一种基于风险熵的农产品安全评价方法与系统

技术领域

本申请涉及农产品质量安全风险评估技术领域，尤其是涉及一种基于风险熵的农产品安全评价方法与系统。

背景技术

安全性评价是保障农产品食用安全的重要技术手段之一，其评价结果是开展风险监管与决策的重要科学依据。长期以来，受限于不同监测工作获取的监测数据结构不统一、监测数据高度稀疏性等问题，多源数据融合利用率低，大规模监测数据有效信息的挖掘与利用率不高，安全性评价工作长期依赖“合格率”、“超标率”等定性评价方法，风险评价及其相关的风险排序、风险决策等工作缺乏有效的定量评价技术。

如何在风险监测数据融合的基础上，充分挖掘和利用高度稀疏型监测数据所包含的有效信息，构建可定量的评价指标，是实现农产品安全定量评价与宏观决策支持的关键。目前尚没有一种基于定量评价的农产品安全宏观评价及其风险排序方法。

发明内容

有鉴于此，本申请的目的在于提供一种基于风险熵的农产品安全评价方法与系统，可以有效解决多源风险监测数据融合、高度稀疏性监测数据转换利用、宏观定量评价及其风险排序的农产品安全风险评估关键技术问题。

第一方面，本申请实施例提供了一种基于风险熵的农产品安全评价方法，包括：

从风险监测数据库中提取各项风险监测工作获取的监测数据，以所述监测数据中各样本的品种为行、安全指标为列、安全指标的检测结果为元素进行数据融合，来构建监测矩阵；

对所述监测矩阵的各行按品种目录进行排序，依据预设规则替换所述监测矩阵中的未检出值和/或将样本量小于参考值的品种归类为其他品种，获得样本矩阵；

以品种和安全指标的组合所对应的安全阈值作为元素来构建判定矩阵，将所述样本矩阵中每个所述品种和安全指标的组合所对应的检测结果除以所述判定矩阵中相应所述品种和安全指标的组合所对应的安全阈值，以将所述样本矩阵中的元素转化为风险值，从而将所述样本矩阵转化为风险矩阵；

将所述风险矩阵按品种拆分为若干子矩阵，按风险熵值法将各子矩阵转化为各品种的风险熵向量，将所有品种的风险熵向量纵向拼接获得风险熵矩阵；

基于所述风险熵矩阵，计算各安全指标的权重；

基于各品种的风险熵向量和各安全指标的权重，计算各品种的安全评价指数，从而基于农产品各品种的安全评价指数对农产品进行安全评价。

在一种可能的实施方式中，从风险监测数据库中提取各项风险监测工作获取的监测数据，以所述监测数据中各样本的品种为行、安全指标为列、安全指标的检测结果为元素进行数据融合，来构建监测矩阵，包括：

