基于“互聯網+”的智能采樣大數據管理模型在農產品質量安全監測中的探索與實踐

楊 文，鐘 攀,邱 鵬,楊 遠

(1.四川省農產品質量安全中心，四川 成都 610041；2.成都粒晶云智慧科技有限公司，四川 成都 610071)

農產品質量安全監測是各級農業農村行政主管部門掌握轄區內農產品質量安全狀況，進行質量評估的重要手段，也是政府研判農產品質量安全形勢，開展科學決策的重要依據。其中，采樣的科學性和規范性又直接影響監測結果的真實性、公正性和代表性，是監管部門必須認真對待和首要解決的問題。科學采樣是監測工作的基礎，正確采樣是結果正確的前提，規范采樣是準確判定的保證。如何把采樣環節管理好、執行好、利用好，成為當前各地農產品質量安全監管部門面臨的新挑戰。而目前云服務、互聯網、大數據等技術的運用，可為新常態下的監測采樣提供全新思維視角和解決方案。

1 四川省農產品質量安全監測采樣的現狀和問題

四川是全國較早開展農產品質量安全監管監測的省份之一，隨著工作的深化，全省農產品質量安全監測在抽檢的地域范圍、數量、產品種類、監測參數上都有了突破性的發展。目前，全省農產品質量安全監測工作覆蓋21個市州、183個縣(市、區)及所有鄉鎮。監測類別涵蓋農產品、農業投入品和農產品產地。監測的農產品包括蔬菜(含食用菌)、水果、茶葉、糧食作物、畜禽蜂產品、水產品6大類133個品種，檢測農藥殘留、獸藥殘留、違禁物質、重金屬、生物毒素、防腐保鮮添加劑和環境污染物等參數150余項，每年定量監測樣品量達到3萬批次以上。數據增長的背后是抽檢要求的不斷提升，隨著采樣類別、品種、數量的大幅增加，工作量加大，逐漸暴露出采樣環節很多突出的問題。一是采樣的規范性。采樣人員對需要執行的標準、采樣地點、聯系方式、技術說明等不熟悉或理解存在偏差，不利于采樣工作準確高效的執行；樣品名稱填寫不規范、不統一，有的填寫學名，有的填寫別名，隨意性較強，造成后期樣品檢測信息流轉不規范，也讓數據統計匯總困難。二是數據的準確性。由于每個人的書寫習慣不同，常出現采樣表單填寫的字跡不清，難以辨認等問題，降低了采樣信息的準確性，影響到后期對樣品結果的追溯和執法工作的開展；抽樣多聯單在實際使用中后兩頁不清晰，實用性低，無法提供留存檔案，且不環保。三是信息的重復性。按現在抽樣規范的要求，采樣單填寫的內容越來越細，工作量越來越大，相似性表單重復填寫，工作效率低；采樣中重要的樣品標簽也需手工填寫，且填寫信息與抽樣單完全重復，容易出現樣品標簽與對應抽樣單不一致，造成樣品信息混亂無法分辨。四是工作的追溯性。缺少工作過程的佐證資料，無法證明采樣現場；GPS信息需獨立設備采集，記錄困難，且數據與工作環境無直接關聯。五是任務的可控性。任務下達后，無法及時獲取執行情況、完成進度，任務完成后，即使發現問題也很難彌補。六是數據的應用性。采樣的資料后續管理弱，歸檔管理難，數據未電子化，無法深度分析利用，影響采樣數據在各級工作科學決策中的應用。

當前，農產品質量安全倍受關注，安全問題極易傳播，新常態下的質量安全監測工作關鍵在于“準”，不僅要能快速得出監測結果，更要能協助決策部門快速發現規律性、趨勢性和苗頭性問題，以便主管部門快速反應，提前部署[1]。為了充分利用好海量數據，并讓全省200多家農產品質量安全檢測機構能在統一的數據處理平臺下組織開展本地區監測工作，四川探索將互聯網思維、云計算技術、大數據采樣智能分析與質量監管的深度融合，探索建立大數據分析模型，實現了由過去全流程人工處理向全流程商業智能的跨越式轉變。

