大数据环境下基于神经网络技术的食品安全监管

孟庆杰 尧海昌

(1.南京工业职业技术大学，江苏 南京 210046；2.南京邮电大学，江苏 南京 210023)

近年来中国的食品行业运行状况得到了空前发展。2019年上半年，全国规模以上食品企业工业增加值保持稳定增长，其中农副食品加工业累计同比增长4.7%，食品制造业累计同比增长5.5%；全国规模以上食品工业企业营业收入39 311.4亿元，同比增长5.0%；利润总额2 710.1亿元，同比增长10.0%。在经济效益增长的同时，存在的食品安全问题也逐渐凸显，受到了公众的广泛关注，国家对于食品安全的监管也愈发深入[1]。

中国对于食品安全问题的监管一直处于不断发展阶段，近几十年来从监管模式上也有了一定的革新和突破。但是在如今大数据时代背景下，食品信息数据越来越庞大，也越来越复杂，有必要顺应时代、结合新型技术对传统的食品安全监管模式进行优化[2]。对于由不同地区、机构采集到的食品信息数据，如何进行系统化的汇总和整理，并从数据中发现潜在的安全隐患问题，及时向公众预警已非常迫切。目前，在中国乳制品质量安全评价中已应用了BP神经网络评价模型，通过训练设置相应的参数，更客观地反映中国乳制品质量的实际情况[3]。而通过数据挖掘和神经网络对数据进行整理和分析，进一步实现信息共享，发挥计算机的高速运算能力和信息处理能力，对于食品安全的监管来说是一个新的突破。因此，文章拟对大数据环境下的食品安全监管问题进行分析，旨在为推进中国大数据食品安全监管模式的理论完善及实践应用提供依据。……