从风险监测数据库中提取各项风险监测工作获取的监测数据；

以所述监测数据中所有样本的个数作为行数，所有涉及的安全指标的个数作为列数，创建空矩阵；

将所有涉及的安全指标设置为所述空矩阵的列名，将每个样本的品种设置为所述空矩阵的行名；

将所述监测数据中每个安全指标的检测结果作为元素，并按照所述行名与列名填充至对应的矩阵位置，未获检测结果填充的矩阵位置用未检出值填充，来构建监测矩阵。

在一种可能的实施方式中，依据预设规则替换所述监测矩阵中的未检出值，包括：

当所述监测矩阵中的未检出值的比例大于或等于预设值时，将所述未检出值替换为1/2检出限；

当所述监测矩阵中的未检出值的比例小于预设值时，将所述未检出值替换为检出限。

在一种可能的实施方式中，针对在国家层面上开展农产品安全评价，将所述参考值设置为500；

针对在省级层面上开展农产品安全评价，将所述参考值设置为100；

针对在市级或以下层面上开展农产品安全评价，将所述参考值设置为30；

所述安全阈值为国家正式颁布的食品安全限量标准值或国家农产品质量安全风险评估专家委员会临时设定的安全判定值。

在一种可能的实施方式中，所述风险熵值法用于采用以下表达式将所述风险矩阵中的风险值转化为风险熵值：

其中，h

在一种可能的实施方式中，基于所述风险熵矩阵，计算各安全指标的权重，包括：

基于风险熵矩阵计算第j个安全指标的熵值：

其中，e

基于第j个安全指标的熵值计算第j个安全指标的权重：

其中，w

在一种可能的实施方式中，基于各品种的风险熵向量和各安全指标的权重，计算各品种的安全评价指数：

其中，F

第二方面，本申请实施例还提供一种基于风险熵的农产品安全评价系统，包括：

监测矩阵构建模块，用于从风险监测数据库中提取各项风险监测工作获取的监测数据，以所述监测数据中各样本的品种为行、安全指标为列、安全指标的检测结果为元素进行数据融合，来构建监测矩阵；

样本矩阵获得模块，用于对所述监测矩阵的各行按品种目录进行排序，依据预设规则替换所述监测矩阵中的未检出值和/或将样本量小于参考值的品种归类为其他品种，获得样本矩阵；

风险矩阵转化模块，用于以品种和安全指标的组合所对应的安全阈值作为元素来构建判定矩阵，将所述样本矩阵中每个所述品种和安全指标的组合所对应的检测结果除以所述判定矩阵中相应所述品种和安全指标的组合所对应的安全阈值，以将所述样本矩阵中的元素转化为风险值，从而将所述样本矩阵转化为风险矩阵；

风险熵矩阵获得模块，用于将所述风险矩阵按品种拆分为若干子矩阵，按风险熵值法将各子矩阵转化为各品种的风险熵向量，将所有品种的风险熵向量纵向拼接获得风险熵矩阵；

权重计算模块，用于基于所述风险熵矩阵，计算各安全指标的权重；

安全评价指数计算模块，用于基于各品种的风险熵向量和各安全指标的权重，计算各品种的安全评价指数，从而基于农产品各品种的安全评价指数对农产品进行安全评价。

第三方面，本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。

第四方面，本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。

本申请实施例提供的一种基于风险熵的农产品安全评价方法，首先从风险监测数据库中提取各项风险监测工作获取的监测数据，以所述监测数据中各样本的品种为行、安全指标为列、安全指标的检测结果为元素进行数据融合，来构建监测矩阵；对所述监测矩阵的各行按品种目录进行排序，依据预设规则替换所述监测矩阵中的未检出值和/或将样本量小于参考值的品种归类为其他品种，获得样本矩阵，可以解决不同监测工作获取的监测数据结构不统一、监测数据高度稀疏性等问题。然后以品种和安全指标的组合所对应的安全阈值作为元素来构建判定矩阵，将所述样本矩阵中每个所述品种和安全指标的组合所对应的检测结果除以所述判定矩阵中相应所述品种和安全指标的组合所对应的安全阈值，以将所述样本矩阵中的元素转化为风险值，从而将所述样本矩阵转化为风险矩阵；将所述风险矩阵按品种拆分为若干子矩阵，按风险熵值法将各子矩阵转化为各品种的风险熵向量，将所有品种的风险熵向量纵向拼接获得风险熵矩阵，可以将相对复杂的监测矩阵转化为易于分析的风险熵矩阵，并提高大规模监测数据有效信息的挖掘与利用率。最后基于所述风险熵矩阵，计算各安全指标的权重；基于各品种的风险熵向量和各安全指标的权重，计算各品种的安全评价指数，从而基于农产品各品种的安全评价指数对农产品进行安全评价，可以宏观定量评价农产品安全风险。因此，本申请可以有效解决多源风险监测数据融合、高度稀疏性监测数据转换利用、宏观定量评价及其风险排序的农产品安全风险评估关键技术问题。

为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了本申请实施例所提供的一种基于风险熵的农产品安全评价方法的流程图；

