基干贝叶斯网络数据挖掘蔬菜质量安全探析

基干贝叶斯网络数据挖掘蔬菜质■安全探 析 摘要蔬菜是人们日常生活的必须品，也是容易出 现质量安全问题的产品。影响蔬菜质量安全的一个重要因素 就是农药残留问题。以蔬菜农药残留检测数据为对象，利用 贝叶斯网络进行数据挖掘，得到不同品种蔬菜的农药残留含 量分布，以及同一品种在不同时间的分布趋势，经过可信度 分析，该结论可信。该结果可为蔬菜的生产者、消费者以及 监管人员提供一定的决策依据 关键词数据挖掘；贝叶斯网络；农药残留；质量 中图分类号TS201.6 ; R857.3文献标识码A文章编 号0439-8114 2016 23-6253-05 DOI 10.14088/ki.issn0439-8114.2016.23.063 Abstract Vegetable is one of the necessities of peoples daily life. It is also prone to occurring quality and safety issues. It is pesticide residue that was one of the important factors which effects on the vegetable quality and safety. Bayesian network of data mining technology is applied to mining the limited assay ination of vegetable. It got to pesticide residues distribution for varieties of vegetables , and the same vegetable distribution trends in different months. The results are credible and can offer some decision for producers , consumers and supervisors of vegetable quality and safety. Key words data mining ; bayesian network ; pesticide residue ; quality □ S着社会的发展和生活水平的提高，人们对蔬菜产品 安全的关注与日俱增，影响蔬菜质量安全的一个重要因素就 是农药残留问题。以蔬菜农药残留监测为基础的蔬菜安全风 险分析作为现代蔬菜安全管理工作的发展方向，正逐步成为 各国遵循的准则和行为规范［1］。Li等［2］研究认为，中国食品 安全保障体系的标准陈旧且执行不严谨。Rudder［3］通过对蔬 菜的销售渠道进行研究发现，农民把蔬菜卖给生产厂商来降 低安全责任 周洁红等［4］以经济学为理论基础，提出了以批发市场为 核心实施蔬菜质量安全可追溯体系是现阶段建设蔬菜质量 安全管理的最有效方法。刘中华［5］认为供货商对蔬菜质量管 理意识的缺乏以及对供货商的约束力不足导致出现差异。樊 红平等［6］用系统理论分析了农产品检验检测体系构成及其 功能。樊孝凤［7］从信息不对称理论的角度，着重解释了中国 蔬菜农残普遍超标的现象。许宇飞［8］认为，对食品安全状态 评价应根据各污染物的限量标准进行逐级评价；秦燕等［9］ 提出运用控制图方法来监测食品安全质量是否处于控制状 态。王志刚［10］利用Probit模型对影响消费者农产品质量安 全的认知和购买行为的主要影响因素进行了解析 大部分研究采用传统方法，难以满足对蔬菜农药残留检 测数据的深度分析需求。国内开展对DMKD （数据挖掘和知 识发现）的研究稍晚，没有形成整体力量［11］0有关蔬菜质 量安全方面应用数据挖掘技术的研究鲜见报道［12］0陈晨等 ［13］采用贝叶斯分类算法，以玉米生长环境和质量数据库为 对象，对新生长环境下玉米的生长质量进行挖掘。刘春玲等 ［14］认为，在农业领域积累的大量农业数据信息中运用数据 挖掘是极具应用前景的方案。本研究以山东省烟台市的蔬菜 检测数据为对象，运用贝叶斯网络方法进行数据挖掘，得出 蔬菜质量安全的规律以及趋势，以期为蔬菜农药残留检测数 据分析提供参考 1数据获取 数据均来自烟台蔬菜质量安全信息网，数据的时间覆盖 范围是从自2006年7月到2013年2月（除2009年9、10 月外），共78期抽检信息。记录项目包括检测时间、检测地 点、品种、平均酶抑制率和平均合格率 平均酶抑制率是决定了蔬菜农药残留的量化标准，根据 国家颁布的农药残留检测条例，如果检测得出酶抑制率超过 50则认定为农药残留超标，评定结果为不合格。使用 Weka3.6[15]作为数据挖掘工具，在对数据进行挖掘前，要 对收集的数据进行集中、整合、清理 对收集的每月原始数据进行集中、整合。把整合后的数 据转换成XLS文件，并由XLS文件转换成Weka能识别的 CSV文件；通过Weka的Explorer运行CSV文件，并将其 另存为ARFF文件。图1是Explorer运行CSV文件后成功 读取数据的结果。从图1中可以看到，该文件中数据数量为 3 768 2数据处理 2.1属性选择 通过分析原始实例得到5个属性值 1 ）地点属性文化路市场、三环市场、大世界市场、红 利市场、前进路市场、新桥市场、烟大市场、祥和市场、宏 达市场、其他地点，共10个可取值，是名词性属性，没有 残缺值 2 ）品种属性韭菜、黄瓜、生菜、油菜、茴蒿、芹菜、 芸菜、菠菜、其他蔬菜，共9个可选值，是名词性属性，没 有残缺值 3 ）时间属性2006年7月2013年2月（除2009年 9、10月外），以月为单位，共78个可选值，没有残缺值。 4）平均酶抑制率和平均合格率属性都是数值性属性，区间 在[0 , 100],单位是百分比 5 ）平均酶抑制率是根据抽检单位抽检统计而来的直接数 据。平均合格率只是平均酶抑制率的另一个反映，因此，平 均合格率是冗余属性,在处理过程中不考虑,通过Weka中 的Remove按钮删除。处理后，得到4个属性，分别为品种、 地点、时间和平均酶抑制率 2.2数据清理 经过检查，实例集中一共有109个残缺值，约占2.9 , 且其属性均为平均酶抑制率。黄瓜和芸豆中的平均酶抑制率 的残缺值最多，并且多集中在烟大市场、文化路市场；其原 因是这两个品种的供应量很少，导致抽检量也少。平均酶抑 制率作为类属性，其值的缺失使得该实例失去了参考意义。 因此，删除这两个市场的黄瓜和芸豆实例，实例数量分布如 表1所示 □t谏口续抽检实例集，还需考察各个属性的实例数量比 例情况。表1中所示的品种为菠菜、地点为宏达市场的实例 数较少，分别只有23个和8个。这2种实例会给挖掘算法 带来较大的误差率。通过查初始数据得知，菠菜的抽检只在 2006年7月到2006年10月进行,而宏达市场的抽检则只 在2007年8月进行。在一共78个抽检月里，这些实例属于 少数，从实例的健壮性考虑，删除地点是宏达市场和品种是 菠菜