機器學習在肉類微生物安全中的應用研究進展

林梓杰，董慶利

（上海理工大學健康科學與工程學院，上海 200093）

肉品富含蛋白質、維生素和許多其他對健康有益的營養物質，在人類飲食中扮演著重要角色。隨著社會經濟的發展，人們對肉品的需求量不斷增加。全球肉品消費量已從1961年的7 000 萬t增長到2021年的3.28 億t[1-2]，到2050年預計將超過4.64 億t[3]。另一方面，肉品營養豐富的特性也使其成為微生物的天然培養基，在加工、貯藏、運輸及銷售過程中極易受到致病菌、腐敗菌等有害微生物的污染，進而對消費者的健康產生威脅。因此，針對肉品中的有害微生物進行精準、有效的檢測、預測和控制，對整個肉品行業至關重要。

過去的20年里，食品行業得到了巨大的發展，信息化、自動化程度不斷提升，食品安全監管體系逐步完善，這也使得包括肉品在內的整個食品行業產生了規模空前的數據流[4]。機器學習方法可以從海量、復雜的數據中提取關鍵信息，學習數據集中各變量間的隱藏關系，現已逐漸成為食品安全領域數據密集型分析任務的強有力工具。

本文通過歸納近年來國內外相關研究，總結了機器學習方法在肉品中有害微生物的檢測和預測建模中所起到的關鍵作用，分析了該法在實際應用時的不足之處，并展望了該法在肉類微生物安全研究中的應用前景。

1 機器學習方法簡介

機器學習這一概念最初由Arthur Samuel于20世紀50年代提出：“機器學習是一個研究領域，讓計算機無需進行明確編程就具備學習能力”。1997年，Tom Mitchell又為其提出了一個更加工程化的概念：“一個計算機程序利用經驗E來學習任務T，性能是P，如果針對任務T的性能P隨著經驗E不斷增長，則任務T被稱之為機器學習”。現如今，大多數被廣泛使用的機器學習算法或模型都是在20世紀60—90年代提出的，如K-近鄰、隨機森林、神經網絡等。隨著大數據時代的到來，得益于數據量和計算機計算能力的指數級增長，機器學習在各個領域的應用都得到了史無前例的發展。

作為人工智能領域的一個重要分支，不同于傳統算法，機器學習在解決實際問題時不再試圖編寫詳細且明確的規則或計算機指令。相反，機器學習系統從具體的實例中訓練模型，并不斷優化模型參數，以提高對新實例的預測準確性。機器學習的數據驅動性和規則未知性使其特別適用于以下幾類問題[5]：1）有解決方案但解決方案需要進行大量人工微調或需要遵循大量規則的問題；2）通過傳統的數學方法無法得出顯式解的復雜問題；3）不斷有新實例或新數據產生而使舊規則失效的問題；4）擁有大量數據且需要從中獲取更多規律的問題。

在訓練過程中，機器學習系統可能會受到來自人類的指導或監督。通常，根據是否受到監督，機器學習中的問題大致可以分為有監督學習、無監督學習和強化學習[5]。有監督學習要求所有提供給算法的輸入必須具有相應的輸出，即人為地為輸入數據建立期望的或基于事實的標簽。常見的分類和回歸問題就是2 類典型的有監督學習任務。與有監督學習不同，無監督學習任務中的訓練數據都是不具有標簽的，并要求算法自主發現輸入數據中的規律。聚類分析、主成分分析（principal components analysis，PCA）和異常值檢測是常見的無監督學習任務。與前2 類機器學習任務不同，強化學習是一種非常復雜的學習系統，它可以在給定情況下找到完成任務目標的最優方案。強化學習基于“回報-懲罰”機制實現學習過程，即算法目標隨著時間的推移實現回報最大化。

為了適應具有不同復雜程度的問題，人們提出了許多基于不同理論的機器學習算法。圖1總結了4 種代表性的基礎機器學習算法[6]。K-means是一種常用的基于歐氏距離的聚類算法，屬于無監督學習[7]，其可以動態地將相似的觀察結果劃分成簇，并根據目標間的歐氏距離判斷相似度（圖1A）。支持向量機（support vector machine，SVM）是一種功能強大且全面的機器學習算法[8]，它能夠執行線性或非線性分類、回歸，甚至是異常值檢測任務。SVM算法使用實線或平面將不同類別的觀察數據分成不同的類，特別適用于中小型復雜數據集的分類（圖1B）。決策樹（decision tree，DT）算法[9]可以根據輸入數據的不同特征將實例遞歸地劃分為不同的類，以生成類似流程圖的樹結構，DT算法中根節點和葉節點表示對某一屬性的1 次測試（圖1C）。人工神經網絡（artificial neural network，ANN）通常由人工神經元多層相互連接組成，以模擬真實的生物神經元在動物大腦中的協同工作[10]。這些人工神經元接收輸入信號，并通過權重和輸入的線性組合以及一個非線性激活函數將輸出信號傳入到下一層中的人工神經元（圖1D）。ANN算法一般由1 個輸入層、1 個或多個隱含層和1 個輸出層組成，而一個包含許多隱含層的神經網絡被稱作深度神經網絡，即深度學習的核心[10]。

