大数据背景下营养健康管理及食品安全

2023-04-05胡双双

现代食品 2023年2期

◎胡双双

（郑州财税金融职业学院，河南郑州 450000）

随着信息技术的快速发展，大数据技术在各行各业推广应用，使得其成为临床研究的热门技术。在互联网、物联网、人工智能等新型技术的应用下，营养健康管理与食品安全管理进入新的阶段。利用大数据技术可以对各种数据进行统计分析，从而筛选有价值的信息，为智能化管理提供有效依据，进而解决目前营养健康管理、食品安全管理中的问题。

1 大数据技术概述

大数据技术可以处理海量数据，并且通过数据的整合、挖掘、分析，发现隐藏的有价值信息，从而为实际管理提供有效依据。大数据技术的特点在于：（1）数量大。（2）数据类型丰富多样。（3）数据价值密度低。（4）数据处理速度快。目前，大数据技术已经在民生相关领域得到广泛应用，例如，金融管理、社会环境管理、应急处理预案架设等方面均表现出较好的应用效果[1]。

随着现代社会进入信息化时代，营养健康管理与食品安全管理已经引入大数据技术，具体表现在以下几方面：（1）检测机构开展食品检测的相关数据呈逐年增长的趋势，食品营养检测涵盖范围广，数据呈动态更新与增长的势态。（2）食品营养与食品安全相关数据种类多样化，包括现场抽查照片及录像、微生物检验数据、营养成分检测数据、网络舆论数据等。（3）由于政府部门在监管与执行中都要以相关检测结果为依据，且消费者在购买产品时对于食品相关的配料表、营养成分表的依赖性增强，这就对相关数据的处理速度提出了更高的要求[2]。（4）目前，分析检测数据主要是以检测报告、统计报表的形式呈现，实际发挥的作用较小。同时，全国营养监测数据发布速度较慢，信息滞后很难为政府政策制定提供有效依据，因此，需要充分借助大数据技术的信息处理能力，提高对于营养监测、食品安全等方面的监测效果，从而为政府制定政策提供有效依据，为企业、消费者、媒体提供真实可靠的信息，这是社会发展的必然趋势，也是营养健康管理、食品安全管理发展的必然趋势，有助于确保群众的营养健康与食品安全，从而维持社会平稳发展。

2 大数据技术在营养健康管理中的应用

2.1 食物成分数据库

食物成分表是消费者查看食物中营养元素的重要工具，美国将食物主要分为23 类，且着重于记录可直接食用的食品；而英国则更加关注食品的原料，细分成14 种类型；我国则分为8 大类[3]。但是随着新品种食物的不断涌现，食物成分数据库中的种类也不断增多。同时，随着食物成分检测手段的进步，一些新的营养成分、抗营养成分、植物成分、化学物成分等也逐渐出现在食物成分表中，因此需要建立相应的数据库，以指导群众健康饮食，从而减少各种代谢性疾病的发生率。随着我国改革开放不断深化，对外合作交流日益密切，食物成分数据分享成为国际流行趋势。因此，建立相应的食物成分数据库，有助于实现与其他国家和地区的信息共享。

随着经济水平不断提升，健康饮食越来越受到人们的重视，尤其是孕妇、慢性病患者、儿童、老年人等特殊群体。目前，国内出现了许多健康饮食相关App，可根据用户的饮食习惯、身高体重、BMI 值、腰臀比、血脂水平等数据，通过调查用户的饮食偏好，为其推荐健康食谱。同时，用户也可以利用食物热量表计算每天摄入的热量，从而更好地进行健康管理[4]。此外，大数据技术可以根据用户关注的食谱、饮食偏好，并结合用户的实际情况，给用户推荐个性化的食谱。

