基于大數據分析的農產品質量控制研究

孫建召

(河南經貿職業學院計算機工程學院，河南鄭州 450018)

我國為農業與人口大國，近年來，隨著我國經濟迅猛發展，人們物質及生活水平逐漸提高，對農產品質量的要求越來越高[1]。農產品出口為我國外匯收入的關鍵部分[2]，當前國外對農產品進口出臺貿易保護政策，且我國少部分出口農產品質量標準低，被進口國退貨的事件時有發生[3]。面對國內外環境，農產品作為食品的源頭，其質量直接影響著國家發展，須研究一種有效的農產品質量控制方法，保證市場農產品質量。

當前，我國政府對農產品質量控制非常關注，出臺了相應的法律法規，為農產品質量控制分析與應用提供了重要保障[4]。在此基礎上，很多學者對農產品質量控制進行了系統研究，但當前農產品質量控制方法大多通過抽樣實現農產品質量控制，結果并不可靠，為此，提出一種新的基于大數據分析的農產品質量控制方法，不但控制精度和穩定性高，而且具有很高的參考價值。

1 基于大數據分析的農產品質量控制方法

1.1 建立大數據分析體系框架

建立大數據分析背景下農產品質量控制體系框架(圖1)。依據農業信息化基礎設施建立體系，通過模塊化開發平臺為農產品質量控制體系提供開發環境，利用網絡提供質量控制服務，主要包括用戶訪問層、業務服務層、數據平臺層、基礎數據層和虛擬資源層。

1.2 關鍵技術

1.2.1 數據采集技術 為實現農產品質量控制，須對其生產銷售過程中的重要參數進行采集，即基礎數據庫層。無線傳感網絡能夠實時采集數據，選用基于ZigBee的無線傳感網絡對數據進行采集。ZigBee整體性能高[5]，基于ZigBee的無線傳感網絡將CC2430作為核心，主要用于數據交換[6]。CC2430為TI(Texas Instruments)企業生產的芯片，其內置增強型8051控制器與2.8 GHz擴頻射頻收發器，外圍電路簡單，是一種高性能芯片[7]。ZigBee模塊除CC2430芯片外，還有天線、傳感器等，實質上就是一個節點，能夠和其他節點通信。

ZigBee網絡拓撲結構即ZigBee節點的組網結構，主要有星型、樹型與網狀等3種結構[8]，用于實際應用環境中，選擇合理的ZigBee網絡拓撲結構。

本節農產品質量控制體系選用網狀拓撲結構。在ZigBee模塊中，網狀拓撲結構有網絡協調器、路由器和終端設備等3種通信設備(圖2)。選用的網狀拓撲結構自組織與自愈能力強，可以很好地適應農產品大數據分析需求。

網狀拓撲結構的ZigBee網絡能夠有效地采集農產品數據，利用中繼方式[9]把采集數據發送至遠程數據中心。遠程數據中心將接收的數據保存至數據庫，通過業務服務層與數據平臺層進行大數據分析，再保存至Web存儲器及相應服務器。

1.2.2 農產品質量監控 主要對生產階段、收購階段、加工階段、銷售階段的農產品質量進行監控。將生產階段、加工階段的農產品看作主要研究目標，開展有針對性的質量控制監控研究。研究關鍵為基于大數據分析的農產品質量控制，將大數據分析應用于農產品質量控制中，而本節提出的質量監控方法為大數據分析的基礎。農產品質量監控過程如圖3所示。

通過檢測歷史異常數據和數據分布異常對農產品數據進行分析，實現對農產品質量監控。

在對農產品質量進行監控時，隨著時間的推移，會形成大規模監測數據集合。對農產品數據進行研究，獲取數據的變化規律與比較數據庫當前數據改變規律，得到監控農產品數據改變趨勢，從而發現可能出現的農產品質量異常情況。

(1)

式中：δab為決定農產品質量控制過程中檢測數據歷史異常趨勢系數，該值的正負情況表示異常狀況個數在使用者設定的m個時間區間中的遞增或遞減趨勢；a為m個時間區間中發生異常狀況的總個數；ab為第b個時間區間中出現質量異常的個數，這里：

(2)

對于時間區間而言，可依據農產品的種類、特性等因素進行設定[10]，通常為幾天，有時為幾個月。

在分析過程中，農產品質量控制人員根據實際狀況對趨勢系數δab的閾值ξ進行設定，若δab>ξ，表明農產品質量控制要素在質量安全上發生異常，并按照事先設定的危險等級進行報警。

根據異常趨勢系數δab能夠掌握被監控農產品質量控制點在某一時期內數值的改變情況，是一種依據時間序列的質量控制方法。

數據分布異常主要針對不同區域中的相同要素進行分析和比較，從而獲取各區域間不同農產品質量監測方法。

農產品監測數據歷史數據庫中包含了所有質量數據異常的信息，對歷史數據庫中異常數據在不同區域的分布狀態進行分析，有助于質量監測人員發現各區域已經存在及潛在的農產品質量問題。