圖1 4 種代表性的機器學習算法示意圖[6]Fig.1 Schematic diagrams of four machine learning models[6]

2 機器學習在肉品有害微生物檢測中的應用

傳統的微生物檢測方法，如平板計數法、聚合酶鏈式反應法、免疫分析法等，通常耗時、有損且需要專業操作人員，因此傳統檢測方法并不能很好地滿足現代肉品行業的需求[11-12]。隨著計算機科學和光學技術的發展，光譜技術、計算機視覺、生物傳感器等新型檢測技術逐步進入研究人員的視野，其中光譜技術因其快速、無損和高效的優點，在微生物檢測領域脫穎而出[11,13-14]。然而，光譜技術在檢測過程中往往會產生大量復雜且難以解釋的數據，如何剔除檢測數據中的冗余信息并提取關鍵特征是光譜技術在實際應用時的難點。如前所述，機器學習方法特別適合于大量復雜數據的分析工作，且該法已在國內外許多研究中與光譜技術一起應用于肉品中有害微生物的快速檢測。Argyri等[15]比較傅里葉變換紅外光譜和拉曼光譜在預測牛肉中微生物數量時的性能差異。在數據分析時，該研究使用了多種不同的機器學習方法，包括偏最小二乘回歸（partial least square regression，PLSR）、遺傳算法（genetic algorithm，GA）、ANN算法、支持向量回歸（support vector regression，SVR）等。結果表明，PLSR和SVR模型的預測效果普遍優于其他模型。Duan Cui等[16]使用便攜式近紅外光譜對比目魚魚片中的總細菌數進行無損快速檢測，將GA和ANN算法應用于600～1 100 nm的紅外光譜數據分析，并建立了相應的預測模型。結果表明，2 種機器學習算法的均方根誤差（root mean square error，RMSE）均小于其他模型。董小棟等[17]利用高光譜成像技術和SVR模型對香腸中菌落總數進行定量預測和數據可視化，SVR模型的相關系數高達0.977 7。除了對微生物數量進行定量分析外，利用光譜技術結合無監督機器學習算法還可以實現對肉品中有害微生物的定性區分。孫穎穎[18]使用基于納米銀顆粒的表面增強拉曼光譜結合PCA和層次聚類分析（hierarchical clustering analysis，HCA），實現了對牛肉樣品中的鼠傷寒沙門氏菌、單核細胞增生李斯特菌（以下簡稱單增李斯特菌）、金黃色葡萄球菌、大腸桿菌O157:H7的分類，對于不同致病菌的分類準確率達到93%。類似的結果也見于Xie Yunfei[19]、Witkowska[20]等的相關研究中。表1總結了部分光譜技術和機器學習方法在肉品有害微生物檢測中的應用研究。

表1 光譜技術和機器學習方法在肉品有害微生物檢測中的應用實例Table 1 Application of spectroscopy combined with machine learning in detection of harmful microorganism in meat

光譜技術和機器學習方法的結合可以定性或定量檢測不同肉品基質中的有害微生物，在國內外的研究中也日趨成熟。然而，現階段與光譜檢測技術相關聯的機器學習算法大多較為基礎，在分析涉及多種肉品基質或微生物類別的大型數據集時，難免會占用大量的計算資源，分析效率低下，并嚴重影響檢測準確性[32]。因此，開發更加復雜且先進的機器學習算法以匹配日益增大的數據量，是拓展光譜檢測技術實際應用前景的重點和難點。

3 機器學習在肉品有害微生物預測建模中的應用

食源性致病菌及其引起的食源性疾病是全球食品安全面臨的重要挑戰之一[33]。根據Li Weiwei等[34]的研究，2003—2017年間我國因肉品暴發的食源性疾病中有近半數是由食源性致病菌污染所引起。此外，根據國家食品安全風險評估中心和疾病預防控制中心2020—2021年的相關監測數據，肉品中的沙門氏菌、大腸桿菌、副溶血性弧菌等依然是我國亟需控制的重要食源性致病因子[35-36]。針對此類食品安全問題，在肉品工業中應采取更有效的措施嚴格控制肉品中致病菌的污染水平，并結合預測微生物學建模估算其在不同加工及流通條件下的生長/失活特性，以降低因食源性致病菌所引發的食源性疾病暴發風險。