2.2 营养调查与信息共享

人体生长发育和体力活动都需要营养物质的供给，碳水化合物、蛋白质、维生素是人体维持正常活动所必需的营养元素，但是不同地区人民的饮食习惯也有明显的差异。因此，通常同一地区营养元素摄入状况存在较多的相似之处，这也导致部分疾病的发生有明显的地域特征。例如，沿海地区的人们对于海产品的摄入量明显高于内陆地区的人，该地区人民群众痛风病的发生率明显偏高。因此，相关部门需要充分借助大数据技术对全国人民的营养健康状况进行调查，这样不仅可以减少人力资源与经济成本，而且可以确保调查效率以及数据准确性。海量数据调查对于营养健康管理具有重要的现实意义，在现代社会中，利用大数据技术获取营养健康相关信息，构建相应的数据库，可以为我国疾病防治工作提供有效依据，确保群众的食品安全。

我国定期开展的健康营养调查，可掌握全国人民的营养状况，了解哪些营养素摄入过量或缺乏，从而制定《中国居民膳食营养素参考摄入量》，进而有效防控部分疾病的发生。但是从实际发布情况来看，我国人口数量众多，因此调查速度较慢，信息收集的时效性较弱，相较于美国2 年1 次的营养健康调查，我国存在调查间隔时间较长、发布速度较慢等问题。而在饮食结构不断变化、各种疾病发生率不断升高的时代背景下，滞后的信息很难为政府政策制定提供有效依据。

美国的营养健康调查体系主要分为传统入户调查和移动监测2 个模块。其中，入户调查主要以人工展开家庭调查为主；为了减少人工误差，美国在1999 年建设了移动监测模块，可完成可控环境内的身体检查、生物检验样本的采集储存与运输等工作。相比之下，我国体格检查、实验室检查等方面的建设速度较为缓慢。因此，我国相关部门需要加快营养数据库的建立，实现信息共享，为《中国居民膳食营养素参考摄入量》的制订提供最新数据，从而挖掘营养素摄入情况与各种疾病发生的相关性，进一步推进疾病防控工作。

2.3 食品风险评估

食品中若存在污染物或农药残留物，可能诱发各种急慢性疾病，威胁消费者的健康生命安全。近年来，食品安全事故频发，引起消费者的不满，而大数据技术的应用，可以为食品风险评估提供有效支持。利用大数据建立食品风险评估系统，需要先对食品的实验室检验数据、企业上报数据、现场检查数据，以及网络舆论数据等数据进行整理、统计与分析，并在食品合格率、用户满意度、网络热词、信息传播模式等方面展开关联性分析，挖掘海量数据中隐藏的有价值信息，并在此基础上，通过手机、个人电脑等移动设备为政府、企业、消费者、媒体提供信息服务，扎实推进信息公开，保障群众的知情权利。如此一来，不仅可以深度挖掘食品安全信息，而且可以引导消费者更加关注食品安全。

3 大数据技术在食品安全管理中的应用

3.1 食品安全的市场监管

大数据技术在政府进行食品安全市场监管中发挥了重要作用。例如，国家食品安全抽查系统包含了抽查基础表模块、抽查任务模块、检测模块、检测报告验证模块、核查处置模块、数据统计分析模块等，可以实现全国食品抽查数据的统计分析与信息共享，从而避免重复抽查同一批次食品问题的发生，并对抽查不合格的样品进行快速处理，提高市场监管效率。在2021 年上半年，市场监管部门开展了超过180 万次的食品安全监督抽查工作，并且根据食品安全国标进行验证，共计发现超过4 万批次的不合格食品，总不合格率为2.34%，与2020 年同期抽查结果相比有所升高。大量的抽查产生了大量的检测数据，若采用常规技术很难实现对海量数据的快速处理，而大数据技术则表现出较好的适用性，可以对不合格项目、不合格项目比重、不合格原因进行统计分析。该系统的研发可以有效提高我国食品安全监管的工作效率，促使监管工作更加智能化、快捷化。