图2示出了某年蔬菜监测结果的排序比较结果的示意图；

图3示出了另一年蔬菜监测结果的排序比较结果的示意图；

图4示出了本申请实施例所提供的一种基于风险熵的农产品安全评价系统的结构示意图；

图5示出了本申请实施例所提供的一种电子设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

考虑到现有技术中安全性评价是保障农产品食用安全的重要技术手段之一，其评价结果是开展风险监管与决策的重要科学依据。长期以来，受限于不同监测工作获取的监测数据结构不统一、监测数据高度稀疏性等问题，多源数据融合利用率低，大规模监测数据有效信息的挖掘与利用率不高，安全性评价工作长期依赖“合格率”、“超标率”等定性评价方法，风险评价及其相关的风险排序、风险决策等工作缺乏有效的定量评价技术。如何在风险监测数据融合的基础上，充分挖掘和利用高度稀疏型监测数据所包含的有效信息，构建可定量的评价指标，是实现农产品安全定量评价与宏观决策支持的关键。目前尚没有一种基于定量评价的农产品安全宏观风险评估及其风险排序方法。基于此，本申请实施例提供了一种基于风险熵的农产品安全评价方法与系统，下面通过实施例进行描述。

为便于对本实施例进行理解，首先对本申请实施例所公开的一种基于风险熵的农产品安全评价方法进行详细介绍。

请参照图1，图1为本申请实施例所提供的一种基于风险熵的农产品安全评价方法的流程图。如图1所示，所述方法可以包括以下步骤：

S101、从风险监测数据库中提取各项风险监测工作获取的监测数据，以所述监测数据中各样本的品种为行、安全指标为列、安全指标的检测结果为元素进行数据融合，来构建监测矩阵；

S102、对所述监测矩阵的各行按品种目录进行排序，依据预设规则替换所述监测矩阵中的未检出值和/或将样本量小于参考值的品种归类为其他品种，获得样本矩阵；

S103、以品种和安全指标的组合所对应的安全阈值作为元素来构建判定矩阵，将所述样本矩阵中每个所述品种和安全指标的组合所对应的检测结果除以所述判定矩阵中相应所述品种和安全指标的组合所对应的安全阈值，以将所述样本矩阵中的元素转化为风险值，从而将所述样本矩阵转化为风险矩阵；

S104、将所述风险矩阵按品种拆分为若干子矩阵，按风险熵值法将各子矩阵转化为各品种的风险熵向量，将所有品种的风险熵向量纵向拼接获得风险熵矩阵；

S105、基于所述风险熵矩阵，计算各安全指标的权重；

S106、基于各品种的风险熵向量和各安全指标的权重，计算各品种的安全评价指数，从而基于农产品各品种的安全评价指数对农产品进行安全评价。

在步骤S101中，从风险监测数据库中提取各项风险监测工作获取的监测数据；以所述监测数据中所有样本的个数作为行数，所有涉及的安全指标的个数作为列数，创建空矩阵；将所有涉及的安全指标设置为所述空矩阵的列名，将每个样本的品种设置为所述空矩阵的行名；将所述监测数据中每个安全指标的检测结果作为元素，并按照所述行名与列名填充至对应的矩阵位置，未获检测结果填充的矩阵位置用未检出值填充，来构建监测矩阵。

在本实施例中，采用X表示构建好的监测矩阵：

其中，x

在步骤S102中，针对矩阵稀疏问题，当所述监测矩阵中的未检出值的比例大于或等于预设值时，将所述未检出值替换为1/2检出限；当所述监测矩阵中的未检出值的比例小于预设值时，将所述未检出值替换为检出限。

针对采样量少的问题，将样本量小于参考值的品种归类为其他品种，获得样本矩阵。针对在国家层面上开展农产品安全评价，将所述参考值设置为500；针对在省级层面上开展农产品安全评价，将所述参考值设置为100；针对在市级或以下层面上开展农产品安全评价，将所述参考值设置为30。需要说明的是，在具体实施中还可以将参考值设置为其他数值。

在一种可能的实施方式中，对所述监测矩阵中的各数据分别除以对应的预期数值，来更新所述监测矩阵，不仅在统计理论解决了标准化的问题，同样使处理后的指标具有实际意义。

在步骤S103中，所述安全阈值为国家正式颁布的食品安全限量标准值或国家农产品质量安全风险评估专家委员会临时设定的安全判定值。

在本实施例中，采用EL表示构建好的判定矩阵：

其中，EL

基于上述判定矩阵对样本矩阵进行以下处理，以将所述样本矩阵中的元素转化为风险值，从而将所述样本矩阵转化为风险矩阵：

其中，y

在本实施例中，采用Y表示转化完成的风险矩阵：

在步骤S104中，风险熵是定义在0到1之间的指标，它评估数据可以提供的有用信息。当各检测值之间的差异较大时，风险熵值较小，数据提供了更多的有用信息。对于大规模监测数据，风险熵可以反映该样本的某一检测值的总体水平。因此，在本实施例中，风险熵越大，即越接近于1，总体水平越低；相反，风险熵越小，即越接近于0，对应的总体水平越高。

