划分结果，进而确定设置的对应风险最大值和风险最小值，并通过食品静态风险算法对原材料型食品的风险值进行求解，其计算公式如下：
12、
13、式中，表示目标食品为原材料型食品时的风险值，表示目标食品为原材料型食品时的风险最小值，表示目标食品为原材料型食品时的风险最大值，表示目标食品初步风险等级所在区间不合格率的最小值，表示目标食品初步风险等级所在区间不合格率的最大值，且将求解结果作为原材料型食品的食品种类风险指标值，当目标食品为加工型食品时，通过获取该目标食品的原材料方式得到目标食品的静态风险值，依据目标食品的不合格率确定初步风险等级划分结果，进而确定设置的对应风险最大值和风险最小值，并通过食品动态风险算法对原材料型食品的风险值进行求解，其计算公式如下：
14、
15、式中，表示目标食品为加工型食品时的动态风险值，表示目标食品为加工型食品时的风险最小值，表示目标食品为加工型食品时的风险最大值，表示目标食品初步风险等级所在区间不合格率的最小值，表示目标食品初步风险等级所在区间不合格率的最大值，且将求解结果与目标食品的静态风险值进行均值求解，并将求解结果作为加工型食品的食品种类风险指标值，其中抽检项目不合格风险指标值通过目标食品抽检不合格项目数占所有抽检项目数的比值再开方得到，其中非法添加物风险指标值依据设置的赋值原则得到，具体为食品添加剂类的非法添加物风险指标值为1.05，农药的非法添加物风险指标值为1.1，其他物质的非法添加物风险指标值为1。
16、优选的，所述数据风险评估单元还包括风险等级评估模块和风险处理模块，所述风险等级评估模块和食品安全风险指标计算模块电性连接，所述风险等级评估模块基于食品安全风险指标计算模块内目标食品的各个食品安全风险指标的计算结果，通过累乘的方式得到最终的食品安全风险值，且基于最终的食品安全风险值进行风险等级评估，具体从低到高判断标准为当0＜最终的食品安全风险值＜20时，判断目标食品为一级风险食品，当20≤最终的食品安全风险值＜50时，判断目标食品为二级低风险食品，当50≤最终的食品安全风险值＜150时，判断目标食品为三级风险食品，当150≤最终的食品安全风险值＜500时，判断目标食品为四级风险食品，当最终的食品安全风险值≥500时，判断目标食品为五级风险食品，所述风险处理模块和风险等级评估模块电性连接，所述风险处理模块在考虑目标食品的实际生产要求的情况下，并结合风险等级评估模块得到的目标食品的风险等级评估结果，当目标食品的风险等级评估结果不符合目标食品的实际生产要求时，需要对目标食品进行风险处理，基于目标食品的生产企业名称和地址以及检测结果为不合格的目标食品的生产日期和产品批号信息，对相应生产企业以及相应批号产品进行验证处理，反之则不需要对目标食品进行风险处理。
17、与现有技术相比，本发明的有益效果至少包括：本发明提出了一种食品安全大数据智能采集与应用系统，以对食品安全大数据抽样采集的系统为例，通过设置的食品数据采集单元通过抽样检测的方式对目标食品进行相关数据采集和预处理操作，以提高目标食品相关数据的质量，通过设置的食品数据处理单元基于检测结果建立目标食品和生产企业之间的关联，从而便于后续快速进行风险处理，通过设置的食品风险评估体系构建单元确定用于评估食品安全风险的食品安全风险指标，并构建食品风险评估体系，通过设置的数据风险评估单元基于各个食品安全风险指标的计算结果通过累乘的方式得到最终的食品安全风险值，且基于最终的食品安全风险值进行风险等级评估，在考虑目标食品的实际生产要求的情况下，对目标食品进行风险处理操作。
1.一种食品安全大数据智能采集与应用系统，其特征在于：包括食品数据采集单元（100），以对食品安全大数据抽样采集的系统为例，所述食品数据采集单元（100）通过抽样检测的方式对目标食品进行相关数据采集，并对抽样检测得到的目标食品相关数据进行预处理，以提高目标食品相关数据的质量，且将预处理后的目标食品相关数据进行储存记录；
2.根据权利要求1所述的一种食品安全大数据智能采集与应用系统，其特征在于：所述食品数据采集单元（100）包括食品数据收集模块（101），所述食品数据收集模块（101）通过抽样检测的方式对目标食品进行相关数据采集，包括目标食品名称、目标食品产品规格、目标食品生产日期、目标食品产品批号、目标食品生产企业名称和地址、目标食品检验结果合格性、目标食品检测项目、目标食品不合格项目、目标食品检测机构以及目标食品抽验日期，并获取同种类目标食品的抽检结果，且将食品分为加工型食品和原材料型食品，依据抽检结果中同种类食品不合格率的均值，将各种类目标食品进行初步风险等级划分，且依据目标种类食品的初步风险等级划分结果以及食品分类结果，分别为加工型食品和原材料型食品设置对应的风险最大值和风险最小值。
