基于数据挖掘的小麦质量安全预警模型研究
小麦作为人们日常生活中息息相关的农作物，其生产、加工、运输等环节的食品安全问题是直接关系到消费者的头等大事。小麦籽粒在生长及收获储存加工等过程中可能受各种产毒真菌的污染，真菌毒素的污染是影响小麦农作物质量安全的重要因素。以食品监管部门对小麦中多种真菌毒素的大量抽检数据为对象，本文应用数据挖掘方法研究了小麦质量安全预警模型。主要完成的工作有： 1、给出了一种基于机器学习的小麦真菌毒素预警方法。该方法主要包括小麦真菌毒素样品地区气候分类模型和基于小麦毒素监测数据的AHP-LSTM预警模型。首先，根据小麦毒素数据建立了基于Smote-KNN气候分类模型；然后，结合层次分析法(AHP)和LSTM给出了小麦真菌毒素的质量风险预警模型。实验结果验证了该方法。 2、给出了一种基于关联规则挖掘的小麦中真菌毒素污染预警方法。首先，构建了基于Apriori算法的小麦多种真菌毒素污染关联规则挖掘方法体系，分析小麦中真菌毒素共污染的特征，进行预警。然后，在该方法中将Apriori算法应用在小麦多组份真菌毒素的相关性分析与预警中，对监测数据进行风险等级划分以及数据离散化处理，通过挖掘的强关联规则分析研究了小麦中多毒素的联合污染表征。实验数据可视化结果验证了该方法的有效性。 3、设计并实现了B/S模式的小麦质量安全预警系统。小麦质量安全预警系统技术实现时采用前后端分离模式开发，后端使用Java语言的SpringBoot框架以及Mybatis框架负责业务逻辑处理和数据库操作等，前端使用HTML,CSS,JavaSript等技术完成交互。系统主要的功能模块有风险监测模块，污染等级管理模块，风险预警模块，以及网站系统常用的登录模块等。
小麦质量安全预警;真菌毒素;层次分析法;机器学习;关联规则;预警系统
北京化工大学
硕士
计算机技术
祝海江;王小丹
2022
中文
S512.1;TP311.13
2022-11-04（万方平台首次上网日期，不代表论文的发表时间）