所述风险熵值法用于采用以下表达式将所述风险矩阵中的风险值转化为风险熵值：

其中，h

在本实施例中，采用H表示风险熵矩阵：

在步骤S105中，基于所述风险熵矩阵，计算各安全指标的权重，包括：

基于风险熵矩阵计算第j个安全指标的熵值：

其中，e

基于第j个安全指标的熵值计算第j个安全指标的权重：

其中，w

在步骤S106中，基于各品种的风险熵向量和各安全指标的权重，计算各品种的安全评价指数：

其中，F

经过上述步骤S101至S106，计算得到各品种的安全评价指数，从而基于农产品各品种的安全评价指数对农产品进行安全评价。

以某两年的蔬菜监测结果为例，对传统的基于合格率的农产品安全评价方法与本发明基于风险熵的农产品安全评价方法进行比对，说明本发明基于风险熵的农产品安全评价方法的有益效果。

在传统的基于合格率的农产品安全评价方法中，往往用合格率来反映某种蔬菜的农药残留情况。具体地，对于某一蔬菜样本，全部待检农药中如果有一项超标，即判定该蔬菜样本不合格。对于该年度某种蔬菜的全部检测样本，用这样的方式判断合格与否，之后将合格数与总样本数的比值记作合格率。在传统的基于合格率的农产品安全评估方法中，合格率越高，认为此种蔬菜越安全；合格率越低，认为此种蔬菜的农药残留情况越严重。

下面应用某两年蔬菜监测结果，将传统的基于合格率的农产品安全评价方法中的合格率与本实施例基于风险熵的农产品安全评价方法中的安全评价指数的结果进行排序比较，某两年蔬菜监测结果的排序比较结果分别如图2和图3所示。

其中，图2和图3中一个点表示一种蔬菜品种；横轴表示蔬菜品种农药残留的安全评价指数的排序，越靠近原点表明：在本实施例的基于风险熵的农产品安全评价方法下，该种蔬菜的农药残留情况越严重；纵轴表示蔬菜品种的合格率，越靠近原点表明：在传统的基于合格率的农产品安全评价方法下，该种蔬菜的农药残留情况越严重。

由图2和图3可以看出，绝大多数数据点都处在正常的区域(即图2和图3的左下区域和右上区域)内，也即传统的基于合格率的农产品安全评价方法中的合格率与本实施例基于风险熵的农产品安全评价方法中的安全评价指数的检测效果大部分相近。

但是，两年各有一种蔬菜样本点位于异常区域(即图2和图3中虚线框标注的区域，Rank H从1到9，Qualification Ratio从95到100)中，可以看出，该蔬菜品种虽然有较高的合格率，但农药残留情况严重。也即，在该蔬菜品种中检测出多种农药，但很少有超标项。特别是图3中，所有样本都合格，即所有样品的各类农药残留都没有超出最大限量，但该蔬菜品种很明显有农药残留混合污染现象。因此，传统的基于合格率的农产品安全评价方法中的合格率没有反映出该风险。而本实施例基于风险熵的农产品安全评价方法中的安全评价指数能够反映出该风险。

因此，本实施例基于风险熵的农产品安全评价方法中的安全评价指数的功能在绝大多数蔬菜品种上可以代替传统的基于合格率的农产品安全评价方法中的合格率的功能，但可以发现一些传统的基于合格率的农产品安全评价方法难以识别的风险。例如，图2和图3中虚线框标注的区域，可以称之为传统的基于合格率的农产品安全评价方法的“盲区”。在盲区中的农产品，有较高的农药残留情况，可能是农药混合污染情况，但传统的基于合格率的农产品安全评价方法中的合格率难以发现。通过本实施例基于风险熵的农产品安全评价方法中的安全评价指数可以发现这类农产品，以便下一步进行有效的治理。因此，本实施例基于风险熵的农产品安全评价方法中的安全评价指数可以在农产品安全评价方法上弥补传统的基于合格率的农产品安全评价方法的缺陷，解决“盲区”问题，及时发现受到农药残留混合污染的农产品，可以更加客观全面地进行农产品农药残留的安全评价。