詳細過程如下：

針對須監控的農產品區域，首先將其分為k個子區域，用q描述區域向量，通過k個子區域構成1個集合，也就是q=(q1,q2,…,qk)。用L描述相應子區域出現異常的農產品數據集合，也就是L=(L1,L2,…,Lk)。假設R是從數據庫中采集的該區域完成檢測的質量控制要素個數，也就是R=(R1,R2,…,Rk)，則有：

(3)

區域i中的農產品質量數據異常情況通過均值可描述成ui，u=(u1,u2,…,uk)，ε表示常數，負責對u進行標準化處理，使其處于(1，10)范圍內[11]。

農產品質量監測按照實際情況對閾值S進行設置，S=(S1,S2,…,Sk)，在ui>Si的情況下，認為qi區域有質量異常農產品數據，用戶須按情況發出報警信息。

針對上述區域，農產品異常狀態數據量均值u可通過下式計算：

(4)

(5)

1.3 農產品溯源及召回

1.3.1 射頻識別(radio frequency identification，簡稱RFID)硬件設計 通過射頻識別對出現質量問題的農產品進行溯源和召回，射頻識別系統結構如圖4所示。

射頻識別系統主要包括電子標簽、讀寫器和計算機通信網絡。

電子標簽主要用于保存農產品相關信息，一般被置于農產品上，其保存的信息可利用讀寫器通過非接觸形式讀寫[12]。讀寫器為能夠通過射頻技術實現電子標簽信息讀寫操作的裝置。讀寫器讀出標簽信息后，利用PC機和網絡系統對信息進行傳輸。在射頻識別系統中，計算機通信網絡主要負責完成對農產品質量數據的管理，實現通信功能。讀寫器能夠經標準接口和PC機通信網絡相連[13]，從而達到通信與數據傳輸的目的。

1.3.2 軟件設計 當農產品出現質量問題時，先根據出現質量問題的成品批次，從下到上逐步找到出現問題的原料批次，即溯源；再根據這些出現質量問題的原料批次，由上到下逐步找出含此批次的成品，即跟蹤；最后將它們一并召回。依據批次的農產品召回示意如圖5所示。

上面主要闡述了依據批次的農產品溯源與召回原理，下面對其優化模型進行介紹。先對各層次批次集合進行定義，主要包括原料C個批次、部件P個批次、半成品G個批次以及成品V個批次，且可依次分成D、N、H、Z個類別，依次對原料層次YL、部件層次BJ、半成品層次HP以及成品層次CP的批次集合進行描述，公式描述如下：

YL=(YL1,…,YLc,…,YLC)；

(6)

BJ=(BJ1,…,BJp,…,BJP)；

(7)

HP=(HP1,…,HPg,…,HPG)；

8)

CP=(CP1,…,CPv,…,CPV)。

(9)

各層中任意一個批次的屬性可描述為：

YLc=(IYLc,CYLc,NYLc)；

(10)

BJp=(IBJp,CBJp,NBJp)；

(11)

HPg=(IHPg,CHPg,NHPg)；

(12)

CPv=(ICPv,CCPv,NCPv)。

(13)

在各層中，各批次農場品均存在電子標簽、類別以及數目等3大屬性。對于原料批次YLc的屬性，IYLc表示其電子標簽，為此批次在整個系統中的唯一標志；CYLc表示它的類別，且CYLc∈{1,…,d,…,D}；NYLc表示它的數量。同理，可實現部件、半成品以及成品各批次屬性的定義，其批次電子標簽屬性依次是IBJ、IHP、ICP，類別屬性依次是CBJ、CHP、CCP，數目屬性依次是NBJ、NHP、NCP。

分解、組合和包裝比例只受批次類別屬性的影響，存在下述關系：

(14)

15)

(16)

式中：Dec(d,n)用于描述分解比例，也就是原材料類別d分解至部件類別n的比例；Gro(n,h)用于描述組合比例，也就是半成品類別h中，部件類別n占用的比例；Pac(h,z)用于描述包裝比例，也就是成品類別z中，半成品類別h占用的比例。

用X(c,p)描述原料至部件的批次布爾變量，BJp中含YLc的元素時，則X(c,p)為1，否則X(c,p)，為0；用K(p,g)描述部件至半成品的批次布爾變量，若HPg中含有BJp元素，則K(p,g)為1，否則K(p,g)為0；用Y(g,v)描述半成品至成品的批次布爾變量，若CPv中存在HPg元素，則Y(g,v)為1，否則Y(g,v)為0；用W(c,v)描述原料至成品的批次布爾變量，若CPv中含有YLc元素，則W(c,v)為1，否則W(c,v)為0。通過布爾運算可得：

