基于“互联网+”的智能采样大数据管理模型在农产品质量安全监测中的探索与实践

杨 文，钟 攀,邱 鹏,杨 远

(1.四川省农产品质量安全中心，四川 成都 610041；2.成都粒晶云智慧科技有限公司，四川 成都 610071)

农产品质量安全监测是各级农业农村行政主管部门掌握辖区内农产品质量安全状况，进行质量评估的重要手段，也是政府研判农产品质量安全形势，开展科学决策的重要依据。其中，采样的科学性和规范性又直接影响监测结果的真实性、公正性和代表性，是监管部门必须认真对待和首要解决的问题。科学采样是监测工作的基础，正确采样是结果正确的前提，规范采样是准确判定的保证。如何把采样环节管理好、执行好、利用好，成为当前各地农产品质量安全监管部门面临的新挑战。而目前云服务、互联网、大数据等技术的运用，可为新常态下的监测采样提供全新思维视角和解决方案。

1 四川省农产品质量安全监测采样的现状和问题

四川是全国较早开展农产品质量安全监管监测的省份之一，随着工作的深化，全省农产品质量安全监测在抽检的地域范围、数量、产品种类、监测参数上都有了突破性的发展。目前，全省农产品质量安全监测工作覆盖21个市州、183个县(市、区)及所有乡镇。监测类别涵盖农产品、农业投入品和农产品产地。监测的农产品包括蔬菜(含食用菌)、水果、茶叶、粮食作物、畜禽蜂产品、水产品6大类133个品种，检测农药残留、兽药残留、违禁物质、重金属、生物毒素、防腐保鲜添加剂和环境污染物等参数150余项，每年定量监测样品量达到3万批次以上。数据增长的背后是抽检要求的不断提升，随着采样类别、品种、数量的大幅增加，工作量加大，逐渐暴露出采样环节很多突出的问题。一是采样的规范性。采样人员对需要执行的标准、采样地点、联系方式、技术说明等不熟悉或理解存在偏差，不利于采样工作准确高效的执行；样品名称填写不规范、不统一，有的填写学名，有的填写别名，随意性较强，造成后期样品检测信息流转不规范，也让数据统计汇总困难。二是数据的准确性。由于每个人的书写习惯不同，常出现采样表单填写的字迹不清，难以辨认等问题，降低了采样信息的准确性，影响到后期对样品结果的追溯和执法工作的开展；抽样多联单在实际使用中后两页不清晰，实用性低，无法提供留存档案，且不环保。三是信息的重复性。按现在抽样规范的要求，采样单填写的内容越来越细，工作量越来越大，相似性表单重复填写，工作效率低；采样中重要的样品标签也需手工填写，且填写信息与抽样单完全重复，容易出现样品标签与对应抽样单不一致，造成样品信息混乱无法分辨。四是工作的追溯性。缺少工作过程的佐证资料，无法证明采样现场；GPS信息需独立设备采集，记录困难，且数据与工作环境无直接关联。五是任务的可控性。任务下达后，无法及时获取执行情况、完成进度，任务完成后，即使发现问题也很难弥补。六是数据的应用性。采样的资料后续管理弱，归档管理难，数据未电子化，无法深度分析利用，影响采样数据在各级工作科学决策中的应用。

当前，农产品质量安全倍受关注，安全问题极易传播，新常态下的质量安全监测工作关键在于“准”，不仅要能快速得出监测结果，更要能协助决策部门快速发现规律性、趋势性和苗头性问题，以便主管部门快速反应，提前部署[1]。为了充分利用好海量数据，并让全省200多家农产品质量安全检测机构能在统一的数据处理平台下组织开展本地区监测工作，四川探索将互联网思维、云计算技术、大数据采样智能分析与质量监管的深度融合，探索建立大数据分析模型，实现了由过去全流程人工处理向全流程商业智能的跨越式转变。

