风险预警模型在调味品安全研究中的应用

2024-05-20黄先亮吴彦蕾辜世伟冯桂蓉胡袁家何海洋张昌宏

现代食品 2024年3期

◎ 黄先亮，吴彦蕾，辜世伟，冯桂蓉，胡袁家，何海洋，张昌宏，雷迅

（1.重庆市食品药品检验检测研究院，重庆 401121；2.国家市场监管重点实验室（调味品监管技术），重庆 401121；3.重庆医科大学公共卫生学院，重庆 401331）

调味品是人们日常饮食中必不可少的一大类食品，我国调味品的研制及食用历史悠久。近年来，随着人们生活水平的提高，饮食结构逐渐改变，调味品的种类也日益丰富[1]，包括咸味剂、酸味剂、甜味剂、鲜味剂和辛香剂等。随着消费者生活节奏的加快，餐饮店对于出餐效率越来越重视，调味品产业处于快速增长阶段。目前，调味品产品品种较多（包括酱油、食醋、复合调味料、香辛料等）、加工方式多样（提取发酵型、分解反应型和原料混配型等），已逐渐向规模化、自动化方向发展。此外，调味品产业链条长、原料复杂、种类繁多，加上生产门槛较低，且大多数生产规模小而散，致使食品安全问题较多，监管难度大，存在舆情和安全事件隐患。

1 调味品安全问题现状

调味品产业发展迅速，总体安全质量较好，但仍然存在诸多质量安全问题[2]，如质量指标不合格、食品添加剂超标和微生物指标不合格等。与调味品相关的事件时有发生，如“天津独流调味品造假”事件引发全国关注。调味品行业存在的主要食品卫生问题在于原料的选择问题、食品添加剂的使用问题以及工厂设备及卫生管理问题[3]。此外，复合调味料在餐饮行业中的使用也存在一些问题，如超剂量、超范围使用食品添加剂，个别餐饮企业为降低成本使用过期、劣质或假冒的复合调味料，自制复合调味料难以保证标准化，因此监管难度大[4]。为了解决这些问题，除了生产厂家自身需要有效控制原材料的使用安全以及做好卫生管理之外，政府部门加大监管力度也十分重要。为了更好地应对调味品所面临的安全问题，开展调味品安全风险评估与预警十分必要。

2 食品安全风险预警模型研究

当前，我国食品安全治理的理念和体系正在逐步由政府监管为主导的模式向社会共治的模式转变。2015 年修订的《中华人民共和国食品安全法》第三条明确指出“食品安全工作实行预防为主、风险管理、全程控制、社会共治，建立科学、严格的监督管理制度”，并提出建立食品安全风险监测制度[5]。

食品安全预警是一种预先警示，事先对食品安全状况进行“告警”，针对食品可能产生安全隐患时预先警示，并能够实时有效控制[6]。一个快速且有效的食品安全预警系统不仅有利于食品的质量安全[7-8]，还有利于食品安全风险监管。目前，欧盟建立了食品和饲料快速预警体系（Rapid Alert System for Food and Feed，RASFF），该体系为系统内成员提供了有效的交流途径，促进彼此交换信息，并采取措施确保食品安全。美国食品药品监督管理局（Food and Drug Administration，FDA）的预警工作包括安全提示和建议、召回信息、警告信和提示信[9-10]。

对于食品安全风险监测预警，已有较多探索性研究，主要围绕基于大数据的食品安全数据挖掘算法和预处理技术，建立风险监测和预警模型。例如，高亚男等[11]利用集成模糊层级划分的LightGBM 食品安全风险预警模型对肉制品进行了风险预测，并验证了模型的优越性。LIANG[12]在研究中建立了一个新的系统动力学（System Dynamics，SD）模型，开发了具有不同目标函数的9 个优化SD 模型，结果表明，所提出的SD 模型对于食品安全风险沟通系统进行的风险评估、管理和决策是有效的。作为数据挖掘中的一种重要工具，机器学习也应用于风险评估。蔡强等[13]使用BP 神经网络结合层次分析方法构建食品安全评价模型；洪雪婷[14]运用猫群算法优化支持向量机参数的模型，建立了支持向量机（Support Vector Machines，SVM）为代表的核方法对乳制品食品安全进行风险评估；刘宇姗[15]研究了食品供应链的特点，并确定其构成和关键控制点，运用隐马尔可夫（Hidden Markov Model，HMM）模型评估乳制品安全风险，计算供应链的风险水平，同时建立了一个多层次、多指标的食品安全风险评估指标体系。

3 调味品安全风险预警研究现状及存在问题

风险预警模型的研究主要集中在肉制品、乳制品等类别，而针对调味品的研究较少。孙胜枚等[16]对调味品生产企业预警体系构建的必要性和紧迫性进行了分析，并在企业自身建立的危害分析及关键控制点（Hazard Analysis and Critical Control Point，HACCP）体系基础上，提出了食品安全预警体系的基本框架和调味品企业实施预警体系的操作流程，但该预警体系是在HACCP 的基础上，针对生产过程进行的食品安全控制。马红迪[17]依据食品安全抽检数据的检测值和标准值，构建取值在0 ～1 的食品安全风险指数，利用决策树和随机森林模型预测了食品安全风险指数，但是该研究仅仅针对调味品中的食品添加剂进行了分析，对调味品的其他指标没有进行分析。GENG 等[18]提出了一种新的自适应粒子群算法，优化了长短期记忆神经网络（IAPSO-LSTM），建立了以中国某省份的复合调味品检测数据为例的食品安全风险预警模型，实验结果表明，IAPSO-LSTM 的总体性能好，该模型可以有效地帮助相关部门预警食品中的潜在风险因素，确保食品安全，该研究仅针对调味品大类下的复合调味品。

目前，针对调味品安全风险的研究不多，尤其是调味品安全风险预警相关的文献报道较少，有的仅针对调味品大类下的某一小类，有的仅针对众多指标中的某一类指标，对调味品系统性、整体性的风险预警还有待进一步研究。且目前还存在以下困境：针对调味品安全的风险识别与预警尚无一套成熟的理论与技术；单中心、小而分散的监测数据集不足以支撑系统、准确的风险预警技术的开发。

4 调味品安全风险预警研究方向

早期风险识别与及时监测预警是解决调味品安全监管问题的关键。随着信息化和大数据时代的到来，如何从有用信息中提取数据是亟待解决的问题[19]。机器学习作为非常实用的数据挖掘方法，以外环境提供的大量数据信息为对象，通过计算机模拟人类学习过程，对数据信息进行收集、整理、分析、储存、统计，推断出其中规律而建立某种模型，再对未知数据进行推测[20-21]。近年来，大部分食品安全风险预警模型的研究都选择了机器学习作为研究方法，包括支持向量机、隐马尔科夫模型、贝叶斯网络、极限学习机、决策树以及神经网络等。因此，建立一套科学可行、符合调味品特点的评价指标体系和风险预警模式是当前及将来的研究方向。