2 國內外農產品監測采樣數據處理模式

國外農產品質量安全監測工作開展得比我國早，政府在監測體系建設的重點主要側重于上層的風險性監測和監管基層的巡查性監管。基于對農產品安全風險評估數據的依重，發達國家普遍高度重視農產品風險監測互聯網平臺的建設和應用，特別是針對農產品監測、質量追溯和巡查監管等方面的互聯網應用較為深入，如歐盟(食品和飼料快速預警系統RASFF是一個連接歐盟成員國和歐盟委員會以及歐盟食品安全局(EFSA)的互聯網絡)、美國、加拿大、澳大利亞、日本、韓國等國都建了監測平臺，并將全國風險監測網點及各類風險監測數據互聯互通，提升了平臺國在監測中的數據分析效率和監管的應變能力[1]。隨著國外監管思路和理念的調整，政府加大了監管人員對事前、事中監管的要求，監管記錄必須保留完整的并且實時上報。該政策促進了各國在樣品采集環節信息化的發展。比如德國基層監管員對奶牛養殖場開展巡查監測時，采用移動應用終端采樣上報樣品數據。加拿大食品檢驗署(CFIA)也在隨后啟動并部署了讓全國一線駐場檢查員互聯互通、實時上報企業坐標和監管記錄的移動應用。截至2014年底，加拿大的駐場檢查員占所有檢查員的75%左右，還在使用書面文件記錄的傳統方式記錄監管信息[2]。

我國農產品質量安全監測與國外相比起步較晚，農產品安全監管的相關法律還在不斷完善，對樣品采集的規范要求、信息控制和信息的準確性還未制定完善的管控標準。目前，現場農產品質量安全監測采樣單仍以手工填寫及便攜式計算機信息處理模式為主，2種方法效率都較低，而且容易出現信息填寫錯誤，極大的影響現場采樣信息的質效。同時，填報的信息內容需進行二次處理，數據的信息化應用程度不高，一些標簽信息還需通過手工填寫的形式進行輸入，計算機填報不能提升現場采樣的效率，與現在國家提出的“互聯網+”的信息化要求還有很大的差距，亟需探究更高效的監測采樣信息處理模式。

3 智能采樣大數據模型建立的關鍵點設計

隨著國家對農產品的監測力度不斷加大，采樣數量和頻率也與日俱增。面對不斷增加繁重的抽樣任務，提升農產品采樣環節的信息傳遞速度及質量，提高監管機構的抽檢效率，關鍵需要實現以下“四化”。

3.1 采集流程標準化(Standardization)

智能采樣系統只有從業務流程開始啟動運行，實現整個采樣過程的“互聯網+”大數據，才能真正提高采樣準確率，整體提升運行效率。日常的采樣過程包括制定規范、發布任務、接受任務、執行采樣、收樣入庫5個重要環節。從成都市和其他市州的實際運行情況來，可通過移動終端、計算機或手機在采樣系統中快速規范的制定并發布多個采樣任務。包含任務名稱、批量生成唯一性樣品編號、采集數量；選擇含印章的抽樣單、確定采樣執行人、任務地址、聯系人、采樣標準等信息，以及是否執行額外要求，如上傳采樣圖片、GPS坐標、費用清單等。采樣人在帶打印功能的移動終端中接受任務，按任務要求記錄采樣信息，打印二維碼不干膠標簽標記樣品。收樣人使用移動終端快速掃描樣品二維碼收樣生成交接人簽名的收樣記錄表。制樣人用移動終端快速掃描二維碼，打印制樣標簽。全過程樣品編號、樣品名稱都不需要再填寫，杜絕了樣品信息流轉中的錯誤。并且，各個工作任務的完成進度，監管者全程可查可控。

3.2 工作填報智能化(Intellectualization)

在采樣工作實際中，需要填報繁多具體樣品信息，智能“大數據”采樣系統要承擔糾正數據輸入錯誤，防止漏填信息，自動填寫信息、智能及時傳輸、生成采樣地圖。系統要能滿足索引填寫樣品標準名，智能提醒并修正樣品別名、錯字等填寫錯誤；可智能檢查監管者設定的必填信息，防止漏填；設定指定信息的校正檢查；自動填寫已知信息內容；自動生成當前采樣地址信息；接入監管平臺后工作任務直接下達到各級監管部門，實現工作結果自動標注區域位置，GIS地圖工作痕跡清晰直觀，異常數據自動提醒、大數據平臺的智能分析，支持工作內容科學決策。

3.3 樣品數據電子化(Electronization)

“大數據”是一個體量和數據類型龐大的數據集，并且這樣的數據庫需要隨時快速進行抓取、調用、管理和處理，因此樣品數據的電子化是必不可少的前提條件。在采樣全流程中遵循“工作即記錄”的思路，即移動終端中所有記錄的信息包括文字、圖片、簽名都將以電子化數據保存到云服務器中，并可自定義編寫格式生成Excel表，方便數據的深度利用，并可直接導入LIMS等實驗室管理系統。需要采用多模式快捷錄入信息，一鍵郵箱自動發送對應抽樣表及證明圖片資料到指定收件人，能很好的解決環保、抽樣單保存及采樣數據確認等問題；結合工作實際，需要解決野外采樣過程中，智能系統支持無網、無外電環境下快速打印已簽名、蓋章表單。