2 国内外农产品监测采样数据处理模式

国外农产品质量安全监测工作开展得比我国早，政府在监测体系建设的重点主要侧重于上层的风险性监测和监管基层的巡查性监管。基于对农产品安全风险评估数据的依重，发达国家普遍高度重视农产品风险监测互联网平台的建设和应用，特别是针对农产品监测、质量追溯和巡查监管等方面的互联网应用较为深入，如欧盟(食品和饲料快速预警系统RASFF是一个连接欧盟成员国和欧盟委员会以及欧盟食品安全局(EFSA)的互联网络)、美国、加拿大、澳大利亚、日本、韩国等国都建了监测平台，并将全国风险监测网点及各类风险监测数据互联互通，提升了平台国在监测中的数据分析效率和监管的应变能力[1]。随着国外监管思路和理念的调整，政府加大了监管人员对事前、事中监管的要求，监管记录必须保留完整的并且实时上报。该政策促进了各国在样品采集环节信息化的发展。比如德国基层监管员对奶牛养殖场开展巡查监测时，采用移动应用终端采样上报样品数据。加拿大食品检验署(CFIA)也在随后启动并部署了让全国一线驻场检查员互联互通、实时上报企业坐标和监管记录的移动应用。截至2014年底，加拿大的驻场检查员占所有检查员的75%左右，还在使用书面文件记录的传统方式记录监管信息[2]。

我国农产品质量安全监测与国外相比起步较晚，农产品安全监管的相关法律还在不断完善，对样品采集的规范要求、信息控制和信息的准确性还未制定完善的管控标准。目前，现场农产品质量安全监测采样单仍以手工填写及便携式计算机信息处理模式为主，2种方法效率都较低，而且容易出现信息填写错误，极大的影响现场采样信息的质效。同时，填报的信息内容需进行二次处理，数据的信息化应用程度不高，一些标签信息还需通过手工填写的形式进行输入，计算机填报不能提升现场采样的效率，与现在国家提出的“互联网+”的信息化要求还有很大的差距，亟需探究更高效的监测采样信息处理模式。

3 智能采样大数据模型建立的关键点设计

随着国家对农产品的监测力度不断加大，采样数量和频率也与日俱增。面对不断增加繁重的抽样任务，提升农产品采样环节的信息传递速度及质量，提高监管机构的抽检效率，关键需要实现以下“四化”。

3.1 采集流程标准化(Standardization)

智能采样系统只有从业务流程开始启动运行，实现整个采样过程的“互联网+”大数据，才能真正提高采样准确率，整体提升运行效率。日常的采样过程包括制定规范、发布任务、接受任务、执行采样、收样入库5个重要环节。从成都市和其他市州的实际运行情况来，可通过移动终端、计算机或手机在采样系统中快速规范的制定并发布多个采样任务。包含任务名称、批量生成唯一性样品编号、采集数量；选择含印章的抽样单、确定采样执行人、任务地址、联系人、采样标准等信息，以及是否执行额外要求，如上传采样图片、GPS坐标、费用清单等。采样人在带打印功能的移动终端中接受任务，按任务要求记录采样信息，打印二维码不干胶标签标记样品。收样人使用移动终端快速扫描样品二维码收样生成交接人签名的收样记录表。制样人用移动终端快速扫描二维码，打印制样标签。全过程样品编号、样品名称都不需要再填写，杜绝了样品信息流转中的错误。并且，各个工作任务的完成进度，监管者全程可查可控。

3.2 工作填报智能化(Intellectualization)

在采样工作实际中，需要填报繁多具体样品信息，智能“大数据”采样系统要承担纠正数据输入错误，防止漏填信息，自动填写信息、智能及时传输、生成采样地图。系统要能满足索引填写样品标准名，智能提醒并修正样品别名、错字等填写错误；可智能检查监管者设定的必填信息，防止漏填；设定指定信息的校正检查；自动填写已知信息内容；自动生成当前采样地址信息；接入监管平台后工作任务直接下达到各级监管部门，实现工作结果自动标注区域位置，GIS地图工作痕迹清晰直观，异常数据自动提醒、大数据平台的智能分析，支持工作内容科学决策。

3.3 样品数据电子化(Electronization)

“大数据”是一个体量和数据类型庞大的数据集，并且这样的数据库需要随时快速进行抓取、调用、管理和处理，因此样品数据的电子化是必不可少的前提条件。在采样全流程中遵循“工作即记录”的思路，即移动终端中所有记录的信息包括文字、图片、签名都将以电子化数据保存到云服务器中，并可自定义编写格式生成Excel表，方便数据的深度利用，并可直接导入LIMS等实验室管理系统。需要采用多模式快捷录入信息，一键邮箱自动发送对应抽样表及证明图片资料到指定收件人，能很好的解决环保、抽样单保存及采样数据确认等问题；结合工作实际，需要解决野外采样过程中，智能系统支持无网、无外电环境下快速打印已签名、盖章表单。