3.根据权利要求2所述的一种食品安全大数据智能采集与应用系统，其特征在于：所述食品数据采集单元（100）还包括食品数据预处理模块（102）和食品数据记录模块（103），所述食品数据预处理模块（102）和食品数据收集模块（101）电性连接，所述食品数据预处理模块（102）对抽样检测得到的目标食品相关数据进行预处理，以提高目标食品相关数据的质量，包括使用python软件对目标食品相关数据进行数据清洗以及格式统一操作，去除数据缺失以及数据冗余的情况，并基于目标食品的检测结果，对目标食品的不合格率进行统计，且将合格食品相关数据与不合格食品相关数据进行分隔处理，所述食品数据记录模块（103）和食品数据预处理模块（102）电性连接，所述食品数据记录模块（103）将预处理后的目标食品相关数据上传到系统内置的数据库内进行储存，且建立有合格食品数据库和不合格食品数据库，从而对目标食品相关数据进行分开储存操作。
4.根据权利要求1所述的一种食品安全大数据智能采集与应用系统，其特征在于：所述食品数据处理单元（200）包括食品数据不平衡处理模块（201），所述食品数据不平衡处理模块（201）对储存的预处理后的目标食品相关数据进行数据不平衡处理，使得不同类型数据的数据量达到均衡，具体操作为通过密度均衡算法对数据量多的数据类型进行基于k近邻的密度稀疏欠采样，使数据量多的数据类型分布均匀，确定数据内部的密度基准，根据采样后的不平衡比例，确定数据量少的数据类型实现密度均衡的目标点密度，对数据量少的数据类型进行密度峰值聚类，去除异常噪音点，在数据量少的数据类型内部基于密度基准进行重采样，直到数据量少的数据类型的密度达到密度基准为止。
5.根据权利要求4所述的一种食品安全大数据智能采集与应用系统，其特征在于：所述食品数据处理单元（200）还包括食品数据溯源处理模块（202），所述食品数据溯源处理模块（202）和食品数据不平衡处理模块（201）电性连接，所述食品数据溯源处理模块（202）将目标食品原始相关数据与对应目标食品相关数据的检测结果之间建立联系，从而确定目标食品的来源，便于后续对风险食品进行处理，具体操作为将目标食品的不合格率数据与对应目标食品的生产企业名称和地址建立联系，且进一步将检测结果为不合格的目标食品与对应目标食品的生产日期以及产品批号建立关联。
6.根据权利要求1所述的一种食品安全大数据智能采集与应用系统，其特征在于：所述食品风险评估体系构建单元（300）包括食品安全风险指标选择模块（301）和食品风险评估体系生成模块（302），所述食品安全风险指标选择模块（301）确定用于评估食品安全风险的食品安全风险指标，包括食品种类风险指标、抽检项目不合格风险指标以及非法添加物风险指标，所述食品风险评估体系生成模块（302）和食品安全风险指标选择模块（301）电性连接，所述食品风险评估体系生成模块（302）基于食品安全风险指标选择模块（301）内食品安全风险指标的选择结果，构建食品风险评估体系。
7.根据权利要求1所述的一种食品安全大数据智能采集与应用系统，其特征在于：所述数据风险评估单元（400）包括食品安全风险指标计算模块（401），所述食品安全风险指标计算模块（401）对食品风险评估体系内的各个食品安全风险指标分别进行计算，具体操作为当目标食品为原材料型食品时，依据目标食品的不合格率确定初步风险等级划分结果，进而确定设置的对应风险最大值和风险最小值，并通过食品静态风险算法对原材料型食品的风险值进行求解，且将求解结果作为原材料型食品的食品种类风险指标值，当目标食品为加工型食品时，通过获取该目标食品的原材料方式得到目标食品的静态风险值，依据目标食品的不合格率确定初步风险等级划分结果，进而确定设置的对应风险最大值和风险最小值，并通过食品动态风险算法对原材料型食品的风险值进行求解，且将求解结果与目标食品的静态风险值进行均值求解，并将求解结果作为加工型食品的食品种类风险指标值，其中抽检项目不合格风险指标值通过目标食品抽检不合格项目数占所有抽检项目数的比值再开方得到，其中非法添加物风险指标值依据设置的赋值原则得到。
8.根据权利要求7所述的一种食品安全大数据智能采集与应用系统，其特征在于：所述数据风险评估单元（400）还包括风险等级评估模块（402）和风险处理模块（403），所述风险等级评估模块（402）和食品安全风险指标计算模块（401）电性连接，所述风险等级评估模块（402）基于食品安全风险指标计算模块（401）内目标食品的各个食品安全风险指标的计算结果，通过累乘的方式得到最终的食品安全风险值，且基于最终的食品安全风险值进行风险等级评估，所述风险处理模块（403）和风险等级评估模块（402）电性连接，所述风险处理模块（403）在考虑目标食品的实际生产要求的情况下，并结合风险等级评估模块（402）得到的目标食品的风险等级评估结果，当目标食品的风险等级评估结果不符合目标食品的实际生产要求时，需要对目标食品进行风险处理，基于目标食品的生产企业名称和地址以及检测结果为不合格的目标食品的生产日期和产品批号信息，对相应生产企业以及相应批号产品进行验证处理，反之则不需要对目标食品进行风险处理。