3.4 數據管理科學化(scientize)

采樣大數據需要做結構化處理，統計分析做到模塊化、智能和多維度。要在海量的統計數據中發現規律性、趨勢性、苗頭性和突發性的問題，就需要結合LIMS系統在GIS地圖中自動生成采樣點位、對比圖和趨勢圖等直觀、可預測的后臺圖表技術，以多維度直觀圖形呈現[2]。同時，必須對系統的安全性做金融級防護，采用非對稱加密，數字化雙模保存簽名表單，配有數據災備方案，防資料遺失；訪問者通過角色權限的授權管理，限定了數據的獲取范圍。還要做好實驗室質量管理中的全程追溯性，包括采樣中，自動記錄當前GPS位置信息；實時對當前環境多圖拍照記錄，并上傳留檔；自動生成可防偽的追溯資料。保證了采樣者工作過程的真實性。

4 智能采樣大數據系統模型應用實證

成都市于2019年4月建立全市智能采樣大數據系統，將全市19個縣市區納入平臺，組織開展本市農產品質量監測采樣工作。目前，采用智能采樣模式錄入監測任務293個，樣品4946個(批次)，數據15000條。從2019年9月開始，逐步將種植業產品、畜禽蜂產品、水產品、農藥、獸藥、飼料及飼料添加劑、轉基因產品的監測采樣工作納入此平臺管理，各縣市區的監測任務也都在此平臺下組織實施。預計未來5年每年產生的風險監測數據將超過百萬條。為了驗證基于“互聯網+”云計算的大數據分析模型的科學性，做好日常監測采樣工作，本文選擇基于GIS點位抽樣工作效率、數據準確性柱狀圖和折線圖，驗證智能采樣大數據系統的穩定性。以農產品為研究對象，在36個分析維度中選擇樣品規范名稱、信息全面性、樣品流轉、報表生成、趨勢分析作為樣本，按照抽樣工作效率和數據準確性動態技術，體現采樣過程的規律性、趨勢性和苗頭性問題的發現能力。

4.1 工作效率提升實證

本文選擇樣品數量大，類型多的農產品作為研究對象，從提高采樣工作效率角度，用直觀的圖標形式，體現智能大數據采樣系統的應用實際效率，同時驗證采樣工作的趨勢性、苗頭性問題的發現能力和效果。

表1 成都市農產品監測采樣工作效率提升率

從表1可見，在近5000個農產品采樣過程中，智能采樣系統錄入對比傳統手工填寫，提升采樣工作效率33%左右。同時，系統自動生成Excel樣品數據表可與LIMS實驗室信息管理系統無縫對接，以70個樣品數據為例，常規手工錄入LIMS需要60min左右，電子化數據導入只需1min，數據錄入工作效率提高60倍，減輕了工作人員的采樣壓力。

4.2 信息填報準確性實證

采樣過程采用云智能服務器+采樣管理平臺+采樣終端模式，從農產品采樣任務下達、執行、追溯數據的自動生成，樣品收存的使用二維碼快速交接；樣品制備的一鍵標簽；保證了采樣過程的真實、準確。從圖1看，成都市在農產品采樣過程中，通過大數據字典庫，樣品名稱規范性達到99.99%以上，為統計分析、圖標自動生產、數據趨勢性分析提供了基礎支撐。

信息化處理系統，將抽樣任務、抽樣計劃及實施方案的制定、具體抽樣工作動態管理等納入到采樣信息管理平臺，完成采樣及樣品溯源的實時監管。同時，系統可接入基于區域管理的農產品質量安全監管平臺，監管者能直觀的在地圖上查看區域范圍內的農產品質量安全分布狀況，實現“大數據的可視化展示”，為科學監管、重點監控、專項監測提供了有效的數據支撐。

5 結論與展望

“互聯網+”是我國提出來的國家級戰略，互聯網與各領域的融合發展具有廣闊前景和無限潛力，已成為時代潮流，隨著網絡化、智能化、服務化、協同化的“互聯網+”產業生態體系的完善，“互聯網+”必將成為經濟社會創新發展的重要驅動力量。基于“互聯網+”的智能采樣模式通過云服務平臺、物聯網通訊、大數據計算，提供了從抽檢方案決策、采樣任務可視化管理、樣品快速流轉、監測數據共享的整體信息化解決方案，在農產品質量安全監測中實現了采樣環節的流程標準化、數據電子化、工作智能化、決策科學化，提高了監測樣品采集的工作效率與準確性，為農產品質量安全監測部門在信息時代下傳統監管結合“互聯網+”模式探索了新的路徑。