3.4 数据管理科学化(scientize)

采样大数据需要做结构化处理，统计分析做到模块化、智能和多维度。要在海量的统计数据中发现规律性、趋势性、苗头性和突发性的问题，就需要结合LIMS系统在GIS地图中自动生成采样点位、对比图和趋势图等直观、可预测的后台图表技术，以多维度直观图形呈现[2]。同时，必须对系统的安全性做金融级防护，采用非对称加密，数字化双模保存签名表单，配有数据灾备方案，防资料遗失；访问者通过角色权限的授权管理，限定了数据的获取范围。还要做好实验室质量管理中的全程追溯性，包括采样中，自动记录当前GPS位置信息；实时对当前环境多图拍照记录，并上传留档；自动生成可防伪的追溯资料。保证了采样者工作过程的真实性。

4 智能采样大数据系统模型应用实证

成都市于2019年4月建立全市智能采样大数据系统，将全市19个县市区纳入平台，组织开展本市农产品质量监测采样工作。目前，采用智能采样模式录入监测任务293个，样品4946个(批次)，数据15000条。从2019年9月开始，逐步将种植业产品、畜禽蜂产品、水产品、农药、兽药、饲料及饲料添加剂、转基因产品的监测采样工作纳入此平台管理，各县市区的监测任务也都在此平台下组织实施。预计未来5年每年产生的风险监测数据将超过百万条。为了验证基于“互联网+”云计算的大数据分析模型的科学性，做好日常监测采样工作，本文选择基于GIS点位抽样工作效率、数据准确性柱状图和折线图，验证智能采样大数据系统的稳定性。以农产品为研究对象，在36个分析维度中选择样品规范名称、信息全面性、样品流转、报表生成、趋势分析作为样本，按照抽样工作效率和数据准确性动态技术，体现采样过程的规律性、趋势性和苗头性问题的发现能力。

4.1 工作效率提升实证

本文选择样品数量大，类型多的农产品作为研究对象，从提高采样工作效率角度，用直观的图标形式，体现智能大数据采样系统的应用实际效率，同时验证采样工作的趋势性、苗头性问题的发现能力和效果。

表1 成都市农产品监测采样工作效率提升率

从表1可见，在近5000个农产品采样过程中，智能采样系统录入对比传统手工填写，提升采样工作效率33%左右。同时，系统自动生成Excel样品数据表可与LIMS实验室信息管理系统无缝对接，以70个样品数据为例，常规手工录入LIMS需要60min左右，电子化数据导入只需1min，数据录入工作效率提高60倍，减轻了工作人员的采样压力。

4.2 信息填报准确性实证

采样过程采用云智能服务器+采样管理平台+采样终端模式，从农产品采样任务下达、执行、追溯数据的自动生成，样品收存的使用二维码快速交接；样品制备的一键标签；保证了采样过程的真实、准确。从图1看，成都市在农产品采样过程中，通过大数据字典库，样品名称规范性达到99.99%以上，为统计分析、图标自动生产、数据趋势性分析提供了基础支撑。

信息化处理系统，将抽样任务、抽样计划及实施方案的制定、具体抽样工作动态管理等纳入到采样信息管理平台，完成采样及样品溯源的实时监管。同时，系统可接入基于区域管理的农产品质量安全监管平台，监管者能直观的在地图上查看区域范围内的农产品质量安全分布状况，实现“大数据的可视化展示”，为科学监管、重点监控、专项监测提供了有效的数据支撑。

5 结论与展望

“互联网+”是我国提出来的国家级战略，互联网与各领域的融合发展具有广阔前景和无限潜力，已成为时代潮流，随着网络化、智能化、服务化、协同化的“互联网+”产业生态体系的完善，“互联网+”必将成为经济社会创新发展的重要驱动力量。基于“互联网+”的智能采样模式通过云服务平台、物联网通讯、大数据计算，提供了从抽检方案决策、采样任务可视化管理、样品快速流转、监测数据共享的整体信息化解决方案，在农产品质量安全监测中实现了采样环节的流程标准化、数据电子化、工作智能化、决策科学化，提高了监测样品采集的工作效率与准确性，为农产品质量安全监测部门在信息时代下传统监管结合“互联网+”模式探索了新的路径。