基于Spring Boot微服务架构的农产品质量安全监测平台构建与应用

邓 波 张维谊 朱春燕 陆仲斐 宋宇迎 周雨璊 袁昳雯 丰东升

（上海市农产品质量安全中心，上海市青浦区 201708）

上海市农产品质量安全中心（以下简称中心）于2019年完成了机构的调整与合并，原服务于公益二类事业单位的公共服务信息系统，已不能满足公益一类事业单位服务于政府监管的需要，再加上随着中心业务种类的变化和检测数量的增长，所涉及的领域范围和工作流程也均需进行全面梳理和调整。因此，为了提升中心的检测能力，为政府提供更加科学、准确、具有国际认可度的数据，使上海市的农副产品在国际大贸易背景下更具竞争优势，中心设计、研发了一套基于Spring Boot微服务架构[1]的农产品质量安全监测平台（以下简称平台）。平台重点聚焦于满足CNAS体系要求的质量监管[2]，进行了质量管理、检验方法库、标准库、模板库的电子化建设，全面实现了检验方法库电子化、原始记录无纸化、数据采集自动化、标准判定自动化、数据分析智能可视化、移动应用。中心通过开发、规范、优化工作流程，简化用户操作，提升系统响应速度，进而实现了检验数据、管理数据的科学管理，保证了检验过程原始数据的真实、可靠、完整、全面、不易消除、可追溯性和多重关联性，提升了数据统计与分析的准确性和便捷性，进而建设了标准操作规范体系，规范了检验业务流程，加强了实验室资源管理、质量与安全管理，提高了农产品检测实验室人员的工作效率，实现了实验室信息化管理[3]。现笔者拟对该平台的构建与应用情况进行介绍，以期给类似单位进行相关平台构建提供参考借鉴。

1 平台设计

1.1 总体框架设计

平台系统架构融入了标准的WEB方式[4]，由一个可升级和可扩展的WEB浏览器客户端应用和一个数据服务器组成。

平台是一套拥有自主产权的国产软件，支持国产服务器[5]、数据库、操作系统、中间件。适配的国产服务器类型为华为泰山200，CPU为华为麒麟920、ARM 2.6Ghz×2、单颗48，操作系统为中标麒麟高级操作系统7.6ARM版，数据库为达梦数据库（版本DM8），支持单体应用和微服务容器化部署（Docker、Rancher、K8S、Nacos等均能正常部署）。

平台采用的Spring Cloud框架[6]，是基于Spring Boot的一整套实现微服务架构的云服务框架。Spring Boot微服务技术体系对代码量进行了大幅缩减，配置结构逻辑更加清晰，同时删除了大量的配置操作，简化了开发流程[7]。同时，平台围绕业务领域组件来创建应用，这些应用可独立进行开发、管理和迭代。在分散的组件中使用云架构和平台式部署、管理和服务功能。此外，SW-研发管理采用容器化部署[8]，使部署和运维更加便利，移动端解决方案支持IOS、Android、Windows RT等主流版本。

平台包括用户层、应用层、支撑层、信息资源层和基础设施层五个层次，包含标准规范体系、安全保障体系、运行维护体系、技术支持体系和实验室管理规范体系五个体系。

1.2 数据流程设计

平台数据流程设计包括抽样计划导入、抽样报检、现场抽样、实验室任务委托登记、检验项目检测方法自动匹配、样品留样制样管理、检验分析、仪器数据自动采集、检验报告自动生成、实验室日常资源和质量体系的全方位合规管理等，见图1。

2 核心功能

2.1 绿色农产品现场抽样系统

根据绿色食品定点检测机构抽样管理等有关工作的要求，在绿色食品产品和产地环境抽样时，抽样人员应详细、准确、即时记录抽样信息，确保采样的真实性、规范性和溯源性。平台通过移动端对抽样地点信息、抽样过程、样品封样情况等进行记录，能实现照片（或录像）自动生成水印（如采样时间、GPS定位等信息），清晰记录抽样地点特征（如企业标牌等）、样品现场采集过程、样品现场封存过程、样品运输及存放环境条件、抽样单与已封样品合照等功能。同时，系统能对被抽样地点、过程、产品状态及其他可能影响检测结果的情形进行现场拍照或录像，并通过平台存档以备查验。此外，系统还首次将现场抽样与主体详细信息、生产单位、现场录入样品信息、结果信息进行自动关联，现场抽样信息可自动生成LIMS系统委托任务[9]，业务人员再进行检验项目、检验方法等内容的完善。

2.2 可视化、可配置检验业务流程管理

平台针对检验检测过程管理子系统中不同的检测对象，可配置不同的检验业务流程，以满足不同检测对象的业务特点。其中，检验过程和关键点控制支持可视化流程配置，用户可根据需要进行手工流程配置。

2.3 仪器数据自动采集接口

为提升检验检测过程的工作效率，通过仪器数据自动采集接口，平台可实现对所有工作站类型仪器的数据采集，并将仪器谱图文件在系统中进行归档保存，并自动生成原始记录单。其中，在实验室仪器数据采集过程中，系统可根据样品检测标准，满足样品来源的可追溯性，提升样品检测的安全性，确保数据完整[10]。

