基于大数据的基层食品安全监管创新模式

王旖旎 李逢振 刘小飞

（湖南环境生物职业技术学院，湖南 衡阳 421005）

0 引言

当前，我国食品安全形势总体稳定，但是基层食品监管范围广、条件和手段相对滞后，食品安全快检尚处于初创阶段，应该检测的项目无法及时、准确地检测，已经检测的项目一般只使用“不合格率”这个单一指标来评价食品的安全状态。由于资金、技术等问题，基层食品监管大多侧重抽检，数据量少且代表性不足，数据综合分析利用程度低[1]，因此，公开的不合格值仅能基本保障食品在流通过程中的安全，危害因子将如何变化却无法预测。加上食品安全相关部门协调互动少，数据透明度较低[1]，不能及时解决食品安全问题。

基于上述情况，有必要探讨一种新的基层食品监管模式，既能真实地反映食品的安全状态，又能很好地反映风险因子的变化趋势，使基层监管工作及时、准确、有效。

1 基层食品安全监管创新模式

1.1 基层食品安全大数据平台的建设

基层食品安全大数据平台的建设包括以下内容：1）建立该区域基层食品安全信息平台，收集从食品种养殖到消费等各个环节的数据信息。将食品分为方便食品、饮料、豆制品、肉制品等28 类，每类又分为若干种食品；各待检参数再按化学污染物、农药兽药残留、添加剂、重金属超标、微生物和致病菌超标等归为6 类[2]，水分、色泽、标签、配料表等参数单列；每种食品每次待检参数、参数标准限量值、检测结果、生产或经营部门、检测单位或机构、检测日期等都要体现出来。具体内容见表1。2）不同区域之间、不同部门之间要改变观念，打破数据防护体系（个人隐私、商业秘密除外），避免信息条块分割，逐步建成顺畅的食品安全信息检查网络，有关机构做好食品安全监管的数据接入和协调互动等工作，以便“食品安全链”上各环节的各方都可以实现数据融合、信息资源共享、协同处理和综合利用，最终保障各环节食品安全。通过来自多区域多部门实时、有效的信息，搭建食品监督共享平台。食监部门对平台数据进行整理分析，从中挖掘对食品安全监督有用的信息，并将结果通过平台发布，并应用到监督实践中。让公众参与监督，让生产和经营者自律，打造政府引导、公众共同参与、企业自律的基层食品安全立体防线。

1.2 以大数据为基础进行食品安全评价的方法

表1为M 区X 时间段食品安全平台数据。从表中可以看出，许多因素会影响食品的安全，主要因素如重金属、微生物等，次要因素有色泽、感官等。那么在用大数据进行食品安全评价时，笔者选择某类或其中某种食品，去除水分、色泽等次要因素，选择其中有限量值要求的参数[2]如玉米糊中的菌落总数、饮用纯净水中的铅等，在传统单一“不合格率”评价的基础上，增加“不合格度”指标，建立双指标评价体系，前者反映食品所处的安全状态，后者反映危害因子的风险程度。其具体方法如下：

表1 M 区X 时间段食品安全平台数据

1.2.1 “不合格率”的建立

不合格率是食品样品不合格总数与样品总数的比值，也就是食品中待检项目实际检测得到的值不符合国家标准限量值的频率[2]，如公式（1）所示。

这里，0 ≤X≤1，X越大，不合格率越高，食品越不安全。当X=1 时，食品合格率最低，食品安全状态最差；当X=0 时，食品合格率最高，食品安全状态最佳。下面分三种情况介绍。

1.2.1 .1 某种食品中，某类待检参数的某个具体参数的不合格率

若对某种食品样品中，某类待检参数第j个具体参数进行检测，检测到的不合格总数除以该食品样品总数，则为该食品该具体参数的不合格率，记为Xj。

式中：Cj为该食品中某类待检参数的第j个具体参数样品不合格总数，Nj为该食品样品中某类待检参数第j个具体参数的样品总数。例如对某豆腐干含致病菌情况进行抽检，分三批随机抽检，每批样品10 件，抽检结果见表2。

表2 豆腐干含致病菌情况

根据表2 数据计算，三个待检批次中含致病菌不合格总数Cj=6，而样品总数Nj=30，再代入式（1）得出，该豆腐干中菌落总数的不合格率Xj=20%。

1.2.1 .2 某种食品中某类待检参数的不合格率

若对某种食品样品中第i类待检参数进行检测，实际检测到的不合格总数除以该食品样品总数Ni，则为第i类待检参数不合格率，记为Xi。

式中：Ci为该食品样品中第i类待检参数样品不合格总数，Ni为该食品样品中第i类待检参数的样品总数。例如对某饮用水含重金属情况进行抽检，分三批随机抽取，每批样品10件，抽检结果见表3。

表3饮用纯净水含重金属情况

?

根据表3 数据计算，3 个检测批次中含重金属不合格总数Ci=3，而样品总数Ni=30，再代入式（2）得出，该饮用水中含重金属的不合格率Xi=10%。

1.2.1 .3 某种食品的不合格率

若对某种食品样品的多个待检参数（不限于同类）进行检测，实际检测到的不合格总数除以该食品样品总数N，则为该食品的不合格率，记为X，如公式（3）所示。

式中：C为该食品的多个待检参数样品不合格总数，N为该食品样品总数。例如对饮料含致病菌金属、添加剂、致病菌情况进行随机抽检，抽检结果见表4。根据表4 数据计算，检测的所有批次饮用水中含金属、添加剂、致病菌的不合格总数C=9，而样品总数N=70，代入式（3）中得出，所有批次饮用水中含金属、添加剂、致病菌的不合格率X=12.86%。