本申请实施例提供的一种基于风险熵的农产品安全评价方法，首先从风险监测数据库中提取各项风险监测工作获取的监测数据，以所述监测数据中各样本的品种为行、安全指标为列、安全指标的检测结果为元素进行数据融合，来构建监测矩阵；对所述监测矩阵的各行按品种目录进行排序，依据预设规则替换所述监测矩阵中的未检出值和/或将样本量小于参考值的品种归类为其他品种，获得样本矩阵，可以解决不同监测工作获取的监测数据结构不统一、监测数据高度稀疏性等问题。然后以品种和安全指标的组合所对应的安全阈值作为元素来构建判定矩阵，将所述样本矩阵中每个所述品种和安全指标的组合所对应的检测结果除以所述判定矩阵中相应所述品种和安全指标的组合所对应的安全阈值，以将所述样本矩阵中的元素转化为风险值，从而将所述样本矩阵转化为风险矩阵；将所述风险矩阵按品种拆分为若干子矩阵，按风险熵值法将各子矩阵转化为各品种的风险熵向量，将所有品种的风险熵向量纵向拼接获得风险熵矩阵，可以将相对复杂的监测矩阵转化为易于分析的风险熵矩阵，并提高大规模监测数据有效信息的挖掘与利用率。最后基于所述风险熵矩阵，计算各安全指标的权重；基于各品种的风险熵向量和各安全指标的权重，计算各品种的安全评价指数，从而基于农产品各品种的安全评价指数对农产品进行安全评价，可以宏观定量评价农产品安全风险。因此，本申请可以有效解决多源风险监测数据融合、高度稀疏性监测数据转换利用、宏观定量评价及其风险排序的农产品安全风险评估关键技术问题。

基于相同的技术构思，本申请实施例还提供一种基于风险熵的农产品安全评价系统、电子设备、以及计算机存储介质等，具体可参见以下实施例。

请参照图4，图4为本申请实施例所提供的一种基于风险熵的农产品安全评价系统的结构示意图。如图4所示，所述系统可以包括：

监测矩阵构建模块10，用于从风险监测数据库中提取各项风险监测工作获取的监测数据，以所述监测数据中各样本的品种为行、安全指标为列、安全指标的检测结果为元素进行数据融合，来构建监测矩阵；

样本矩阵获得模块20，用于对所述监测矩阵的各行按品种目录进行排序，依据预设规则替换所述监测矩阵中的未检出值和/或将样本量小于参考值的品种归类为其他品种，获得样本矩阵；

风险矩阵转化模块30，用于以品种和安全指标的组合所对应的安全阈值作为元素来构建判定矩阵，将所述样本矩阵中每个所述品种和安全指标的组合所对应的检测结果除以所述判定矩阵中相应所述品种和安全指标的组合所对应的安全阈值，以将所述样本矩阵中的元素转化为风险值，从而将所述样本矩阵转化为风险矩阵；

风险熵矩阵获得模块40，用于将所述风险矩阵按品种拆分为若干子矩阵，按风险熵值法将各子矩阵转化为各品种的风险熵向量，将所有品种的风险熵向量纵向拼接获得风险熵矩阵；

权重计算模块50，用于基于所述风险熵矩阵，计算各安全指标的权重；

安全评价指数计算模块60，用于基于各品种的风险熵向量和各安全指标的权重，计算各品种的安全评价指数，从而基于农产品各品种的安全评价指数对农产品进行安全评价。

本申请实施例公开了一种电子设备，如图5所示，包括：处理器501、存储器502和总线503，所述存储器502存储有所述处理器501可执行的机器可读指令，当电子设备运行时，所述处理器501与所述存储器502之间通过总线503通信。所述机器可读指令被所述处理器501执行时执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

本申请实施例所提供的计算机程序产品，包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。