2.4 全面符合ISO/IEC 17025的资源管理功能

平台实现了全面符合ISO/IEC 17025的资源管理功能，主要包括人员管理、仪器设备管理、材料管理、方法标准管理、文件管理、客户管理等，见图2。

3 取得的成效

平台从方案设计到线上运行，现场抽样系统和样品管理系统历时3个月完成。平台建成后，经实践应用，取得了以下成效。

3.1 实现了绿色农产品抽样和管理的科学化

原来的管理模式是通过手机拍照和纸质记录来实现绿色农产品抽样和管理的，但两者的关联性不强，无法满足中绿体〔2019〕145号文中对绿色食品现场抽样工作的要求。而平台的开发应用，实现了后台基础数据库导入、现场样品信息录入、GPS定位并自动记录、现场照片拍摄自动上传、后台加盖经纬度和时间等信息水印、现场打印抽样单等功能；建立了标准化样品库，能进行样品规范化管理；建立了样品档案，可设置唯一性标识；实现了样品具有特制标签并附有二维码，能支持扫描枪、移动端扫描，做到样品信息实时掌握；实现了样品流转全程记录，能保证样品的有效性和可溯源性；实现了样品资料种类的多样化存储。

3.2 实现了仪器采集和数据分析的智能化

传统数据录入功能是通过手工誊抄来实现的，不仅在数据转移过程中易产生偏差，而且工作效率很低。而平台仪器的自动采集功能，实现了天平数据、图谱数据、串口仪器数据的自动采集，且平台支持上传检验过程中产生的照片、图谱等文件，并能自动合成至原始记录中，减少了数据转移的误差，提高了原始记录的生成效率，缩短了报告周期。

3.3 全面符合ISO/IEC 17025的资源管理

3.3.1 设备管理

传统设备管理是通过管理员进行线下清点和状态查看实现的，若实验室设备较多，设备检定/校准状态需要人工识别，容易出现遗漏或错过计量周期。而平台的开发应用，实现了设备的台账管理，可自动打印设备标识/识别码；实现了仪器设备的条码管理，可按照样品、检测项目、岗位、检验人员等查看实验设备的使用情况和统计实验设备的使用频次。同时，平台还支持对设备维修、保养、校准、计量确认、量值溯源、点检、降级、启封、封存、报废等的管理，且能通过设置专门的角色实现对实验设备的借出、归还以及对设备状态和使用记录的管理。

3.3.2 标准方法管理

传统的标准方法管理是通过纸质版标准查询实现的，而中心检测和判定标准设计达1 000个以上，相关参数甚至超过1万个，标准和方法的管理工作量大、查新任务重、检索困难、判定费时且容易出错。而平台的开发应用，建立了符合体系管理要求的标准、方法、能力库，实现了对标准库集成、系统自动方法查新、系统提示、产品标准和方法标准的电子化管理等，并能对其中的关键数据进行结构化拆分，对标准进行分类管理；建立了CNAS、CMA能力库，可结构化检测项目信息，拆分过程参数，配置公式、修约规则、检出限、定量限等。

3.3.3 文件管理

鉴于文件的发放、回收和更改必须做到受控管理，而传统方法是由文件管理员进行追踪，不仅文件替换困难，且易发生不受控和文件遗失的情况。而平台的开发应用，建立了统一的文档与实验数据存储平台，实现了电子文件与文件柜号的一一对应，统一了实验数据入出口，实现了相关人员在统一的文档与数据平台上进行操作，实现了文件多级分类管理和受控文件发放与回收管理。

3.3.4 质量体系管理

平台围绕实验活动中各个阶段的质量安全风险的预防，建立了各种类型的质量控制计划。同时，平台支持质量管理计划编制功能，如内部评审、管理评审、质量监督、客户投诉、新工作评审、不确定度评定、期间核查、能力验证、外部评审、质量监督等管理功能，能满足CNAS-CL01：2018《检测和校准实验室能力认可准则》质量管理体系要求，并提供对各类计划维护、实施和监控的全过程系统化控制，对不符合项发起纠正措施，能全面监督计划的实施和审核过程。

4 小 结

平台经过10个月的应用，初步完成了对620个农产品检测和判定标准的拆解，并针对1 262个检验参数制定了判定规则，关联了各类仪器设备336个，用户使用人数达44人。同时，通过移动终端APP的使用，现场能直接在移动终端上录入抽样信息，并上传数据，提高了现场抽样任务的工作效率，提供了可溯源、可验证的事实依据，且所有检测业务审核流程都可通过手机APP实现，极大地提升了信息流转审批速度，提高了中心工作效率。此外，平台建立了实验室质量保证与质量控制手段，遵从质量规范，通过闭合环链实现了全过程质量监控和预警，为上海市农产品质量安全监测提供了保障。

近年来，上海市政府对食品安全评价的预测预警评判机制日益重视，提高实验室日常管理水平和提升大数据分析能力就显得日益紧迫。因此，中心检测能力的提升和检测结果的准确性对于政府的科学决策十分重要。未来，平台应用将会逐步实现科学化、网络化、完整性、及时性、溯源性和准确性，且随着对食品安全要求的提高以及对平台使用认识的加深，平台将不断尝试拓展数据可视化、嵌入GIS进行蔬菜药物残留分析、利用数据化模型识别危害特征、利用SPSS进行数据统计分析和数据挖掘、添加蔬菜药物残留时空分布分析系统、添加农药兽药残留风险评估系统等。