(17)

一旦原料批次YLc出現質量不達標問題，對全部含有YLc的成品批次均召回。通過下式求出平均召回規模：

(18)

在生產和加工的過程中，受加工器械、工作場景以及人員水平的制約[14]，考慮到經濟效益，須將部件與半成品批次的數量控制在某一范圍。設類別為n的部件批次的最大與最小允許數量依次為ξmax(n)與ξmin(n)，類別為h的半成品批次的最大與最小允許數量依次為ξmax(h)與ξmin(h)。由此可得部件與半成品的批次數量的限制條件[15]，即：

ξmin(CYLc)≤NYLc≤ξmax(CYLc)；

(19)

ξmin(CHPg)≤NCHPg≤ξmax(CHPg)。

(20)

將公式(18)作為目標函數，將公式(19)與(20)作為目標函數的約束條件，構建農產品召回優化模型，公式描述如下：

(21)

利用粒子群法對模型進行尋優處理，通過優化模型達到農產品的最小召回目標，從而實現農產品質量控制。

2 結果與分析

2.1 樣品采集及制備

為了驗證本方法的有效性，將統計學方法和數據挖掘方法作為對比進行測試。依次采用3種方法對3個不同種植基地的農產品質量進行控制。試驗樣品采用抽樣方式，針對個體較大的樣品，采樣量為2個。針對個體較小的樣品，采樣量為0.5 kg。

把抽取的樣品混合在一起，通過四分法進行縮分處理。針對個體較小的樣品，去除不可食部分，保留可食部分；針對個體較大的樣品，將其切為小塊；針對不均勻樣品，在其任意部位取小片；針對谷類和豆類樣品，通過圓錐四分法完成縮分。

把縮分后樣品攪碎并混勻，通過四分法取樣，將濕樣勻漿添加至聚乙烯瓶中，在-18 ℃左右環境下儲存，干貨類攪勻后添加至瓶中，在常溫下通風儲存。

2.2 召回試驗

以農藥殘留為標準，將有農藥殘留農產品召回，不同濃度農藥殘留對召回率的要求以及3種方法召回率比較結果如表1所示。

表1 不同添加濃度要求召回率及3種方法召回率比較

由表1可知，本研究方法召回率一直處于要求召回率范圍內，且在農藥殘留濃度相同的情況下，本研究方法召回率高于統計學方法和數據挖掘方法。統計學方法和數據挖掘方法召回率大部分未處于要求召回率范圍內，召回率低，說明本研究方法質量控制效果更佳。

2.3 農產品質量控制性能評價

農產品質量控制性能評價包括計算工作評價值與技術評定2部分，本研究通過穩健Z比分數對農產品質量控制性能進行衡量，其可通過下式求出：

Zbf=(x-X)÷0.752×3IQR。

(22)

式中：x表示試驗結果；X表示試驗結果中值；IQR表示上四分位數和下四分位數差值。

在穩健Z比分數低于2的情況下，認為相應農產品質量控制方法性能高，控制穩定；在穩健Z比分數在(2，3)范圍內的情況下，認為相應農產品質量控制方法穩定性一般；在穩健Z比分數高于3的情況下，認為相應農產品質量控制方法非常不穩定。由表2可知，本研究方法質量控制穩定性高，而統計學方法和數據挖掘方法的穩定性均一般，控制精度時高時低，實用性較差。

農產品質量控制精度為影響農產品質量控制方法性能的關鍵指標，對3種方法的農產品質量控制精度進行進一步測試。

表2 3種方法質量控制性能比較

通過重復性限和再現性限對農產品質量控制精度進行衡量。在正態分布的情況下，重復性限公式為：

(23)

再現性限公式為：

(24)

式中：δζ表示重復性標準差；δs表示再現性標準差。

將本研究方法、統計學方法和數據挖掘方法檢測結果極差的絕對值和重復性限相比，若極差絕對值低于重復性限，則認為通過質量檢測；否則未通過質量檢測。再現性試驗和重復性相同。按照上述過程對不同方法對農產品質量控制精度進行測試，取平均值。經測試發現，本研究方法控制精度為96.23%，統計學方法控制精度為78.36%，數據挖掘方法控制精度為69.85%，本研究方法控制精度最高。

3 結論

提出了一種新的基于大數據分析的農產品質量控制方法，建立大數據分析背景下農產品質量控制體系框架，通過基于ZigBee的無線傳感網絡對數據進行采集。通過檢測歷史異常數據和數據分布異常對農產品數據進行分析，實現農產品質量監控，利用RFID射頻識別對出現質量問題的農產品進行溯源和召回，從而實現農產品質量控制。經試驗驗證，本研究所提方法能夠有效控制農產品質量，控制精度和穩定性高。