表4 饮用纯净水含重金属、添加剂、致病菌情况

1.2.2 “不合格度”的建立

1.2.2 .1 某种食品中，某类待检参数的某个具体参数的不合格度

将某种食品样品中，某类待检参数第j个具体参数实测值除以该参数标准限量值，则为该食品中第j个参数的不合格度，记为Yj。

式中：Ej为该食品样品中某具体参数实测值，Mj为某参数标准限量值。

表5为两种饮用纯净水的含重金属镉情况。饮用纯净水样品1 和样品2 含镉均未超出标准限量值，均合格，但镉的不合格度由式（4）计算得出，分别为Y1j=0.014，Y2j=0.84，显然样品2 比样品1 潜在的风险大很多。

表5 饮用纯净水含镉情况

1.2.2 .2 某种食品中某类待检参数的不合格度

若某种食品样品中第i（i值一定）类待测参数为k个，将k个待测参数不合格度之和，再除以该类参数个数k，所得结果即为第i类待检参数的不合格度，记为Yi。

式中：k为第i类待检参数个数，Eij为该食品样品中第i类待检参数第j个参数实测值，Mij表示第j个参数标准限量值。

表6为两种饮用纯净水的含重金属情况。饮用纯净水样品1 和2 含重金属（如镉、铅））均合格，但重金属的不合格度由式（5）计算得出，分别为Y1i=0.017，Y2i=0.725，显然样品2 比样品1 潜在的风险大很多。

表6 饮用纯净水含重金属（镉、铅）情况

1.2.2 .3 某种食品的不合格度

将某种食品样品各个待检参数的不合格度之和，再除以待检参数个数K，所得结果即为该食品的不合格度，记为Y。

式中：K为待检参数个数，Ej为该食品样品所有待检参数第j个参数实测值，Mj为第j个参数标准限量值。

表7为两种饮用纯净水的含重金属、添加剂、和致病菌等情况。饮用纯净水样品1 和2 含重金属（如镉、铅）、添加剂（如亚硝酸盐）、致病菌（如金黄色葡萄球菌）均合格，但它们的不合格度由式（6）计算得出，分别为Y1=0.046，Y2=0.055，显然样品2 比样品1 潜在的风险略大。

表7 饮用纯净水含重金属、添加剂、致病菌情况

2 食品安全监管创新模式在基层监管工作中的运用

以上“不合格率”“不合格度”的建立，食品所处的安全状态和危害因子的风险程度得以完全体现。两指标相结合就构成了基层食品安全双评价体系，见表8。

表8 基层食品安全双评价体系

这样，基层食监部门根据所辖区域食品安全信息平台某时间段的数据，进行上述三种“不合格率”计算，就可掌握到本区域该时间段哪类或哪几类食品不合格、不合格食品有哪种或哪几种，它们的不合格率分别是多少等信息，于是及时采取应对措施。例如某企业，不合格食品正在生产的立即停止生产，正在销售的立即停止销售，销售出去的马上撤回等；进行三种“不格度”计算，掌握到不合格食品中究竟哪类危害物超标、超标危害物具体有哪些、超标危害物具体超标情况，就可预测超标严重的危害物可能发展的趋势，从而确定下阶段检查必须抽检哪些食品、食品中哪类危害物及具体危害物又是哪些。在表5、表6 中，两种饮用纯净水样品无论含镉还是含镉、铅两种重金属，与标准限量值相比，均算合格。但是，表5 中两种饮用纯净水镉的不合格度分别为Y1j=0.014，Y2j=0.84，样品2 镉的含量较样品1 更接近标准限量值，显然样品2 比样品1 潜在的风险大很多。同样表6 中两种饮用纯净水样品1 和2 镉、铅的含量均未超出限量值，均合格，但重金属的不合格度分别为Y1i=0.017，Y2i=0.725，样品2 重金属的含量较样品1 高得多，显然样品2 比样品1潜在的风险大很多。这样，基层食监部门在执行下一阶段监督任务时，就要对饮用纯净水的重金属作重点检查，要根据某具体金属的不合格度来确定检查哪些重金属，如表5、表6 中的饮用纯净水的镉就是下阶段待查重点。对饮用纯净水生产厂家进行警示和监督，改善制水工艺，尽可能将重金属含量降至最低。

每阶段检测一部分食品，将随机抽检和重点检查相结合，将“不合格率”与“不合格度”相结合，将不合格食品控制为零，危害因子控制在低风险状态。

3 结语

该研究阐述了食品安全和大数据等基本概念，在分析基层食品安全监管和数据技术应用现状的基础上，构建以大数据为基础的基层食品安全监管新模式。

大数据平台的建立，整合了生产、经营、消费等各种数据，数据信息量大、数据更新频繁。食监技术机构运用平台数据，分析、提取相关信息，进行安全监测与风险评价，及时了解当前食品安全状态，使监管工作不留死角。监管机构通过平台发布食品安全信息，对食品生产和经营者起到警示和监督的作用，提高生产经营主体的食品生产水平，增强安全风险防控自觉性；有效引导消费者的消费行为，使有害食品人人避之。

双评价体系的建立，将为基层食品安全监督管理工作人员提供较为全面的大数据技术，有针对性地开展重点监督管理。基层安全监管部门在及时掌握食品检测结果不合格率情况下，有目的地开展抽样、科学合理地设定抽检参数。同时，通过食物中所含危险物质相对国家标准限定值的风险程度，及时预测食品安全风险变化，并进行预警和处理，以便于从基础层面上有效控制安全风险。

当前基层食品监管范围广，技术、经费有限，对基层监管工作人员采用以大数据为基础的双评价体系虽然还稍显复杂，该监管模式所需要的数据量较前将会大大增加，但在大数据技术飞速发展和广泛应用的今天，只要有党和政府的大力支持，相关职能部门齐心协力，也是能够实现的。