CN119494667A 一种基于机器学习的食品安全溯源检测方法及系统 （江苏昊特食品科技有限公司）

一种基于机器学习的食品安全溯源检测方本发明公开了一种基于机器学习的食品安全标准，进而有效的避免不安全的食品进入市2S3、基于得到的食品安全风险检测指标，利用机器学S4、通过优化算法对构建的食品安全风险预测模型所述通过分析算法对得到的检测特征数据进行分析，得到食品安全S21、从得到的检测特征数据中获取并识别出影响食品安全风险检测效率的异常检测S22、确定食品安全风险检测效率的度量方式，设定预设阈值作为接受的最佳检测效测特征数据是否导致食品安全风险检测效率数据是否导致食品安全风险检测效率超过预设阈值的依据包括S253、通过建立的目标函数，计算每个异常检3S255、如果达到预设的迭代次数或食品安全风险S256、确定全局最佳的异常检测特征数据修正策略并对比修正前后的食品安全风险检测结果，分析最佳异常检测特征数据修正策略的有效S31、输入食品安全风险检测指标的原始数据集，并为构建孤立树初始化若干映射任S433、对初始食品安全风险预测模型参数进行随机4S434、计算新的食品安全风险预测模型参数的适S435、如果新的食品安全风险预测模型参数的适应S436、如果接受概率大于随机数，则接受新的食S437、若满足设定的终止条件，则输出初始食品安全风险预测模型参数，否则通过衰减函数衰减食品安全风险预测模型参数后返回步骤Qnm表示Tm与其他食品安全风险预测模型参数集之h表示为第a次迭代时的食品安全风险预测模型5数据分析模块，用于通过分析算法对得到的检测特征数据进预测模型构建模块，用于基于得到的食品安全风险检测指标，利用机模型优化与检测模块，用于通过优化算法对构建的食品安全风险预测模型进行优化，并通过优化后的食品安全风险预测模型对食品样其中，数据收集与处理模块通过数据分析模块和预测模型构建模建模块通过模型优化与检测模块和结果判断与管理措施67[0014]S21、从得到的检测特征数据中获取并识别出影响食品安全风险检测效率的异常常检测特征数据是否导致食品安全风险检测效率8后的食品安全风险预测模型对食品样本进行9[0080]根据本发明的另一个方面，还提供了一种基于机器学习的食品安全溯源检测系型构建模块通过模型优化与检测模块和结果判断与管理措施[0088]1、本发明通过分析检测特征数据，使得能准确地识别出影响食品安全的关键因[0093]图1是根据本发明实施例的一种基于机器学习的食品安全溯源检测方法的流程[0094]图2是根据本发明实施例的一种基于机器学习的食品安全溯源检测系统的原理框[0099]根据本发明的实施例，提供了一种基于机器学习的食品安全溯源检测方法及系分析得出的一系列指标，这些指标用于检测食品的安全性和确定食品是否存在潜在的风[0111]具体的，溯源程序是指追踪和调查不符合安全标准食品[0117]S21、从得到的检测特征数据中获取并识别出影响食品安全风险检测效率的异常常检测特征数据是否导致食品安全风险检测效率准或更换试剂等修正策略，如果通过统计分析发现某批次的数据准确率和灵敏度低于阈异常检测特征数据是否导致食品安全风险检测效率超过预设阈值的依分析，在Hadoop分布式框架中，将映射任务分发给集群中的计算节点是通过Hadoop的Map检测食品安全风险预测模型在处理多样性食品数[0176]具体的，食品安全风险预测模型参数指的是影响模型行为和性能的可调整参数少达到98同时保证召回率不低于95％。约束条件包括限制模型的训练和预测时间以适灵敏度，以确保未检测到的微量残留被识别，应用k折交叉验证方法检测牛奶样本的安全[0232]模型优化与检测模块4，用于通过优化算法对构建的食品安全风险预测模型进行[0233]结果判断与管理措施模块5，用于根据安全检测结果，判断是否符合食品安全标模型构建模块3