国家药品监督管理局信息中心近期发布了药品智慧监管典型案例推选结果，福州市市场监管预警平台也入选了“2022 年智慧监管典型案例”。该平台充分借助大数据技术，对福州市市场监管相关数据进行整合、挖掘、分析、预警，形成基础数据300 多万条，对主体等级风险、经营风险、信用风险、违法违规风险、涉企人员风险、动态监测风险等进行评估，并且选取了相关二级指标，参照国际评分制进行风险等级评估。该平台的成功入选，说明了大数据技术能够为食品安全监管带来积极影响，从而提高食品安全管理效率[5]。

3.2 食品安全追溯

食品安全追溯是食品安全管理的重要内容之一，例如，区块链技术在疯牛肉追溯中具有广泛应用，为食品安全管理提供了有效支持。有学者利用联盟链技术构建食品溯源系统，在区块链系统中使用特定的语言开发链码，并使用计算机语言编写客户端程序，通过扫码，可以对食品溯源结果进行查询，利用区块链技术以及射频识别技术，实现食品供应链的公开，只需等待数秒，即可进行产地溯源，从而提高追溯能力，且溯源结果具有法律效力，因此，可以保证数据的准确性。还有企业利用区块链的交易关系构建结构模型，对区块链进行分层，构建了多种子节点集群，并采用PBFT 算法对集群进行计算，从而为市场监管部门提供了有效的数据支持，提高了区块链溯源的工作效率。

此外，有学者通过构架分布式的溯源平台，为食品企业提供经营管理服务，为一般群众提供食品溯源服务，为监管部门提供食品生产流通追溯服务，并且在实际应用中表现出较好的应用效果，可以实现区域内婴幼儿食品、食用油、酒类产品等食品的查询与追溯；群众可以利用移动终端或微信扫描条形码，查询欲购食品生产企业及产品相关信息，包括生产企业的生产许可证、抽查情况等信息。目前，茶叶供应链中已经应用了大数据技术，该技术对茶叶种植、加工、物流、销售等环节进行追踪观察，从而消除各种中间环节，实现从生产到消费的全过程追溯。由此可见，大数据支持下的食品安全追溯可以推动食品生产的标准化发展，在发现问题时可以快速召回，从而避免消费者购买有问题的产品，提高消费者对产品的信任度。

3.3 食品安全风险预警

食品供应链中存在较多的风险，大数据技术可以通过环境数据与危害因子的相关性分析，预测食品安全中的潜在风险。例如，通过监测田间作物生长情况，可以精准分析农作物病虫害的发生风险。目前，有学者利用人工智能技术与深度学习算法，对食品安全事件进行自动鉴别，利用去趋势波动交叉相关法计算影响食品安全的各种指标，从而分析供应链中的各种异常指标，预测可能出现的食品安全事件。利用全国食品抽检数据以及各地区的关联信息，建立深度学习网络—多类模糊支持向量的风险预警系统，可以对导入的视频数据进行统计分析，从而获得结构化数据，然后将其导入相应的数学模型进行特征提取，通过自适应挖掘技术监测供应链中的各种风险变化，寻找其内在关联，然后将相关性较高的影子输入模糊支持向量模型中进行计算，对影响供应链的各种危险因素进行分级预警。在试验中发现，该系统可以快速鉴别供应链中的各种危险因素，并根据其危害与风险分级制定相应的管理策略，为监管部门制定相应的抽检计划提供有效依据。

食品安全一直是消费者关注的重点问题，随着我国经济的快速发展，市场化水平不断提升，越来越多的商家为了谋取利益，使用不合格的食品原料、包装材料，引发了食品安全事故。而大数据技术可以对食品营养成分进行调查，从而为监管部门提供相应的数据支持，在食品行业中进行数据分析、处理、溯源等，进而全面保障食品安全。随着生活水平的提高，人们对食品口感、风味、色泽等方面的要求不断提升，也可以从侧面激发食品企业更加重视生产管理、优化营养成分搭配等，从而找出问题并及时纠正，避免食品安全事件的发生。