預測微生物學是一門在微生物學、數學、統計學和應用計算機科學基礎上建立起來的學科，它的目的是研究和設計一系列能描述和預測食品微生物在特定條件下生長和衰亡的模型[37]。根據不同的分類標準可將預測微生物學模型分為不同的類別。其中，由Whiting和Buchanan劃分的一級、二級和三級模型在預測微生物學中應用較為廣泛[38]。一級模型主要描述微生物量（如微生物細胞的數目、濁度、形成的毒素濃度等響應值）與時間之間的函數關系。二級模型亦稱次級模型，通過建立一級模型中的各項參數與環境條件之間的函數關系，其可以很好地表示環境條件對微生物行為的影響。三級模型主要指建立在一級生長/失活模型和二級生長/失活模型之上的電腦應用軟件程序。

傳統的預測微生物學模型在描述食源性致病菌的生長失活行為及環境條件與致病菌特定行為的定量關系時，通常使用經驗式的數學回歸方法[39]。通過傳統模型得到的預測結果大多是確定性的點估計[40-41]，然而由于變異性的存在，實際的致病菌行為通常是某個特定的范圍，而不是單一的確定值。在食品供應鏈中，影響微生物行為的變異性來源主要包括加工、貯藏等環節中環境條件的變異性、菌株變異性、單細胞異質性等[42]。由于忽視了微生物行為的變異性，傳統的確定性模型已被證明并不適用于描述所有場景下微生物的行為特性[43-45]。近年來，更加注重微生物行為變異性的隨機模型得到研究人員的關注，這類模型通過概率分布的方式更好地體現了變異性對微生物行為的影響[46-47]。然而，由于通常難以將模型的預測結果與實際的觀測結果進行對比且依賴大量的理論化假設，關于隨機模型的可用性與準確性依然存在爭議。不同于確定性模型和隨機模型，機器學習方法可以在不作出過多假設和相關機制未知的情況下，準確捕捉輸入和輸出之間的復雜規則。因此，機器學習方法在預測微生物學領域中也已經得到越來越多的應用。范志文等[48]使用反向傳播神經網絡（back propagation ANN，BP-ANN）構建了醬牛肉中金黃色葡萄球菌在不同溫度和不同初始菌量下的生長模型。結果表明，經過超參數優化之后的BP-ANN相較于傳統的Gompertz模型表現出更低的預測誤差。Oscar等[49-52]使用前饋神經網絡、廣義回歸神經網絡建立了雞肉中多種不同血清型沙門氏菌的生長模型，均取得了較好的預測效果。除了生長建模，機器學習算法還可應用于食源性致病菌的失活建模研究中。相較于三階多項式回歸模型，ANN算法更精確地描述了香腸中單增李斯特菌在不同環境條件下的失活行為[53]。Gosukonda等[54]在傳統BP-ANN的基礎上，引入卡爾曼濾波算法，并成功描述了牛肉表面低壓電流對大腸桿菌O157:H7失活行為的影響，該模型成功體現出微生物在失活過程中的變異性和不確定性。表2總結了機器學習方法在肉品有害微生物預測建模中的部分應用。

表2 機器學習方法在肉品中有害微生物預測建模中的應用實例Table 2 Selected examples of the application of machine learning in predictive modeling of harmful microorganism in meat

機器學習算法因其較強的靈活性和較高的預測精度而在預測微生物學相關領域得到廣泛應用。現階段，限制機器學習模型性能的主要因素是數據集的大小和質量。如果數據集體積過小且具有大量的缺失值，機器學習模型便很容易產生過擬合現象，從而導致預測準確度的下降。因此，在未來的研究中應結合大型微生物行為數據庫（如Combase數據庫），對機器學習算法進行預訓練，從而提升其在包括肉品在內的多種食品基質中的適用性。

此外，由于機器學習模型的“黑盒”屬性，研究人員往往只能得到單一的預測結果，無法得知模型在預測過程中如何做出決策以及數據集中每個輸入特征如何對最終預測產生影響。因此，在未來的研究中，應利用特征重要性分析等方法，提升機器學習方法在預測微生物行為時的可解釋性。

4 結 語

隨著大數據時代的到來，機器學習已在各個領域內展現出其獨有的魅力。利用機器學習方法從海量數據中提取關鍵信息，對肉品有害微生物進行精準識別與預測，是實現肉類微生物安全的重要途徑。本文綜述了機器學習方法在肉品有害微生物檢測和預測建模方向的研究進展，分析了該法的優勢和不足，以期為今后該領域內的研究提供一定參考。

以下，針對機器學習方法在肉類微生物安全領域內應用時所體現出的不足之處提出展望：1）針對光譜檢測技術中可能出現的高維復雜數據集，可結合深度學習方法和遷移學習的思想，提高重要特征的識別效率，并加快模型的訓練速度，從而使得光譜檢測技術可以更好地應用于肉品有害微生物的檢測；2）應加快大型微生物行為數據庫的構建和完善，充分發揮機器學習的優勢，建立適用范圍更廣、預測精度更高的肉品微生物預測模型；3）推進機器學習在肉品有害微生物控制中的應用，通過機器學習方法，優化現階段肉品殺菌工藝中的相關參數，從“檢測”“預測”“控制”3 個角度實現肉類微生物安全。